[发明专利]一种基于深度学习的单幅图像手机源重辨识方法

说明书

一种基于深度学习的单幅图像手机源重辨识方法，涉及图像取证领域。提出一种新的图像取证方法，解决基于分类的相机溯源方法中训练集类别不足问题；基于传统数字图像指纹特征提取方法，提出利用多种自学习滤波器在单幅图像中提取手机指纹特征的方法，并解释深度神经网络对于数字图像指纹特征提取的可行性；提出一种基于全局特征融合的深度网络结构，以高效提取数字图像指纹特征；根据自学习滤波器和全局特征融合网络所提取的数字图像指纹特征，利用度量学习方法追溯拍摄该幅图像的具体手机源设备。

技术领域

本发明涉及图像取证领域，尤其是涉及一种基于深度学习的单幅图像手机源重辨识方法。

背景技术

随着信息科学技术的飞速发展，数字图像已经渗透到社会生活的每一个角落，用户可以随时使用便携式手机记录身边的点点滴滴。使得使用手机拍摄生活中有意义的图像或视频对于用户来说已经成为一种越来越便捷的行为。数字图像作为数字证据的一种形式，在司法体系和刑事调查过程中扮演着越来越重要的角色。如何合适地利用数字图像，也决定其能否在调查追溯任务起到关键的作用。不同手机相机在硬件设备^[1]、色彩插值算法^[2-4]、图像压缩算法、镜头径向畸变^[5]等方面都携带着各自的指纹信息，因此可利用遗留在图像上的指纹特征识别不同的相机源。

参考文献：

[1]Identification with SVD.Springer International Publishing,2015。

[2]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。

[3]S.Bayram,H.T.Sencar,and N.Memon.Improvements on source camera-model identification based on cfa interpolation.Proc of Wg,2006。

[4]O.Celiktutan,I.Avcibas,B.Sankur,and N.Memon.Source cellphoneidentification.IEEE Signal Processing and Communications Applications,pages1–3,2005。

[5]K.S.Choi,E.Y.Lam,and K.K.Wong.Automatic source cameraidentification using the intrinsic lens radial distortion.Optics Express,14(24):11551–65,2006。

[6]Aravindh Mahendran and Andrea Vedaldi.Visualizing deepconvolutional neural networks using natural pre-images.InternationalJournalof Computer Vision,120(3):233–255,2016。

[7]Min Lin,Qiang Chen,and Shuicheng Yan.Network in network.arXivpreprint arXiv:1312.4400,2013。

[8]Jie Hu,Li Shen,and Gang Sun.Squeeze-and-excitation networks.arXivpreprintarXiv:1709.01507,2017。