[发明专利]一种基于样本选择的图像相机来源鉴别方法

说明书

本发明属于图像信息安全领域，涉及一种基于样本选择的图像相机来源鉴别方法。本发明结合主成分分析以及随机子空间提出的随机子空间法一定程度上减小了图像内容的影响。为了改善鉴别受图像细节影响的问题，实现了基于样本选择的图像来源鉴别方法。通过分析图像的纹理特征特性，利用灰度共生矩阵计算图像区域的复杂度，选取出图像中复杂度较小的区域，从而提取出较为可靠的模式噪声，提高鉴别准确率。与其它基于模式噪声的图像来源鉴别方法相比，样本选择法能够提取出更为纯净的模式噪声，进一步提高图像来源鉴别的准确率，为图像来源鉴别工作提供了一种新的解决方案。

技术领域

本发明属于图像信息安全领域，涉及一种基于样本选择的图像相机来源鉴别方法。

背景技术

从1965年开始，人们开始研究图像处理和识别。最开始对照相技术、光学技术进行研究，随着科技进步，现在演变成了对计算机技术进行研究。数字图像来源认证技术就是随着计算机技术的发展而来的。如今，可以生成数字图像的设备有很多，数码相机、计算机、扫描仪以及手机等。数字来源认证技术就是确定一张未知来源图像生成设备的技术手段。现有的数字图像来源认证技术主要可以分为两大类：主动取证和被动取证。与主动取证相比，被动取证只需要取证人员采用一些特定的技术就可以实现数字图像来源鉴别，因此被动取证的实施性更强，成为了数字图像来源鉴别技术的研究重点。

被动取证中，图像没有经过预处理，其中没有任何嵌入信息时，鉴别数字图像来源就要依靠这些特征的不同，即软硬件的不同来判断。为了得到更准确的研究效果，还应该进一步通过同品牌相机不同型号的软硬件的不同来判断。传感器的模式噪声(SPN,SensorPattern Noise)像相机的指纹一样，成为判断的重要依据，其已广泛用于图像来源鉴别、图像分类和伪造物检测等。

J.Lukas等人首先提出通过提取图像的模式噪声进行来源鉴别。通过相机的大量图片总结出该相机的参考模式噪声，然后与测试图像的模式噪声进行相关运算，根据相关系数的大小判断测试图像是否来源该相机。该方法具有极高的识别效率，可以鉴别相同型号的不同相机个体，但图像内容对鉴别准确率有较大影响。R.Li等人在此方法上引入主成分分析，降低了特征集的维度，一定程度上减少了图像内容的影响，提高了鉴别准确率。为了进一步解决图像内容对鉴别的影响，R.Li在主成分分析的基础上，提出了随机子空间法。

发明内容

本发明的目的是针对现有技术的不足，提供一种基于样本选择的图像相机来源鉴别方法

本发明具体技术方案实现如下：

因为各个相机的图像分辨率不同，为了避免不足N×N大小的像素块在计算时被空白填充，影响相关性的计算结果。同时考虑到人们的拍照习惯，因此将每一幅图像从左上角开始，长和宽分别裁剪出p×q倍的N×N大小(p、q均为整数)，即每幅图像能得到p×q大小的相关性矩阵。对于实验中所用的图像集，每幅图像重复上述计算过程，相加得到图像集的相关性矩阵。从中选取相关性最大，即复杂度最小的N×N像素块作为样本区域提取模式噪声。此时样本区域中含有的图像内容细节较少，提取的模式噪声也较为纯净。之后再与随机子空间法结合，将该方法简称为样本选择法，具体实现如下：

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