摘要：
联合图像专家组（JPEG）压缩过程中的操作历史在JPEG图像取证和信息隐藏中起着重要作用。对于未对齐的重新压缩图像，不同的裁剪方法会产生具有不同特征分布的未对齐输出结果。其中一个重要因素是两次压缩过程中离散余弦变换（DCT）网格的偏移（即不对齐参数）。尽管已经提出了许多方法来估计这些不对齐参数，但由于小尺寸图像中可用信息的有限性，这些方法的准确性较低。为了提高小尺寸未对齐图像不对齐参数估计的准确性，我们提出了一种新的双分支网络结构，该结构考虑了未对齐图像独特的水平和垂直特性。该结构利用卷积来模拟二阶差分（SOD），并在整个训练过程中将其融入其中以动态优化差分参数。基于裁剪操作会在所有颜色通道中留下痕迹的这一认识，我们通过颜色空间变换得到了Cg通道。这种方法将输入维度扩展到四个通道（Y、Cb、Cr和Cg），从而弥补了小尺寸图像中的信息缺失问题。实验结果表明，无论第一次压缩的质量因子（QF）是已知还是未知，我们的方法在不同尺寸的图像上均优于现有方法。最后，我们提出了一种基于估计的不对齐参数的重新裁剪框架。通过重新裁剪操作可以抵消第一次裁剪的影响，从而提高现有方法对未对齐重新压缩图像的第一量化步骤的估计准确性。
