[发明专利]相机来源鉴别方法、系统、存储介质和计算设备

说明书

本发明公开了相机来源鉴别方法、系统、存储介质和计算设备，首先构建训练样本集、生成网络和判别器网络；将各训练样本输入到生成网络中，同时将各训练样本中提取的相机模式噪声特征输入到判别器网络中，对生成网络和判别器网络进行训练，得到相机来源鉴别模型；针对于要检测相机来源的待测图像，将待测图像输入到相机来源鉴别模型的生成网络中，将待测图像所提取到的相机模式噪声特征输入到相机来源鉴别模型的判别器网络中，通过相机来源鉴别模型的判别器网络最终输出相机来源鉴别结果。本发明将神经网络和图像相机来源鉴别相结合，应用神经网络所具备的可扩展、可训练、鲁棒性和非线性映射能力，提高了图像相机来源鉴别的准确度和泛化性。

技术领域

本发明属于信息安全、深度学习领域，特别涉及一种相机来源鉴别方法、系统、存储介质和计算设备。

背景技术

相机来源鉴别技术是确定未知来源图像生成设备的技术手段。由于相机模式噪声是相机的固有特征，其拍摄的每张图片都带有该模式噪声，与所拍摄的场景无关，因此可将模式噪声看成是一种相机的固定指纹特征，将其建模为高斯白噪声模型的随机扩频信号，通过相关性检测来确定相机来源。

现有相机来源鉴别技术主要分为二类：通过图像去噪提取模式噪声，进而鉴别相机来源；通过提取和融合图像统计特征，再利用分类器或最大似然估计等方法鉴别相机来源。然而，采用现有方法获得的模式噪声易受场景噪声、随机噪声、CFA插值噪声等各类噪声的影响，降低了相关性检测的准确率，从而导致相机来源鉴别的准确度较低。

发明内容

本发明的第一目的在于克服现有技术的缺点与不足，提供一种准确度和泛化性高的相机来源鉴别方法。

本发明的第二目的在于提供一种相机来源鉴别系统。

本发明的第三目的在于提供一种存储介质。

本发明的第四目的在于提供一种计算设备。

本发明的第一目的通过下述技术方案实现：一种相机来源鉴别方法，步骤如下：

构建训练样本集，训练样本集中包括多张已知相机来源的图像，各图像作为训练样本；

针对于训练样本集中的各训练样本，提取相机模式噪声特征；

构建用于生成相机模式噪声特征的生成网络以及用于对输入进行相似性判断的判别器网络，并且将生成网络的输出端连接到判别器网络的输入端；

将各训练样本输入到生成网络中，同时将各训练样本中提取的相机模式噪声特征输入到判别器网络中，对生成网络和判别器网络进行训练，得到相机来源鉴别模型；

针对于需要检测相机来源的待测图像，提取相机模式噪声特征；

将待测图像输入到相机来源鉴别模型的生成网络中，同时将待测图像所提取到的相机模式噪声特征输入到相机来源鉴别模型的判别器网络中，通过相机来源鉴别模型的判别器网络最终输出相机来源鉴别结果。

优选的，生成网络和判别器网络进行训练，得到相机来源鉴别模型的具体过程如下：

步骤S21、将训练样本输入到生成网络中，通过生成网络生成相机模式噪声特征图，作为无标记样本数据；同时将训练样本中提取的相机模式噪声特征作为有标记样本数据；

步骤S22、有标记样本数据和无标样本数据进行叠加后输入到判别器网络中，供判别器网络学习两种类型的数据分布；

步骤S23、根据判别器网络对输入的样本数据的真假性判别结果，通过反向传播算法更新判别器网络的节点的权重系数；

步骤S24、根据判别器网络的反馈结果，固定判别器网络参数，通过反向传播算法更新生成网络的节点权重系数；