小样本条件下相机来源鉴别方法研究

摘要

随着科技不断发展，以及各式数码成像设备的普及，照片成为了一种传递信息的重要方式。但随着各式图像编辑软件的兴起与广泛使用，加之网络环境越来越高的开放性与包容性，篡改伪造的数字图像也在日渐增多。我们所看到的数字图像可能经过了二次压缩、拼接、复制等操作，眼见不再为实。近些年来越来越多篡改伪造数字图像纠纷案件时有发生，这些事件的发生引发了人们对数字图像真实性和原始性的关心，也使得数字图像取证研究在近些年来成为研究热点。
　　但现有的数字图像来源取证技术在实际应用中也涌现出了许多问题。如在先验知识不足条件下鉴别效果不佳，本文主要针对这一问题进行研究，并给出相应的解决方案。由于来源取证又分为相机型号鉴别和相机个体鉴别两大类，采用的特征并不相同，因此，在本文中将分别针对训练样本数不足的问题给出解决方法。本文主要的研究内容如下:
　　(1)提出了一种基于集成映射的小样本条件下相机型号来源鉴别方法
　　现有的数字图像相机型号来源鉴别方法中，局部二值模式特征的鉴别效果较佳，但当训练样本数不足时，鉴别的准确度显著下降。针对这一问题，本文给出一种基于集成映射的解决方法。首先，该算法通过少量有标签训练样本特征的随机维训练分类器，并对所有的样本进行粗分类，选择后验概率较高的样本构建原型集，重复上述过程多次，就获得多个能够代表部分类别信息的原型集;其次，将有标签样本在各原型集上进行映射，把属于各类的后验概率作为映射值，并将所有原型集上的映射向量进行连接获得最终的映射特征;接下来，采用有标签样本的映射特征训练出分类器，对无标签样本进行分类;实验结果证实基于集成映射的方法能够在训练样本不足时获得较佳的鉴别结果。
　　(2)提出了一种基于模式噪声块选择的小样本条件下相机个体来源鉴别方法
　　现有的数字图像相机个体来源鉴别方法中，最常用的特征就是传感器模式噪声。通常每个型号相机的训练样本数不不低于50个，当训练样本数不足时会出现鉴别准确率急剧下降的问题。在本文中我们提出了基于模式噪声块选择的方法。该方法首先对训练图像按照一定大小分块，提取参考模式噪声时选取同一位置图像内容复杂度较低的样本。并将局部参考模式噪声进行拼接，获得一幅完整的参考模式噪声。测试时，从待测图像中选取内容复杂度最低的图像块与对应位置的参考模式噪声做相关性操作，并通过阈值判定相机来源。实验结果证明本文所提出的模式噪声块选择方法在小样本条件下能够获得较佳的鉴别结果。

目录

声明

摘要

1 绪论

1．2 数字图像取证概念及分类

1．2．1 数字图像主动取证

1．2．2 数字图像被动取证

1．3 本文的研究内容与结构

2 数字图像被动盲取证技术概述

2．1 数字图像成像过程

2．1．1 数码相机成像模型

2．1．2 成像过程中引入的特征分析

2．2 数字图像被动盲取证框架

2．3 数字图像被动取证研究现状及存在问题

2．3．1 研究现状

2．3．2 存在问题

2．4 本章小结

3 基于集成映射的小样本条件下相机型号来源鉴别方法

3．1 问题分析

3．2 局部二值模型特征

3．2．1 局部二值模式特征介绍

3．2．2 局部二值模式特征提取框架

3．3 算法原理及框架

3．3．1 构建原型集

3．3．2 集成映射

3．4 实验结果与性能分析

3．4．1 实验样本与图像参数设置

3．4．2 有效性实验

3．4．3 参数设置对实验结果的影响

3．5 本章小结

4 基于模式噪声块选择的小样本条件下相机个体来源鉴别方法

4．1 问题分析

4．2 模式噪声

4．2．1 模式噪声的定义

4．2．2 模式噪声的提取

4．2．3 相关性度量

4．3 算法的数学模型

4．3．1 图像的复杂度计算

4．3．2 基于块的模式噪声提取方法

4．4 实验结果与性能分析

4．5 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢