【技术实现步骤摘要】
一种基于深度学习的单幅图像手机源重辨识方法
本专利技术涉及图像取证领域，尤其是涉及一种基于深度学习的单幅图像手机源重辨识方法。
技术介绍
随着信息科学技术的飞速发展，数字图像已经渗透到社会生活的每一个角落，用户可以随时使用便携式手机记录身边的点点滴滴。使得使用手机拍摄生活中有意义的图像或视频对于用户来说已经成为一种越来越便捷的行为。数字图像作为数字证据的一种形式，在司法体系和刑事调查过程中扮演着越来越重要的角色。如何合适地利用数字图像，也决定其能否在调查追溯任务起到关键的作用。不同手机相机在硬件设备[1]、色彩插值算法[2-4]、图像压缩算法、镜头径向畸变[5]等方面都携带着各自的指纹信息，因此可利用遗留在图像上的指纹特征识别不同的相机源。参考文献：[1]IdentificationwithSVD.SpringerInternationalPublishing,2015。[2]S.Bayram,H.Sencar,N.Memon,andI.Avcibas.Sourcecameraidentificationbasedoncfainterpolation.InIEEE...
【技术保护点】
1.一种基于深度学习的单幅图像手机源重辨识方法，其特征在于包括以下步骤：1)提出一种新的图像取证方法，解决基于分类的相机溯源方法中训练集类别不足问题；2)基于传统数字图像指纹特征提取方法，提出利用多种自学习滤波器在单幅图像中提取手机指纹特征的方法，并解释深度神经网络对于数字图像指纹特征提取的可行性；3)提出一种基于全局特征融合的深度网络结构，以高效提取数字图像指纹特征；4)根据自学习滤波器和全局特征融合网络所提取的数字图像指纹特征，利用度量学习方法追溯拍摄该幅图像的具体手机源设备。
【技术特征摘要】
1.一种基于深度学习的单幅图像手机源重辨识方法，其特征在于包括以下步骤：1)提出一种新的图像取证方法，解决基于分类的相机溯源方法中训练集类别不足问题；2)基于传统数字图像指纹特征提取方法，提出利用多种自学习滤波器在单幅图像中提取手机指纹特征的方法，并解释深度神经网络对于数字图像指纹特征提取的可行性；3)提出一种基于全局特征融合的深度网络结构，以高效提取数字图像指纹特征；4)根据自学习滤波器和全局特征融合网络所提取的数字图像指纹特征，利用度量学习方法追溯拍摄该幅图像的具体手机源设备。2.如权利要求1所述一种基于深度学习的单幅图像手机源重辨识方法，其特征在于在步骤1)中，所述基于分类的相机溯源方法中，所有待测图像的类别必须在训练集中出现过，否则会出现判断错误的情况，提出重辨识方法，利用度量学习的思想，将特征分类转换为特征匹配工作，从待测数字图像中提取手机“指纹”特征，再与待定图像库中的图像一一匹配，确认与其特征相似度最高的图像，则认为两幅图像为同一手机拍摄，解决基于分类的相机溯源方法中训练集类别不足的问题。3.如权利要求1所述一种基于深度学习的单幅图像手机源重辨识方法，其特征在于在步骤2)中，所述基于传统数字图像指纹特征提取方法假设目标图像x是由原始图像内容x0、指纹特征η以及随机噪声ε组成，即：x＝x0+η+ε，其中，随机噪声与原始图片内容相关；对于同一手机源拍摄的K张不同相片，虽然原始图片内容和随机噪声不同，但是其中包含的手机相机指纹特征是不变的，故传统方法通过对多幅图像的噪声残差求平均的方式抑制图像内容，并获得指纹特征的估计如下：其中，F(·)为去噪滤波器，如高斯滤波器或小波分解滤波器，K为同一手机源拍摄的图像张数，xk为第k张图像的像素矩阵，即为该手机输出的指纹特征；而对于单幅图像，无法实现以上操作，因此提出对单幅图像使用多种滤波器来替代多张同源数字图像，并以此估计数字图像指纹特征，即：其中，S[·]是统计特征，J为滤波器数量；Fj(x)指用第j个去噪滤波器对图像x做滤波操作后的输出，ωj是第j个去噪滤波器对应权重值；由多个自学习滤波器构成的VGG-net中，每一层的卷积操作都是一个线性过程，且每一层的输出都是原图的近似；随着VGG-net层数的加深，每个阶段的特征图尺寸减小但数量增加，因此VGG-net网络在不同维度上学习更多原始图像的表达...
【专利技术属性】
技术研发人员：丁兴号，黄悦，陈云舒，唐圳，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。