[发明专利]一种基于样本错配训练的图像PRNU噪声提纯方法及系统

说明书

本发明公开了一种基于样本错配训练的图像PRNU噪声提纯方法及系统，方法包括：S100、获取同一数字图像传感器的多个噪声图像，形成深度堆叠自编码器的训练集；S200、基于深度堆叠自编码器的训练集、样本错配的训练技术和人工神经网络，训练得到深度堆叠自编码器模型；S300、获取某一数字图像传感器的噪声图像作为待提纯的PRNU噪声图像，将待提纯的PRNU噪声图像输入深度堆叠自编码器模型进行提纯，得到提纯后的高质量PRNU噪声。本发明在原始图像成像传感器噪声的基础上进一步提纯，得到更高质量的PRNU噪声。

技术领域

本发明涉及图像处理领域，具体涉及一种基于样本错配训练的图像PRNU噪声提纯方法及系统。

背景技术

当前，每天通过社交媒体生成和分享的视频和图像数量正在迅速增长，这主要得益于便捷的视听记录技术和移动互联网技术。而这些技术也为不法分子拍摄、传播含有非法信息的图像、视频提供了便利。而在数字图像取证领域需要解决如何鉴定数字图像的真实性和完整性、如何确定图像成像设备即判断图像的拍摄相机等问题。

近些年，国内外学者已经对数字图像来源取证技术进行了大量、深入的研究，并取得了一定的研究结果，当前主要包括主动和被动式取证两种技术。主动式取证技术要求在数字图像中添加识别信息，然后进行主动识别。被动式取证技术的主要原理是:成像设备由于受到设备内部的软件(如去噪、增强、压缩处理等)，硬件(数码相机/录像机传感器特性、CFA结构等)以及自然场景(如相邻图像像素/图像帧间的强相关性等)的影响，那些原始的没有经过任何处理的数字图像往往会带有某些固有的统计规律，这种规律会因成像设备不同而存在差异。因此，它可以作为数字图像一种天然的“水印”信息，用以数字图像来源等取证工作。主动式取证技术由于需要事先将数字水印等信息添加到图像中，容易受到更改，并且在未预先添加数字水印等信息时具有较大的局限性。因此，被动式取证技术是数字图像来源取证技术未来的发展方向以及研究热点。其中，一种基于数字图像成像传感器模式噪声(Sensor Pattern Noise，SPN)的被动式取证技术取得了较大的成功，其原理是图像传感器在成像时会不可避免地产生一种传感器模式噪声，SPN主要由光照响应不一致性(Photo-Response Non-Uniformity，PRNU)噪声组成，并且PRNU噪声是由图像传感器自身制造工艺的缺陷和硅晶片的非均匀性性引起的，使得PRNU噪声对于每一个成像设备是唯一的，且不会受到外界环境的影响，因此这种传感器噪声非常适合作为成像设备的固有“指纹”，用以数字图像取证工作。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于样本错配训练的图像PRNU噪声提纯方法及系统，在原始图像成像传感器噪声的基础上进一步提纯，得到更高质量的PRNU噪声。

为实现上述目的，本发明采用的技术方案如下：

一种基于样本错配训练的图像PRNU噪声提纯方法，包括：

S100、获取同一数字图像传感器的多个噪声图像，形成深度堆叠自编码器的训练集；

S200、基于所述深度堆叠自编码器的训练集、样本错配的训练技术和人工神经网络，训练得到深度堆叠自编码器模型；

S300、获取某一数字图像传感器的噪声图像作为待提纯的PRNU噪声图像，将其输入所述深度堆叠自编码器模型进行提纯，得到提纯后的高质量PRNU噪声图像。

进一步，如上所述的基于样本错配训练的图像PRNU噪声提纯方法，步骤S100包括：

S101、对同一数字图像传感器拍摄的多个图像进行降噪处理，计算得到所述多个图像的噪声残差；

S102、基于所述多个图像的噪声残差和最大似然估计法，计算得到每个图像的噪声的最大似然估计值作为对应的噪声图像。