光学触摸技术

　　摘要：光学触摸技术最初是1970年代引入的，最新的突破带来了该技术的复苏。

　　研发者已经能够解决成本、亮环境光下的显示性能，以及组成要素等问题，这里只提及其中的一小部分。

　　本文详细介绍了这些问题是如何解决的;该技术的前景，包括深入了解一下光学触摸系统的几个崭新的发展。

　　关键词：光学触摸技术;发光二极管;光学传感器

　　光学触摸技术最初是1970年代Caroll Touch公司(现在是Elo TouchSystems的一部分)发展起来的，现有不少供应商出售该项技术。

　　和其它的触摸技术相比，光学触摸技术具有很多优点。

　　工业界的很多人都认为，如果没有下面将要提到的两个相当大的缺点，光学触摸技术现在已经成为触摸技术的主流。

　　光学触摸屏技术的最新发展使得光学触摸技术复兴，为其成主流触摸技术奠定了基础。

　　引言

　　传统的光学触摸系统是在显示器的两个相邻斜面上采用红外发光(IR)二极管(LED)阵列，并在相对的斜面边缘放置光敏元件，用于分析系统、确定触摸动作。

　　LED-光传感元件对在显示器上形成光束栅格。

　　当物体(例如手指或者钢笔)触摸屏幕遮断了光束，就会在相应光传感元件处引起光测量值的减弱。

　　光传感的输出测量值可以用于确定出触摸点的坐标。

　　通常控制器是扫描光传感阵列，而不是同时测量所有的光传感器，因此这项技术有时被称为"扫描IR"。

　　在这项技术的高级版本中，每个光传感器测量来自不止一个LED的光，这使得控制器可以补偿由于屏上不可移动的碎片而引起的光的阻断(见图1)。

　　这项传统的光学触摸技术已经主要用于触摸市场中的相关领域。

　　过去，它的广泛应用由于两大原因曾经受到限制：技术成本比与之竞争的其他触摸技术要高，还有在亮环境光下的显示性能问题。

　　后一个问题是由于背光源放大了光传感元件的背景噪声。

　　在有些情况下，噪声大到无法检测到触摸屏的LED光，导致触摸屏的暂时失灵。

　　这个问题在阳光直射下最为显著，因为阳光在红外区域分布有大量的能量。

　　另外，传统的光学触摸技术由于其它的一些技术问题，例如功耗、机械包装约束、分辨率的限制导致系统检测PDA笔等小物体的能力受限等，而没有被手持式触摸屏(例如手机和PDA等)采用。

　　其它技术例如模拟电阻技术由于成本低很多，主导了移动设备触摸屏的市场。

　　但是光学触摸的特性还是可取的，代表了理想触摸屏的属性，包括可以去除其它触摸技术都必需的显示屏前的玻璃或塑料层。

　　在很多情况下，这种覆盖层采用透明导电材料，例如氧化铟锡(ITO)，这会导致显示屏的光学性能下降。

　　光学触摸屏的这个优势对于很多设备、显示屏供应商来说是极其重要的，因为设备的售出与使用者的感觉质量相关。

　　光学触摸的另一个长期需求的性能是传感器的数字输出，相比之下，很多其它的触摸系统是依赖于模拟信号处理来确定触摸位置。

　　这些与之竞争的模拟系统通常需要不停的再校准，对信号处理(增加了成本和功耗)的要求比较复杂，与数字系统相比精确度相对降低;并且由于操作环境引起更长时间使用后系统失灵。

　　光学触摸的另一个关键的优点是通常情况下没有手指、笔或其它被识别硬件的直接接触。

　　这就减少了触摸屏由于接触失败、老化、疲劳引起失灵的可能。

　　这与低压力触摸的要求也有关。

　　在一个光学触摸系统中，只要与光束接触就可以了，不需要检测力量或者触发系统。

　　最后，光学触摸可以执行同时触摸，这是其它触摸技术难以实现的。

　　尽管同时触摸在过去没有被广泛地发展，近期由于苹果iPhone等新设备引起了关注，它让同时触摸成为用户界面不可或缺的一部分。

　　1最新技术提高

　　1.1新元件和信号处理的改进

　　处理：自从传统的光学触摸系统开始发展，关键元件如LED、光敏二极管、CMoS芯片在性能上有了长足的发展，成本大大降低。

　　产生模塑光学和信号处理算法的技术也有了很大的发展和改进。

　　因此，传统光学触摸技术有了发展，至少与其它也在不断发展的触摸技术相比保持着竞争力。

　　1.2改进的光学系统设计

　　近期，Elo TouchSystems和IRTouch等公司试图解决光学触摸的背景或环境光问题，主要采用改进边缘(缝隙)设计、光学滤光片和更加复杂的信号处理来增强信噪比。

　　如，红外LED可以通过特定频率调制，光传感器的输出只可以在该特定频率下解调。

　　由此来降低阳光对未调制的红外光的影响。

　　制造商声称的最新产品能承受75~100klx的环境光，表明这些技术在降低光学触摸对日光的敏感度方面有了不错的成就。

　　2 新型光学触摸系统

　　新元件技术和关键器件的成本降低使得大量崭新的光学触摸系统得以产生。

　　便宜和更尖端的光学系统设计工具的结合，为现有光学触摸系统的设计和制造的再次提出创造了完善的条件。

　　现有两大类新的光学触摸系统：一类是取决于光源的，通过阻断来检测触摸的;还有一类是利用环境光，而与光源无关的。

　　另外，这些新系统还可以根据规定光束的遮断，以及通过复杂的信号处理来确定显示器上方图像的触摸点来分类。

　　本文回顾了这些新型的光学触摸系统。

　　3 Neonode

　　Neonode采用了传统的IR触摸技术，LED以及光敏二极管，关键在于将其微型化以用于手持设备。

　　除了将该技术用于其N2手机，Neonode还将它销售给其他的设备制造商。

　　但是还不清楚该技术是否被其他的手机销售商采纳。

　　该项技术的关键挑战在于斜面的高度。

　　很多手机制造商不断地尝试制造能在顶面齐平或者接近齐平的新元件，他们希望显示器尽量延伸，尽量靠近设备的边缘(使得显示器的尺寸和对多媒体功能的体验都尽可能的大)。

　　参考图2中给出的Neonode N2和苹果iPhone，可以立刻明显发现iPhone屏幕的表面是平滑的，而N2手机屏的表面是凹的。

　　通过对样品的检测，N2的斜高约为1.6mm(包括包装材料的厚度);而iPhone的斜高为0(平滑)。

　　其它妨碍Neonode触摸屏技术在手机市场使用的问题有成本和功耗，都是因为设备中大量的采用光电子元件(LED和光敏二极管)造成的。

　　对于这项技术及苹果iPhone的另外一个潜在的挑战是只能用手指触摸的限制。

　　亚洲智能手机制造商更希望能够采用触摸笔输入，以支持字符识别。

　　Neonode N2上的光束间隔比较宽，大约每厘米2.5个光束，手指大约能够覆盖9个光束交叉点。

　　这能节约能量，但是使得触摸笔在触摸屏上无法使用。

　　即使使用大的触摸笔，由于分辨率不够，手写识别还是无法实现。

　　相比较而言，用于iPhone的导电轨迹间隔相对比较窄，大概每厘米25个轨迹交叉点。

　　但是，即便是投射式电容性技术的分辨率更高，它只能支持手指触摸，限制了触摸笔或是戴手套时的使用。

　　所以这个比较结论有待讨论。

　　4 NextWindow、SMART以及其它技术

　　NextWindow和SMART技术实现了基于照相机的光学触摸，至少有一个新的开始。

　　NextWindow的光学触摸屏技术采用了两个放置在显示器相邻边角上的线扫描照相机(图3)。

　　照相机根据红外光源的截断来检测任何靠近表面物体的移动。

　　由屏表面的一个平面产生光，并由屏三个边上的定向反射条( 定向反射镜使得光从入射角沿着平行但相反的路径反射回来)反射回相机。

　　当手指(或任何物体)触摸屏幕时，控制器就分析了相机中的图像，触摸物体位置的三角关系。

　　SMART光学触摸屏技术使用的是相同的原理，区别在于它用了四个面扫描照相机。

　　即使技术上允许光学触摸技术不需要玻璃触摸表面，供应商也不会这样做，因为需要保护LCD的软(2H)表面。

　　这些技术比传统技术先进在它们的有源器件更少，因此可以减少成本，具有更长的平均失误间隔时间(MTBF)。

　　NextWindow销售的触摸屏的尺寸在12～120in范围之间，到目前为止大多数应用于监视器尺寸的显示屏(例如HP TouchSmart家用电脑)，以及用于交互数字签名的大尺寸显示[1]。

　　尽管这项技术具有很高的分辨率和数据传输率，能够支持触摸笔的手写识别;但是，对于小于10in，由于边界宽度、成本、功耗的考虑不采用掌上反射显示屏的还无法应用。

　　总的来说，基于相机的光学触摸技术在近期内还无法应用于移动设备。

　　5 Perceptive Pixel

　　纽约大学的研究者最新研制了一种可以同时用10个、20个，甚至更多手指触摸的大型多处触摸屏。

　　Perceptive Pixel公司的成立，旨在将该项技术商业化――尽管这项技术已经应用于交互性白板、触摸屏桌、数字墙等领域，所有的这些设备都可以由多人同时操作。

　　Perceptive Pixel技术原理是将红外LED光引入玻璃或塑料的背投屏上。

　　该技术应用非全内反射(FTIR)，即当手指触摸玻璃表面时，光从手指处散射出去，被垂直于普通玻璃表面的光学传感器检测到[2]。

　　在Perceptive Pixel应用中，光传感器是投影机旁边的一个摄像机(见图4)。

　　因为该技术是为背投显示屏设计的，它不能应用在移动设备中。

　　6夏普、东芝-松下显示(TMD)及其它

　　夏普、TMD以及LG-飞利浦LCD都展示了显示屏本身作为光传感器件的光学图像触摸系统。

　　这些新型的LCD在每个LCD像素中集成了一个光传感器件(发光二极管或光敏晶体管)，这使得整个显示屏成为一个大矩阵光传感器;加上合适的图像分析技术，它可以成为触摸传感器甚至一个读卡扫描器。

　　夏普最新展示了320×480像素光传感分辨率的3.5in LCD。

　　由于固有的数字技术，它具有识别出同时多处触摸事件的能力(图5)。

　　将这项技术应用于触摸屏需要面临的一个挑战是，在有各种不同类型环境光的情况下进行信号处理。

　　与普通的触摸屏不同，该技术需要分析一幅复杂的图像来确认是否有触摸发生。

　　与普通的触摸屏相比，这项技术需要更加先进、昂贵、耗电的处理器。

　　另外，多种背景光的存在会使得图像分析更为复杂。

　　另外一个需要考虑的问题是速度。

　　比如说，手写识别通常被认为需要至少每秒130帧的触摸识别速度，以避免识别延时。

　　这种处理速度对于基于图像矩阵、低功耗的、用于手持设备的触摸技术来说是一种挑战。

　　由于移动设备的显示屏的尺寸、比例、分辨率有很多种，生产商没有真正的标准。

　　因此，生产能够用于任意显示器的传感器将带来高成本，并且需要处理复杂触摸传感LCD的NRE。

　　另外，这些LCD可能具有更小的像素-孔径比，因此与没有触摸传感的类似显示屏相比亮度可能会低一些。

　　7 RPO数字波导触摸技术

　　RPO数字波导触摸(DWT)技术是基于传统IR系统概念发展而来的光学触摸系统。

　　这种系统采用1～2个低成本LED，用来从两个相邻斜边提供可控的光源(事实上是一个红外光平面)，然后在另两个相邻的斜边上，利用聚合物光学波导来将光线引入分立的10 m管道进入一个小的光传感器矩阵(图6)。

　　这项由传统IR触摸改进的技术有效地解决了传统技术所有的缺点。

　　下面将讨论这些缺点。

　　由于光电器件(LED和传感器)不再放置在显示器的斜边上;与传统的光学触摸系统相比，斜面高度和宽度对触摸系统的影响减弱了。

　　RPO展示了在显示区域外只有2mm的触摸系统，从屏保护(镜片)到器件外壳的内表面的侧面高度只有0.5mm。

　　DWT因为只有1~2个LED和1个光传感器芯片，所以成本要低很多;由于接收端的光学信号进入分立的光导，被光传感器矩阵的独立像素分别检测而具有"数字性"，所以它的分辨率要高很多。

　　因此，笔检测和手写输入识别成为了可能。

　　滤波器和孔隙化的发展使得环境光不再是个问题，因为细小光学波导作为接收管道。

　　使这项技术成为可能的关键是RPO公司改进的低成本光刻印刷聚合物光学波导。

　　这家公司采用类似LCD的处理工具来沉积湿膜，用直接的光刻图案处理薄膜，还有溶剂的改进。

　　这听起来很简单，但是改进聚合物材料和用于生产大量、高强度的高分辨率光导的工艺用了很多年。

　　另外，这个RPO使用的光学系统设计非常复杂，但是在物理系统中简单、便宜、便于集成。

　　RPO在Display Week 2007上演示了这个系统，当时用于PDA设备的多重触摸。

　　DWT现用于高端用户产品之中。

　　理论上讲，这个系统可以用于任意尺寸的显示屏，但是RPO最初是面向中小型消费类电子和车载显示器的。

　　8 结论

　　以上这些新的光学触摸技术都可以在广大且持续发展的触摸屏市场中占据属于自己的一席之地。

　　排除所有的技术缺陷，我们可以预测光学触摸技术与其它触摸技术相比具有关键的优点。

　　总的来说，这些新技术，如果都归类于"光学触摸系统"，最终可以占据触摸屏市场的一大份。

　　促进手持式触摸屏迅猛发展的是苹果iPhone以及其它智能手机、GPS手持设备，还有个人多媒体播放器。

　　上面的这些技术，Neonode、夏普、TMD、RPO目标都很明确，并希望能和现有的电阻和投射式电容性触摸技术竞争。

　　参考文献

　　[1]"Introducing the NextWindow 1900 Optical Touch Screen:A NextWindow White Paper" (2007).

　　[2] J. Han, "Low-Cost Multi-Touch Sensing through Frustrated Total Internal Reflection," Proceedings of the 18th Annual ACM Sympo-sium on User Interface Software and Technology (UIST), (2005) (ACM 1-59593-023- X/05/0010).

　　第一章 绪论

　　1.1 研究背景及意义

　　进入二十一世纪以来，随着时代的进步，互联网技术的迅速发展，尤其是数码设备和多功能电子产品的大量普及，数字多媒体技术在人们的日常生活中扮演的角色越来越重要。相比于传统的图像制作技术，数字图像技术在各方面都有很明显的优势和发展空间：获取图像简单，对环境无污染，传输速度快，多种存贮格式等，大大促进了数字图像技术对人们日常生活的影响，使人们更加方便的使用数字图像作为记录信息的载体。

　　计算机时代和数字时代的来临使人们对数字图像处理的需求与日俱增，而不再是简单的记录工作、学习和生活。在市场需求和科学技术的双重刺激下，大量的数字图像编辑和处理软件应运而生，以著名的Adobe Photoshop，ACDsee 为代表的图像处理工具的出现，使得即使是非专业人士也能轻而易举的修改图像内容，而且很难用肉眼识别图片被修改的痕迹[1]。

　　然而，当人们的视觉和听觉在尽情的享受着现在多媒体技术及数字传输技术带来的愉悦，当人们肆无忌惮地编辑、修改、复制和散步数字音乐、图像、视频时，可曾想过这些数字媒体原创者的版权和经济利益是否得到保护，听到或者看到的数字媒体是否是完整的、真实的、可信的。

　　在数字化图片的背景下，先进的科学技术造就了数字图像技术这把“双刃剑”，在方便了人们的同时也给生活带来了许多负面的影响和困扰。

　　尽管有部分人伪造的图片只是为了个人娱乐或者作为艺术品来相互交流，但也有些人利用恶意篡改的数字图像实现自己不可告人的目的，对社会造成很大的影响。特别是最近几年，在新闻界、政治界、和学术界等领域，国内外出现了很多令人震惊的篡改或者伪造数字图像的案例，均造成了严重的后果，使人们产生了信任危机。

　　1.2 国内外研究动态和现状

　　现有的数字图像篡改技术主要是针对图像的完整性，原始性和真实性的伪造和修改。数字图像取证技术是对篡改数字图像完整性的基本概括，就是将携带的秘密信息通过特殊的算法嵌入到图像载体的冗余空间，图像的冗余信息在视觉感知程度一般都很差，即使将秘密的信息嵌入到数字图像载体中，也很难通过肉眼来识别，但是这类操作已经破坏了数字图像载体的完整性。篡改数字图像的原始性就是变换拍摄的位置，并将原始图像做后期的二次处理，使获得的图片内容不再是原始图片所呈现出来的那样。

　　这些二次处理的过程可以通过扫描原始图像或者直接用相机拍摄原始图片来获得，例如上面提到的藏羚羊照片造假事件，就属于破坏数字图像原始性的二次处理篡改。目前，针对数字图像真实性的篡改的方式有很多，根据达特茅斯学院计算机科学系教授 Hany Farid 教授在数字图像篡改检测领域的多年研究经验，将这些篡改技术分为 4 类：

　　(1)合成和润饰。合成主要是对图片进行复制、粘贴，将不同图像的某些特定部分整合到一起，以达到隐藏图像中的某些信息或者制造某些假象，但往往会留下比较明显的修改痕迹。为了达到以假乱真的效果需要对篡改的部分进行润饰，即进行模糊、缩放等操作消除痕迹，这样就可以用想要的局部效果代替原始图像的目的。

　　(2)融合变体。融合变体是将两幅或者多幅图通过特征点相互演进融合成一幅图的技术，找到想要相互渐变的图像的特征点，按照不同的权值将图片相互叠加融合，得到的变体图像将具备所有原始图像的特征。

　　(3)图像增强。通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配，加强图像判读和识别效果，满足某些特殊分析的需要。

　　第二章 基于光学特性的数字图像分析

　　基于光照不一致性的数字图像取证技术(Digital Image Forensics)是数字图像取证技术的重要内容，主要研究的对象是在有光照条件下产生的图像，分析光源在物体上产生的阴影、纹理等光学特性是否一致。同时根据 Lambert 光照模型，估计光源的位置，判断光源的方向是否一致，本章将根据光照条件的各个影响因素做重点介绍。

　　2.1 数字图像取证技术

　　数字图像取证技术是通过对图像中包含的统计特征的分析，来判断数字图像内容的真实性、完整性和原始性，判断并检测数字图像真假性的技术。数字图像取证技术是计算机取证技术的一个分支，是对源于数字图像资源的数字证据进行确定、收集、识别、分析及出示法庭的过程，补充了传统加密技术的性能，在保护多媒体信息的真实、完整性等方面得到了广泛应用。

　　虽然针对数字图像篡改取证技术的研究起步相对较晚，但随着网络多媒体技术的普及，大量信息的存储传输急需安全性保护，国内外越来越多的科研工作者均致力于该领域的研究。

　　目前，基于数字图像篡改检测技术的算法种类较多，如果按照取证手段类型划分，这些取证技术能够分为三类，即主动取证，半主动取证和被动取证。

　　..........

　　2.2 图像取证技术常用的光学特性

　　在第一章我们提到，对于复制-粘贴等操作合成的图片，将不同图片的某些部位整合到一起以制造某些假象，这种篡改方式很简单也很常见。但是，因为不同的图像在获取时的环境和光照条件都不完全相同，所以经过上述的操作之后也很难将图片中的光照效果修改得很吻合。

　　合成图像中不同目标所反映的光照强度、光源方向、物体阴影等光照条件都会有不一致的情况出现，此时在同一幅图像中所包含的光照条件不一致性即可作为判断图像是否真实的依据。

　　光照强度是指示光照的强弱和物体表面积被照明程度的量，取决于光源所发出的光线中不同波长中所携带的能量和穿过大气层过滤的情况。经过篡改的图片中不同物体在各自场景中的光照强度不可能完全一样，即使在同一个场景在不同时刻拍摄的光照强度也会有不同，因此检测图像中不同目标物体所反应的光照强度是否一致作为判断图像真实性的依据。

　　图像中目标物体的光源反向即为光源照射拍摄场景目标的方向，是产生光照条件不一致性的一个重要原因。由不同图像中不同目标物体合成的图片，在原来各自场景中光源所在的方向和位置都不会完全相同，这也使得不同物体所反映的光照方向是不一致的，以此作为检测图像是否被篡改过的依据。提取图像场景中目标物体的光源方向，是光照条件不一致性盲取证技术的一项关键技术。

　　图像中目标物体的阴影是由于光源产生的光线被其他物体遮挡而产生的，它的形状、大小和明暗程度都可以反映光源的方向和光照的强度。

　　被篡改的图像中拍摄场景的光照环境的一致性必然会被破坏，目标物体所产生的阴影的形状和大小也可能会被修改，那么可以反映光照强度和光源方向的阴影信息将是不一致的。因此，图像阴影信息的一致性可以作为判断图像是否是真实的依据。

　　..........

　　第三章 图像中阴影和纹理条件分析........23

　　3.1 基于阴影约束条件的分析..........23

　　3.1.1 阴影信息分析原理..........23

　　3.1.2 特征点的选取..........24

　　3.1.3 改进基于阴影的分析方法......27

　　3.2 基于纹理约束条件的分析..........29

　　3.2.1 光照产生的纹理特性......29

　　3.2.2 纹理参数分析..........32

　　3.3 结合阴影与纹理的约束条件......33

　　3.4 本章小节......35

　　第四章 楔形参数优化........36

　　4.1 楔形参数选择......36

　　4.2 参数的优化..........37

　　4.3 分析步骤及线性方程..........40

　　4.4 本章小结......44

　　第五章 实验结果与分析....45

　　5.1 建立图像库..........45

　　5.2 阴影算法的实验结果..........46

　　5.3 改进算法的实验结果..........47

　　5.4 改进算法的分析..........51

　　5.5 本章小结......52

　　第五章 实验结果与分析

　　5.1 建立图像库

　　本文检测算法的图片都是通过同一个相机采集的，这样能够保证所有的图片在相机参数上保持一致，相机在不同的场景中表现的畸变现象并不影响图像中物体的光学特性，因此在分析图像时不考虑相机的参数。通过该相机采集的图片，选择阴影、纹理等光学特性比较明显的图片建立图片分析库。‘选择拍摄图片的场景，主要分为五个方面：

　　1)自然光源对应的场景：针对室外的场景，我们选择天气较好，太阳光线比较明朗、下午 1~3 点的时间。主要涉及的场景有操场、校园、人物、建筑等。

　　自然图片的特点是无限远点光源，对应的楔形分析界面需要延伸到无限远处，才能看到期望的楔形交集。

　　2)室内光源对应的场景：针对室内场景，选择比较空旷的教室，在教室中搭建合适的平台包含桌布背景、作为点光源的局部光源、图片中投影的物体等。按照相应的顺序将物品摆放整齐，选择尽量没有遮挡的一个角度放置点光源。注意在拍摄时应关闭闪光灯。局部点光源的成像特点是局部纹理特性比较明显，形成的楔形在有限的界面上就能获得很好的交集。

　　3)计算机合成的图片：这类图片按照真实图像中光源产生阴影和纹理的特性进行模仿，合成的图像中光学特性比较明显。图像物体上的边界、颜色、对比度等特性明显与自然图像不同，基本没有物体之间的干扰，而且用肉眼很明显的识别出这类图片。这类图像有两种作用：

　　一种是作为被篡改的图像放入到图片库中进行检测，验证算法的正确性;另一种是用来描述算法的分析过程，因为在合成的过程中需要按照已知的光学特性进行操作，基本符合算法的分析需求。

　　4)互联网搜索：网络上存在很多有用的信息，特别是作为信息载体的数字图像。‘通过有效的检索方式，从互联网上筛选出带有明显光照信息的数字图像，同时，这些数字图像带有共同的特征：明显的局部光源或者无限光源的光照信息;包含较为规则的物体，方便提供明显的特征点;数字图像包含的场景信息比较丰富，对应物体的阴影和纹理信息比较复杂。这类数字图像的有优点是丰富多样，主要用来验证本文算法的检测率和稳定性。

　　...........

　　总结

　　本文以光照条件为出发点，对具有较好光照环境下的图片进行了图像的真伪鉴别研究，主要研究对象是基于单光源照射的图像。在无限远点光源和局部点光源照射下形成的图像，其光学特性比较明显，在分析图像的过程中没有明显的噪声干扰(噪声来源于拍摄场景中其他光源产生的光线在物体上产生的干扰)。

　　主要工作为：

　　(1)总结数字图像取证技术的研究背景和国内外研究现状，以及今后发展的方向。阐述了目前比较常见的图像篡改方法，以及用于鉴别图像真实性的图像检测技术。详细介绍了基于光学特性的数字图像取证技术的研究内容，着重分析了纹理信息在特征提取中的理论基础和采集方法。

　　(2)对光照条件所涉及的光照方向、阴影信息、纹理特性进行了阐述并分别对现有光照方向和阴影分析的估计方法进行了说明。着重阴影信息的分析原理，引入了特征点的选取流程，使得改进的算法具有更高的适用性。

　　(3)在独立分析各个影响因素之后，通过随机获取图像中相应参数的数据，导入到数据分析软件，获得各个影响因子的相互关系，从中选择影响系数最大的几个参数。引入纹理的参数，对楔形参数的取值范围加以限制，使得改进的算法具有更高的正确检测率。

　　(4)在图像库中选择若干图像，通过 MATLAB 2014a 对图像进行软件仿真，按照文章中给出的分析步骤进行分析，得到判断结果，并与之前的算法分析结果进行比较，算法的正确检测率已经稳定在 85.6%。

　　.........

　　参考文献(略)