一种基于成像传感器噪声的相机源辨识算法

通过支持向量机对数字图像的源相机问题进行研究。提出了一种基于成像传感器噪声特征的源辨识算法。利用去噪算法对数字图像的单个颜色通道图像进行去噪处理,用原始图像减去滤波图像得到传感器的噪声信息,再提取噪声信息的统计特征;将统计特征生成一个特征向量的形式来设计源辨识算法;借助支持向量机工具来确定相机的品牌或型号。实验结果表明:提出的算法能有效地正确辨识相机的品牌/型号;与现有的算法相比,该算法具有更高的分类精度。

基于成像传感器噪声的相机源辨识算法研究

通过分析数码相机的成像特点,文章提出了一种基于图像噪声的相机源辨识方法。通过抽取反映传感器噪声的特征,并训练分类器实现相机型号的辨识。实验结果表明所提取的新特征比前面算法所提取的特征能更好的体现同一品牌相机的模式是噪声的特点,因此具有更高的识别率,且鲁棒性更好。

利用模式噪声主分量信息的源相机辨识技术

针对数码相机源辨识问题,提出一种利用成像传感器模式噪声主要分量(或称大分量)信息进行源设备辨识的新方法。首先围绕模式噪声的抽取和预处理,讨论去噪滤波器和去颜色滤波器阵列(CFA)插值对提高模式噪声质量的影响,然后重点讨论选取传感器模式噪声部分大分量对改善相关性检测器性能的作用。该方法不仅能很好地分离两台相机所拍摄的照片,而且还大幅度减小了检测的计算量。

利用彩色图像信息的源相机辨识策略

目前基于模式噪声的源相机辨识方法大都只在单颜色通道图像上进行,或是对三个单色通道图像上的检测结果简单地求均值,这显然不能全面反映成像传感器的特征。通过分析相机图像生成过程中马赛克图像插值过程的特点,提出三种新的基于彩色图像信息的源相机辨识策略。实验结果表明,所提策略具有更好的辨识效果且需要的特征点少。

基于模式噪声分量符号信息的快速源相机辨识

现有基于传感器光响应非均匀性模式噪声的源相机辨识方法多采用蛮力搜索(即穷举)策略,当相机指纹数量较多且指纹长度较长时,效率较低.文中提出一种基于模式噪声分量符号信息的快速源相机辨识方法.即利用模式噪声中的大幅值分量构造相机的精简指纹,采用分离链接哈希表结构存储参考指纹信息,按照测试指纹和参考指纹之间的同符号分量个数对候选参考指纹排序,按序进行相关性检测.实验表明,文中方法大大减少了相关性运算的次数.

几种模式识别方法在源相机辨识中的分析比较

为了重新衡量模式识别方法在整个源相机辨识过程中所起的作用,对在源相机辨识中使用比较普遍的几种模式识别的方法,包括支持向量机、BP神经网络以及Simple Stump Adaboost,进行了分析比较。通过对提取到的300张照片的特征数据分别采用了分析实验,根据得到的实验结果,在通用性、效率、推广能力和分类效果方面对各种算法进行分析与比较,最后得出每种方法的优缺点和适用性,为源相机辨识的实际应用提供有利的信息。

基于成像传感器特征的相机源识别

基于模式分类的方法,提出一种利用成像传感器特征进行相机源辨识的鲁棒性方法。分析数码相机成像的特点,提取传感器噪声信息的统计特征,设计一个鲁棒的分类器来确定相机的品牌/型号。所提取的图像特征包括图像去噪差值、小波域子带统计矩以及通道颜色特征。实验结果表明所设计的算法不仅可以有效地正确辨识相机品牌/型号,还具有良好的鲁棒性。

基于成像传感器特征的相机分类器设计

在对现有成像设备源辨识算法分析研究的基础上,提出一种利用成像传感器特征进行相机源辨识的鲁棒性方法。基于模式分类的原理,首先分析数码相机成像的特点,提取传感器噪声信息的统计特征,设计一种鲁棒的分类器来确定相机的品牌/型号。所提取的图像特征包括图像去噪差值和小波域分析。结果表明:所设计的分类器可以有效地正确辨识相机品牌/型号,且具有良好的鲁棒性。

基于模式分类的图像区域作伪检测

为了鉴别一幅数字图像是否存在作伪的区域,提出一种利用改进的图像特征进行区域作伪检测的算法。基于模式分类的思想,该方法把图像分割成适当大小的块,从图像块中提取特征数据,用SVM分类器训练数据并得到支持向量机模型,利用该模型检测嫌疑图片是否存在作伪。该算法从噪声相关性、残差噪声、图像质量、小波域等方面分析相机图片的特点,获取每种的统计特征,形成特征集。实验结果表明,该方法能有效地检测出图像的具体作伪区域。