[发明专利]一种基于深度学习的单幅图像相机溯源方法

说明书

一种基于深度学习的单幅图像相机溯源方法，涉及信息安全领域，包括以下步骤，步骤1、利用多尺度拉普拉斯滤波器提取不同尺度的高频图像，并进行初步特征提取和拼接合并；步骤2、将步骤1中拼接合并后的特征送入基于信噪比增强的特征抽取器进一步进行特征提取；步骤3、将步骤2中进一步提取的特征送入基于层级结构的串联型多任务分类模块，实现对相机品牌、相机型号或个体相机设备的识别；能够自适应地提取相机成像过程的微弱指纹特征，抑制强背景噪声，且准确率高，也可适用于对篡改图像的相机溯源和对手机拍摄图像的溯源，具有更强的鲁棒性。

技术领域

本发明涉及信息安全领域，具体涉及由单幅图像溯源拍摄该图像相机的方法。

背景技术

在飞速发展的信息时代，数字图像已经渗透到社会生活的每一个角落，人们随时可以使用相机或者手机记录身边的点点滴滴。数字图像的广泛使用也促进了数字图像编辑软件的开发与应用，例如Adobe Photoshop、VSCO、Snapseed等图像处理软件。利用这些编辑工具，用户可以随意对图像进行修改以达到更好的视觉效果。然而方便了用户的同时，也给一些不法分子以可乘之机,不法分子可拍摄一些非法图片并进行传播，更有甚者在未经授权的情况下，对他人拍摄的图像内容进行违规编辑、合成虚假图像等，从而导致篡改图像和盗版行为在社会生活中泛滥成灾。

数字图像获取过程中，来自真实场景的光线利用色彩滤波阵列选择性的通过部分光线进入照相机传感器上的光学镜头，进而生成数字图像信；然后通过色彩插值算法、白平衡矫正、图像锐化、对比度增强、伽马校正等色彩处理算法提高图像质量；最后通过编码算法，将处理后的数字信号存储在相机存储器中^[1,2]。而不同相机在硬件设备^[3]，色彩插值算法^[4,5^,6]，图像压缩算法，镜头径向突变^[7]等方面都携带着各自的固有信息，这些固有信息称为“相机设备指纹”。因此可利用遗留在图像上的“相机设备指纹”特征识别不同的相机源。对于相机溯源技术而言，由于传统手工提取特征的方法主要依靠统计学来建模相机指纹特征，这需要消耗大量的人力和时间；而利用基础卷积神经网络对单幅图像进行特征提取容易过拟合图像内容或者用户拍摄偏好上。相比于蕴含于单幅图像中的“相机设备指纹”，图像内容和用户拍摄偏好具有更强的信号，这类更强的信号称其为强背景噪声。因此，为了抑制强背景噪声，使得网络能够自适应地提取相机指纹特征，需要寻求新的深度学习方法。

参考文献：

[1]C.-T.Li.Source camera identification using enhanced sensor patternnoise.IEEE Transactions on Information Forensics and Security,5(2):280–287,2010.

[2]A.Piva.An overview on image forensics.ISRN Signal Processing,2013,2013.

[3]A.R.Soobhany,K.P.Lam,P.Fletcher,and D.J.Collins.Mobile CameraSource Identification with SVD.Springer International Publishing,2015.

[4]S.Bayram,H.Sencar,N.Memon,and I.Avcibas.Source cameraidentification based on cfa interpolation.In IEEE International Conference onImage Processing,pages III–69–72,2005.