一种基于小尺寸图像的源相机识别方法技术

本发明专利技术公开了一种基于小尺寸图像的源相机识别方法，包括：首先将图像分块进行真实边界扩展后使用双树复小波结合自适应加窗维纳滤波器获取图像块的噪声残差，并根据残差的噪声方差制定权重调整策略获得权重矩阵，据此结合最大似然估计法求取多个相机的参考PRNU噪声；对测试图像通过双树复小波结合自适应加窗维纳滤波器进行去噪并提取测试图像的PRNU噪声；计算待测图像的PRNU噪声和所有相机的参考PRNU噪声的相关性，当与某参考相机的相关性最高时，则判定待测图像来自该相机。本发明专利技术解决了现有的相机PRNU估计算法中对于小尺寸图像不同区域受到的噪声干扰考虑不充分、传统的加权平均方法导致的方差权重异常的问题，有效改善小图像源相机识别性能。善小图像源相机识别性能。善小图像源相机识别性能。

【技术实现步骤摘要】
一种基于小尺寸图像的源相机识别方法


[0001]本专利技术涉及图像取证
，尤其涉及到一种基于小尺寸图像的源相机识别方法。

技术介绍

[0002]利用光响应非均匀噪声进行来源检测不仅可以识别不同型号的相机，还可以识别同一型号的不同相机。PRNU主要是由于传感器制造过程中的缺陷以及由于硅片的不均匀性导致像素对光的灵敏度不同产生的。所以即使是由同一硅片制造的传感器也会具有不相关的非均匀噪声。这一特性使PRNU成为识别源设备以及验证图像完整性的强大指纹。
[0003]由于大尺寸图像源设备识别的精度已经很高了，如果小尺寸图像的源设备识别精度可以达到实际需要，其所需的硬件存储空间需求更小，算法的时间效率更高，同时有可能在微型设备上实现源设备识别任务。
[0004]Zeng H,Wan Y,Deng K,et al.Source camera identification with Dual
‑
Tree complex wavelet transform[J].IEEE Access,2020,8:18874
‑
18883.(Zeng H,Wan Y,Deng K等。基于双树复小波变换的源相机识别[J].IEEE访问,2020,8:18874
‑
18883.)提出使用双树复小波变换并利用小波系数的局部依赖性来收缩小波系数，从而进一步提取图像中的PRNU。Lawgaly A,Khelifi F.Sensor pattern noise estimation based on improved locally adaptive DCT filtering and weighted averaging for source camera identification and verification[J].IEEE Transactions on Information Forensics and Security,2016,12(2):392
‑
404.(Lawgaly A,Khelifi F基于改进的局部自适应DCT滤波和加权平均的传感器模式噪声估计源摄像机识别与验证[J].IEEE信息取证与安全交易,2016,12(2):392
‑
404.)提出了一种改进的局部自适应离散余弦变换滤波器，并加入了一种根据整张图像的方差特性进行加权的加权平均技术。
[0005]现有方法中的加权平均技术由于图像不同区域上受到的干扰程度存在差异，且根据噪声残差的方差进行简单加权并不能获取到合理的权重，因此现有方法并不能达到最小的均方误差。针对上述的问题，就需要设计一种能够更加准确的估计相机参考PRNU的方法。

技术实现思路

[0006]针对本专利技术所要解决的技术问题提供了一种能够在小尺寸图像上获得优越性能的源相机识别方法，其能够从小尺寸图像中估计得到更加准确的光响应非均匀噪声，有效提高图像源相机识别的准确率，并且对压缩程度较高图像的识别也具有较强的鲁棒性。
[0007]为实现上述目的，本专利技术所提供的技术方案为：
[0008]一种基于小尺寸图像的源相机识别方法，包括：
[0009]S1，求取多个相机的参考PRNU噪声，并将这些PRNU噪声存入PRNU噪声数据库中；
[0010]S2，对测试图像通过双树复小波滤波器进行去噪操作，并利用测试图像与去噪后的图像相减，从而提取测试图像的PRNU噪声；
[0011]S3，计算待测图像的PRNU噪声和PRNU噪声数据库中所有相机的参考PRNU噪声的相关性，当与某参考相机的相关性最高时，则判定待测图像来自该相机。
[0012]进一步地，步骤S1中，求取某台相机的参考PRNU噪声的具体步骤如下：
[0013]A1，通过该相机拍摄一组图像，并通过截取该组图像的中心部分获得一组小尺寸图像作为相机的参考图像；将每个参考图像分成多个图像块，并对图像块的边界扩展参考图像邻域的内容；
[0014]A2，将A1步骤处理后的图像块分别使用双树复小波变换后使用中值估计器估计小波子带的噪声方差，再将噪声方差应用于加窗维纳滤波估计小波系数，接着进行双树复小波逆变换，之后恢复图像块边界扩展并利用去噪前的图像块与去噪后的图像块相减，得到每个图像块的噪声残差；
[0015]A3，根据图像块上干扰噪声的方差通过加权平均方法设置权重，并对方差异常的图像块通过权重调整策略对赋予的权重进行调整；对所有的图像块进行权重调整操作后获得权重系数矩阵；
[0016]A4，利用权重系数矩阵结合加权最大似然估计方法得到相机的PRNU乘性因子K；
[0017]A5，对乘性因子K采用进行零均值化处理，接着对零均值化处理后的乘性因子K与该相机拍摄的所有参考图像进行相乘后再求平均，得到该相机的参考PRNU噪声。
[0018]进一步地，对于步骤A2中的使用中值估计器估计小波子带的噪声方差，再将噪声方差应用于加窗维纳滤波估计小波系数的具体过程为：
[0019]对每个图像块进行二维双树复小波变换得到小波系数后，滤波估计过程可表示为式(1)：
[0020][0021]式中，W
in
表示为滤波前的小波系数，W
out
(u,v)表示为滤波后的像素点(u,v)上的小波系数，噪声方差和可由式(2)、(3)得到：
[0022][0023][0024]式(2)中，median()表示中值估计器，式(3)的N
h
是一个以(u,v)为中心点，大小为h
×
h的局部窗口，(i,j)表示局部窗口中的一个点，W
temp
表示图像进行双树复小波变换后中高频率子带的小波系数，Max()表示取0和方差估计中的最大值，min()函数则表示取所有窗口估计结果的最小值。
[0025]进一步地，所述根据图像块上干扰噪声的方差通过加权平均方法设置权重，包括：
[0026]图像块干扰噪声的方差计算方式如式(4)所示，以第i个参考图像p行q列的图像块为例：
[0027][0028]P和Q分别代表一张参考图像切割成图像块的行数和列数；为图像块上的像素点在一个方向上重新排列的数量，表示图像块上的干扰噪声在各个像素点的分量，如式(5)所示，则表示的均值；
[0029][0030]式(5)中，X
i
(p,q)表示该图像块的噪声残差，为X
i
(p,q)的均值，N是参考图像的张数；
[0031]得到图像块干扰噪声的方差后通过式(6)的加权平均方法获取图像块的权重：
[0032][0033]式中，w
k
(p,q)表示第k张参考图像(p,q)位置图像块的权重，表示第k张图像(p,q)位置图像块的干扰噪声方差，i表示第i张参考图像。
[0034]进一步地，所述对方差异常的图像块通过权重调整策略对赋予的权重进行调整，包括：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小尺寸图像的源相机识别方法，其特征在于，包括：S1，求取多个相机的参考PRNU噪声，并将这些PRNU噪声存入PRNU噪声数据库中；S2，对测试图像通过双树复小波滤波器进行去噪操作，并利用测试图像与去噪后的图像相减，从而提取测试图像的PRNU噪声；S3，计算待测图像的PRNU噪声和PRNU噪声数据库中所有相机的参考PRNU噪声的相关性，当与某参考相机的相关性最高时，则判定待测图像来自该相机。2.根据权利要求1所述的基于小尺寸图像的源相机识别方法，其特征在于，步骤S1中，求取某台相机的参考PRNU噪声的具体步骤如下：A1，通过该相机拍摄一组图像，并通过截取该组图像的中心部分获得一组小尺寸图像作为相机的参考图像；将每个参考图像分成多个图像块，并对图像块的边界扩展参考图像邻域的内容；A2，将A1步骤处理后的图像块分别使用双树复小波变换后使用中值估计器估计小波子带的噪声方差，再将噪声方差应用于加窗维纳滤波估计小波系数，接着进行双树复小波逆变换，之后恢复图像块边界扩展并利用去噪前的图像块与去噪后的图像块相减，得到每个图像块的噪声残差；A3，根据图像块上干扰噪声的方差通过加权平均方法设置权重，并对方差异常的图像块通过权重调整策略对赋予的权重进行调整；对所有的图像块进行权重调整操作后获得权重系数矩阵；A4，利用权重系数矩阵结合加权最大似然估计方法得到相机的PRNU乘性因子K；A5，对乘性因子K采用进行零均值化处理，接着对零均值化处理后的乘性因子K与该相机拍摄的所有参考图像进行相乘后再求平均，得到该相机的参考PRNU噪声。3.根据权利要求2所述的基于小尺寸图像的源相机识别方法，其特征在于，对于步骤A2中的使用中值估计器估计小波子带的噪声方差，再将噪声方差应用于加窗维纳滤波估计小波系数的具体过程为：对每个图像块进行二维双树复小波变换得到小波系数后，滤波估计过程可表示为式(1)：式中，W
in
表示为滤波前的小波系数，W
out
(u,v)表示为滤波后的像素点(u,v)上的小波系数，噪声方差和可由式(2)、(3)得到：可由式(2)、(3)得到：式(2)中，median()表示中值估计器，式(3)的N
h
是一个以(u,v)为中心点，大小为h
×
h的局部窗口，(i,j)表示局部窗口中的一个点，W
temp
表示图像进行双树复小波变换后中高频率子带的小波系数，Max()表示取0和方差估计中的最大值，min()函数则表示取所有窗口估计结果的最小值。4.根据权利要求2所述的基于小尺寸图像的源相机识别方法，其特征在于，所述根据图

【专利技术属性】
技术研发人员：田妮莉，刘凯悦，潘晴，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：