基于局部区域模式噪声和小训练样本集的数码相机源辨识技术

论文摘要

不断涌现出的数字图像造假事件彻底颠覆了人们“眼见为实”的传统观念，对政治、新闻、科学研究等领域造成了负面影响，因此迫切需要对数字图像的真实性和完整性进行认证。数字图像取证技术正是在这种背景下应运而生，它对确保公共信任秩序、打击犯罪有着重要的意义。数字图像源辨识作为数字图像取证的重要分支，其目的是对数字图像的来源进行认证。本文在分析目前典型的数字图像源辨识算法的基础上，从传感器模式噪声相关性检测和模式分类两个方面对数码相机图像来源辨识算法进行研究，旨在提高图像源辨识精度和减少训练样本数量。在基于模式噪声的数字图像源辨识方面，提出了利用局部区域模式噪声的数字图像源辨识算法。通过分析图像内容对模式噪声的影响，发现亮度高纹理简单的区域的模式噪声质量更高。为了克服同类算法中操作复杂、需要额外训练样本等缺点，提出使用评估函数选择测试图像中亮度高纹理简单区域，并只使用这些区域的模式噪声实现图像源辨识。实验证明提出方法的有效性。在基于模式分类的数字图像源辨识方面，大部分方法都需要大量的训练样本。而在现实条件下可能很难满足，因此提出一种基于小训练样本集的数字图像源辨识算法。在小样本条件下，首先通过对样本重叠分块达到扩大样本的目的，然后对每个块提取有效特征，训练分类器，对图像来源进行分类。实验证明了在小样本条件下该方法的有效性，同时证明了使用纹理复杂的训练图片提取小波系数特征更有利于提高算法的性能。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 数字图像取证研究背景及意义
• 1.2 数字图像取证简述
• 1.2.1 数字图像取证技术
• 1.2.2 数字图像取证研究现状
• 1.2.3 数字图像取证存在的问题及发展方向
• 1.3 数字图像来源盲取证
• 1.3.1 数字图像来源盲取证简介
• 1.3.2 基于模式分类的数码相机源辨识
• 1.3.3 基于模式噪声的数码相机源辨识
• 1.4 本文主要工作
• 1.5 本文结构
• 第二章 基于模式噪声的数码相机源辨识算法研究
• 2.1 引言
• 2.2 数码相机成像简介
• 2.2.1 数码相机结构及工作原理
• 2.2.2 数码相机关键部件简介
• 2.3 算法简介与分析
• 2.3.1 算法原理
• 2.3.2 模式噪声提取
• 2.3.3 算法流程
• 2.4 实验仿真结果与分析
• 2.4.1 利用模式噪声实现数字图像源辨识
• 2.4.2 图片数量对模式噪声的影响
• 2.5 本章小结
• 第三章 利用局部区域模式噪声的数码相机源辨识算法
• 3.1 引言
• 3.2 相关算法回顾及分析
• 3.3 算法介绍与分析
• 3.3.1 算法思想
• 3.3.2 选择亮度高纹理简单区域
• 3.3.3 算法详述
• 3.4 实验结果与分析
• 3.4.1 实验说明
• 3.4.2 算法可行性研究
• 3.4.3 算法性能比较
• 3.4.4 去 CFA 操作对算法的改善
• 3.5 本章小结
• 第四章 基于小训练样本集的数码相机源辨识算法
• 4.1 引言
• 4.2 算法思想及流程
• 4.3 特征提取
• 4.3.1 噪声统计特征
• 4.3.2 小波系数特征
• 4.3.3 CFA 插值特征
• 4.4 SVM 分类器
• 4.5 实验结果与分析
• 4.5.1 特征性能分析
• 4.5.2 本章算法仿真
• 4.5.3 不同特征对算法的影响
• 4.5.4 不同图像内容对算法的影响
• 4.6 本章小结
• 第五章 总结与展望
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢
• 附件