利用协方差矩阵检测CFA插值的相机来源鉴别方法

针对数字图像取证技术中的相机来源鉴别问题,利用相机成像过程中颜色滤波阵列(CFA)插值的线性模型,采用协方差矩阵对CFA插值系数进行统计估计,有效地降低了现有方法存在的估计误差,并以估计的CFA系数为特征,利用SFFS方法从240维特征中优化选择了36维组成特征向量,最后使用支持向量机作为分类器,对22种不同品牌不同型号的相机拍摄的图像进行了来源鉴别。实验表明,本文算法对数字图像的相机来源鉴别检测,其平均正确率达到了96.5%,优于现有的相机来源鉴别算法。

开放环境下自适应聚类优化包络的相机来源取证

针对相机来源取证中的开放环境问题,本文提出一种自适应聚类优化包络的相机来源取证方法,解决了现有方法在训练相机模型数量少的恶劣情况下检测精度低的问题.首先,通过手肘法得到每一类相机数据的聚类个数,并以该聚类数为参照进行k-means聚类;然后将得到的相机模型子类数据分别进行支持向量数据描述以刻画其子包络,并根据所属相机模型类别将子包络合成一个更具细节特征的特征包络;最后通过判决法则将来自未知相机模型的图像排除,并将判断为已知来源的图像分类溯源,进而实现开放环境下的相机来源鉴别.实验结果表明,在Dresden和SOCRatES两个公开数据集上,本文提出的算法具有更优的鲁棒性和扩展性,与已有方法相比,在KACC,UACC和OACC三个评估指标和时间复杂度上均表现出更优越的性能.