[发明专利]一种基于样本选择的图像相机来源鉴别方法

权利要求书

1.一种基于样本选择的图像相机来源鉴别方法，其特征在于包括如下步骤：

步骤1、设在数据库中有C个照相机每个照相机拍摄了E_j幅图像，数据库共有N幅图像

步骤2、为了减少计算成本，从数据库中的全尺寸图像的中心裁剪出N×N的像素块代表图像；从该像素块中提取模式噪声，重塑成SPN向量，表示为这n个SPN向量形成训练集；

步骤3、对提取的模式噪声进行PCA降维；

步骤4、将计算得到的特征向量进行归一化，按照特征值的降序排列λ₁≥λ₂≥…λ_n，取其中较大的d个非零特征值对应的特征向量作为特征空间

步骤5、在特征空间T中随机选择m(m<d)个特征向量构成随机子空间R，重复L次，生成L个随机子空间R^l；在子空间中，SPN信号表示为：

其中，y^l代表随机子空间R^l中的模式噪声x，即每个模式噪声x表示为一组新的特征y^l；

步骤6、利用新生成的模式噪声进行图像来源鉴别。

2.根据权利要求1所述的一种基于样本选择的图像相机来源鉴别方法，其特征在于步骤3具体实现如下：

对于具有n维特征的矩阵X＝[x₁,x₂,…,x_n]，主成分分析的具体实现如下：

3-1.计算协方差矩阵S，找到一系列标准正交向量ν_k和相关特征值λ_k，公式如下：

其中，

3-2.计算协方差矩阵的特征值和特征向量：

通过求解|λE-X|＝0，得到n个特征值并对其降序排列：λ₁≥λ₂≥…λ_n，分别带回|λE-X|＝0，即可求出特征值对应的特征向量并归一化：[v₁,v₂,…,v_n]；

3-3.选取主成分：

最终选择多少个主成分，要通过信息的累积贡献率G(d)来确定；其中d为保留的主成分向量个数；当G(d)＞85％时就足以表达原信息；

3.根据权利要求2所述的一种基于样本选择的图像相机来源鉴别方法，其特征在于步骤6具体实现如下：对于待测样本图像，提取其模式噪声，按照步骤2-4的方法在随机子空间中表示为新特征后，再通过以下步骤来检测这个待测样本图像是否是数据库中特定的照相机拍摄的，具体实现如下：

6-1.计算参考SPN

通过对所有训练样本进行随机子空间特征提取，每个随机子空间R^l里将生成一系列特征随机子空间R^l中相机C_j的参考模式噪声通过平均属于该相机的所有训练模式噪声进行评估：

6-2.计算相关系数

对于每一个待测样本图像的SPN向量x_q，通过公式在L个子空间中获得一系列特征一旦生成待测样本图像和相机C_j的参考样本图像计算二者的相关系数ρ：

其中分子为协方差：

E(x)表示向量x的期望；分母为待测样本图像SPN和相机C_j的参考样本图像SPN的标准差之积：

根据ρ和阈值t的关系，相机来源鉴别问题就可以认为是一个双向假设问题：

H₀:ρ＜t(待测样本图像不是相机C_j拍摄的)

H₁:ρ≥t(待测样本图像是相机C_j拍摄的)

6-3.多数表决

在每个子空间R^l中，步骤5-2的鉴别过程都将被执行一次，因此一共会生成L个结果；根据其中多数的结果作为最终结果：超过L/2的结果投票赞成H₁，最终认为该待测图像是由相机C_j拍摄的；反之则认为不是相机C_j拍摄的。