[发明专利]一种基于自适应滤波与耦合性编码的图像来源鉴别方法

权利要求书

1.一种基于自适应滤波与耦合性编码的图像来源鉴别方法，其特征在于，步骤如下：

S1、先通过一层卷积提取图像特征，而后通过多层卷积核提取图像内容；

S2、从图像特征中移除提取出的图像内容得到相机属性特征；

S3、使用多层RESNET结构提取图像邻域之间的相关性特征；

S4、依靠提取的相关性特征以及相机属性特征采用多任务分类器分别对相机的品牌、型号、设备进行分类；

所述多任务分类器采用的耦合式编码如下：

T1、输入图片尺寸和标签，其中提取各个分类类别标签记为

B_label＝[1,…,1,0,…0,0,…,0]，

M_label＝[1,…,1,1,…1,0,…,0]，

D_label＝[1,…,1,1,…1,1,…,1]，

其中：B_label表示品牌目标标签，M_label表示型号目标标签，D_label表示个体目标标签；

T2、通过提取得到的特征使用全连接层生成类别标签：

conv_1,conv_2,conv_3＝Conv(Att)，

Label₁＝FC(Conv_1)，

Label₂＝FC(Conv_2)-Label₁，

Label₃＝FC(Conv_3)-Label₂-Label₁，

其中：conv_1表示神经网络用于分类品牌的特征谱，conv_2表示用于分类品牌和型号的特征谱，conv_3表示用于分类品牌、型号和设备的特征谱，Att表示相关性特征以及相机属性信息，Label₁表示实际分类器分类得到的品牌标签，Label₂表示型号标签，Label₃表示个体标签；

T3、对得到的类别标签构造代价函数：

Classify2(logits,label)＝-Sum(label×log(logits))

Cost_b＝Classify2[(Label₁),LabelB_label]

Cost_m＝Classify2[(Label₂),LabelM_label]

Cost_d＝Classify2[(Label₃),LabelD_label]

其中：Cost_b，Cost_m，Cost_d分别表示在实际标签的监督下，优化品牌、型号和个体的代价函数，Label表示实际标签，logits代表逻辑值；

T4、构造耦合性代价函数

Cost_1＝L₁(Label₂[:b],Label₁[:b])；

Cost_2＝L₁(Label₃[:b+m],Label₂[:b+m])；

Cost＝α×Cost_b+β×Cost_m+χ×Cost_d+δ×Cost_1+ε×Cost_2

其中α+β+χ＝1，δ＝1，ε＝1；Cost_1用于提高品牌分类器和型号分类器之间的耦合性，b表示用于编码品牌的码长，Cost_2用于提高品牌分类器和型号分类器之间的耦合性，L₁表示L1正则，m表示用于编码型号的码长，Cost表示通过设置不同的超参数得到的总体代价函数；

T5、构造编码长度L，LN,N为数据库所需要的编码总长度；

T6、构造位置分类器提取图片的局部位置信息，采用局部的位置信息作为特征对图片进行分类。