基于对偶生成对抗网络的数字成像设备指纹提取算法

光响应非均质性具有唯一性和相对稳定性,是对数字成像拍摄设备进行溯源取证的重要依据,被称为设备指纹。在图像的真实噪声中,除了PRNU设备指纹外,还包含大量的随机噪声。为有效提取PRNU设备指纹,提出一种基于对偶生成对抗网络的数字成像设备指纹提取算法。该算法基于生成对抗网络的思想进行训练,生成训练数据进行数据增强,有效地提高了训练效率;同时采用UNet的网络结构联合残差学习的策略,能够在减少GPU占用的同时减少对训练数据的需求量。提出的算法在当前最大的智能手机来源取证数据集上进行测试,实验结果显示,与基于块匹配3D滤波以及前馈去噪卷积神经网络的算法相比,该算法有着更好的识别效率和普适性。