一种基于CFA的数码相机型号识别方法技术

本发明专利技术涉及一种多媒体取证技术，特别是一种基于CFA的数码相机型号识别方法，以解决图像来源可靠性鉴别的问题。利用不同数码相机型号会采用不同的CFA排布和对应的后处理算法这一机理，依据CFA排布找出采样与非采样像素点集合间的周期性及统计规律的不同，从而实现相机型号的识别。本发明专利技术可应用于数字图像鉴权系统的制定，对性能较好的数字图像来源识别方法的使用取得主动权。

【技术实现步骤摘要】

本专利技术属于多媒体取证领域，尤其涉及一种基于CFA的数码相机型号识别方法。
技术介绍
个人电脑与互联网的普及标志着数字时代的到来。数字时代的便利不言而喻，但由此产生的社会问题也随之而来，譬如‘电子犯罪’。随着不断攀升的电子犯罪案件，数字取证(digital forensics)技术应运而生。它是将包括数字信号产生、存储、传输等的相关信息作为犯罪调查与法律事务所需的证据，例如电子邮件，办公文档、音、视频、图像，上网记录、内存数据、GPS信息等。在数字取证学科的多个方向中，多媒体取证技术为近年来刚刚兴起的热门方向。多媒体取证主要验证数字信息(如数字图像、视频、音频等)的真实性与可靠性，主要用途是用于在法庭上验证数字证据的可靠性，是否可以采信等。如今，数字图像因其迅速普及、广泛传播和极易修改等特性引起了人们的广泛关注。数字图像随处可见，报刊、杂志、网络等等都其传播途径。于此同时，越来越强大的照片编辑软件使得即使是普通人依然可以通过个人电脑对数字图像进行编辑及修改，甚至伪造照片。随着图像编辑软件的升级，篡改图像、计算机生成图像越来越逼真，甚至难以用肉眼区分其真实性。然而，除了某些特定的娱乐场景，大多数时候，人们都需要确切地知道所看到的数字图像真伪。特别是一旦牵扯到经济利益、个人声誉、舆论导向、犯罪调查等等，数字图像内容的真实性、来源的可靠性更是必须确认的信息。不幸的是，伪造图像早已深入到我们的生活，科学、政治、商业、法律、媒体等诸多领域均受到了不同程度的影响。而传统的验证方法难以应付今日的数字图像“信誉危机”。为了更好的应对数字图像的安全问题，数字图像被动取证技术应用而生。数字图像被动取证技术属于近年来出现的前沿研究领域，其在医学、军事、法庭证据、新闻报道、保险事故调查、电子商务等领域均有涉猎，应用十分广泛。国内外研究尚处于初级阶段，技术上虽临着诸多挑战，但丝毫不影响市场对其的迫切需求，应用前景看好。数码相机型号识别技术是数字图像被动取证技术中的一个热门研究分支。与以往的模拟相机拍摄的图像不同，数字相机拍摄得到的图像极易被修改，其拍摄的源头信息亦容易被抹去。而在正版与疑似盗版的识别、法庭数字图像证据的采信等均需要对图像的源头信息进行鉴别与确认。如何在没有任何先验知识(如水印等)的情况下，依然能够找出图像的源头信息，包括有拍摄设备的种类(如数码相机、DV等)、品牌(如Canon, Sony等)、型号等，并给予证明，均成为了数字图像安全鉴别领域中不可回避的问题。其中，数码相机型号识别的研究倍受关注，也是本专利研究的重点。传统的用于数码相机型号识别的方法是基于偏二阶导模型对图像的插值算法进行建模的方法。它首先依据假设的Bayer pattern(贝叶斯模式,CFA排布中的一种)和其变体将图像像素上各个颜色分量分为两类原始采样分量及解码赛克得到的分量。在每个CFApattern (颜色滤波器的排布模式)下假设16种解码赛克方式，并将每个解码赛克都看成一种近似内插滤波器滤波的过程。通过EM算法估计每种假设情况下的线性内插滤波器系数。这些估值系数与误差统计特征等组成分类器的特征向量集，实现相机型号的分类。但因为在相机成像中，解码赛克算法大多只是依据纹理特性的不同而不同，并没有如该方法那样多的解码赛克分类。因此，其针对每种颜色分量的多个假设条件下求取的多组插值滤波器系数间存在着较大的相关性，包含大量冗余的统计特征必然导致特征向量维度过大。此外，该方法对每个假设条件均采用一遍EM算法估计，EM算法本身较为耗时，在其每次循环时，还要对图像中对应的颜色分类均进行一遍内插处理，这必然导致该方法特征向量提取的运行时耗过长。传统方法的机理最终导致了特征向量维度过大、提取算法运行时耗过长的不足。
技术实现思路
本专利技术的目的在于克服上述不足之处，从而解决数码相机型号识别中，统计特征维度过大、提取算法运行时耗过长的问题。本专利技术提供一种基于CFA的数码相机型号识别方法，包含以下步骤，步骤1，建立包含多幅图像的图像数据库；步骤2，对图像数据库中的每一幅图像进行统计特征提取，获得特征向量集；步骤3，将步骤2中所得的特征向量集送入分类器中训练，得到用于识别数码相机型号的识别模型；步骤4，对待测的图像进行统计特征提取，所得特征向量送入分类器，通过步骤3所得识别模型进行判断。 而且，步骤2和步骤4中，对任一图像进行统计特征提取的实现方式包括以下子步骤，步骤2. 1，对图像进行降噪处理，得到一幅去噪后的图像；步骤2. 2，将步骤2.1所得去噪后的图像与原图像对应相减，得到一幅噪声图像；步骤2. 3，对步骤2. 2所得噪声图像上的像素位置画两类平行斜线，一类平行斜线为45度角，另一类平行斜线为135度角；步骤2. 4，以6为周期，分别顺序标注两类平行斜线；步骤2. 5，依据步骤2. 4中的标注，对两类平行斜线分别聚类相同标注的斜线上对应位置的6组像素值集合，共计12组像素值集合；步骤2. 6，在R、G、B三个颜色通道上分别计算步骤2. 5得到的12组像素值集合的统计量，组合成特征向量。而且,步骤2. 6所述统计量包括方差、峰度和偏度。而且，所述图像数据库包含有不同数码相机品牌的相机拍摄所得的图像，相同相机品牌下不同数码相机型号的相机拍摄所得的图像，相同相机型号下不同相机拍摄所得的图像。本专利技术提供了性能更优的数字图像鉴别方法，用于在数字图像鉴权中判断图像是否为某种数码相机型号的相机所拍摄得到，进而为图像来源及其可靠性提供判断依据，有利于我国刑侦技术研究的发展、推进相关法律的制定。附图说明图1为本专利技术实施例以6为周期捕捉采样一类平行斜线的标识图。图2为本专利技术实施例以6为周期捕捉采样另一类平行斜线的标识图。具体实施例方式本专利技术通过分析数码相机成像的原理，指出了数码相机拍照成像过程中，必须经过CFA滤波这一步骤，而不同的数码相机型号极有可能采用不同的CFA滤波排布和与其配套的后处理算法，以此不同之处为出发点，设计出来一种基于CFA的数码相机型号识别方法。该方法设计的基本原理如下在商业相机的生产中，C⑶传感器通常占据着数码相机生产成本的很大一部分。为了节约成本，商业相机制造厂商普遍采用价格低廉的单色像素传感器(single colorpixel sensor)。这种传感器的特点在于其表面上每个像素只能感应到单一的一种颜色。一个相机CCD传感器通常排布有3到4种小的单色传感器，它们分别能感应到不同的颜色，如红绿蓝(RGB)等。这些小单色传感器以像素为单位有规律地混合排布在传感器表面，形成了一种类似于3到4种颜组合而成的马赛克拼图。与此同时，商业相机通常在传感器的前端(靠镜头方向)放置一个色彩滤波矩阵(color filter array, CFA)。这个矩阵的颜色排布犹如马赛克拼图，与传感器上每个像素能感应到的颜色、位置、排布等一一对应。当光线被镜头捕捉到相机内时，光速通过色彩滤波矩阵滤波后，打在传感器每个像素上的光速都只是其能够感知到的颜色分量。此时，再由传感器将这些光信号转换为电信号，所得的数字图像其实是严格按照色彩滤波矩阵排布的“马赛克”图像。而这种类似“马赛克”图像的色彩排布，则可利用诸如内插等方法估计并补偿各像素点缺失的色彩分量，并最终合成符合人类本文档来自技高网...

【技术保护点】
一种基于CFA的数码相机型号识别方法，其特征在于，包含以下步骤：步骤1，建立包含多幅图像的图像数据库；步骤2，对图像数据库中的每一幅图像进行统计特征提取，获得特征向量集；步骤3，将步骤2中所得的特征向量集送入分类器中训练，得到用于识别数码相机型号的识别模型；步骤4，对待测的图像进行统计特征提取，所得特征向量送入分类器，通过步骤3所得识别模型进行判断。

【技术特征摘要】
1.一种基于CFA的数码相机型号识别方法，其特征在于，包含以下步骤 步骤1，建立包含多幅图像的图像数据库； 步骤2，对图像数据库中的每一幅图像进行统计特征提取，获得特征向量集； 步骤3，将步骤2中所得的特征向量集送入分类器中训练，得到用于识别数码相机型号的识别模型； 步骤4，对待测的图像进行统计特征提取，所得特征向量送入分类器，通过步骤3所得识别模型进行判断。2.如权利要求1所述基于CFA的数码相机型号识别方法，其特征在于步骤2和步骤4中，对任一图像进行统计特征提取的实现方式包括以下子步骤， 步骤2. 1，对图像进行降噪处理，得到一幅去噪后的图像； 步骤2. 2，将步骤2.1所得去噪后的图像与原图像对应相减，得到一幅噪声图像； 步骤2. 3，对步骤2. 2所得噪声图像上的像...

【专利技术属性】
技术研发人员：胡瑞敏，高尚，王中元，张茂胜，卢涛，
申请(专利权)人：武汉大学，
类型：发明
国别省市：