基于模式噪声大分量的相机来源取证方法

摘要

本发明公开一种基于模式噪声大分量的相机来源取证方法，分为模式噪声大分量的提取和相关性的检测两部分，具体包括照片的选取、图像锐化、滤波处理、大分量的提取、相关系数的计算及来源判别等步骤。本发明使用拉普拉斯算子对图像进行预处理，有效地增强了高频模式噪声成分，消除了场景噪声等其他低频因素的影响。在保证检测准确率的同时也在很大程度上降低了算法的计算复杂度。利用模式噪声中的光响应敏感点集进行检测，开辟了基于模式识别的图像来源识别的新的理念，在实际应用中简单方便，具有较强的鲁棒性。

主权项

一种基于模式噪声大分量的相机来源取证方法，其特征在于包括如下步骤：1)照片的选取：将待测相机拍摄得到的照片作为参考噪声提取照片，组成参考图像集{I_i,i＝1,2,…,N}；将已经获得的待判别来源的照片作为测试照片，组成测试图像集{J_i,i＝1,2,…,N₁}；2)图像锐化：使用拉普拉斯算子分别对每张参考图像进行滤波预处理，即将图像与拉普拉斯算子进行二维离散卷积运算：$H(X,Y)=\underset{X}{\Sigma }\underset{Y}{\Sigma }I(m_1,n_1)w(X-m_1,Y-n_1),$其中I代表原图像，w代表拉普拉斯算子；取卷积计算结果H的维数与图像I相等；3)滤波处理：将预处理后的参考图像通过低通滤波器进行去噪滤波处理，得到残差图像集{W_Ii,i＝1,2,…,N}，对其进行最大似然估计：$K=\underset{i}{\overset{N}{\Sigma }}{W}_{I_i}{I}_i/\underset{i}{\overset{N}{\Sigma }}{\left(I_i\right)}^2,W_f=I^{\prime }K,$求得粗糙的参考模式噪声W_f；其中K表示成像传感器的模式噪声系数，I₁,I₂,...,I_N表示来自同一相机的N幅图像，I′是假设没有经过任何几何变换的原图像；4)大分量的提取：计算N幅残差图像对应的每个像素间的方差，得到方差矩阵D，对方差矩阵D中的所有元素进行降序排列，选取其中m个最大的元素组成大分量矩阵D′；采用粗糙的参考模式噪声W_f中对应的该m个元素构成新的参考模式噪声即得到待测相机的参考模式噪声；5)针对每张测试图像，重复上述步骤2)、步骤3)、步骤4)对参考图像的操作，对测试图像进行拉普拉斯锐化处理和去噪滤波处理得到残差图像W，并根据大分量矩阵D′分离出残差图像W中对应的m个元素，得到新的模式噪声6)相关系数的计算：将得到的待测相机的参考模式噪声与测试图像新的模式噪声进行相关性检测，相关系数corr的计算公式如下：其中，I和J分别代表两幅图像，矩阵运算符⊙定义为：和分别表示W_I和W_J的像素均值；7)来源判别：根据最小错误率的Bayes决策规则求判别阈值t，通过比较相关系数corr与判别阈值t，得到判别结果；若corr≥t，则判断测试图像来源于待测相机；反之若corr<t，则判断测试图像来源于其他相机。