结合深度迭代缩放卷积神经网络的PRNU提取算法

光响应非均匀性(photo-response non-uniformity,PRNU)是用于数字图像设备溯源的一种重要特征,也被称为成像设备指纹。针对图像真实噪声包含PRNU和大量未知噪声的复杂特性,本文提出一种结合深度迭代缩放卷积神经网络的PRNU数字成像设备指纹提取算法。首先,通过连续重复的缩小与放大特征图的分辨率来提高GPU内存利用效率和生成大的感受野,尽可能的提取包含完整PRNU指纹的真实噪声。然后,利用来自同一数字成像设备多幅图像的噪声残差来估计PRNU指纹。本文算法在相机溯源数据集Dresden和手机溯源数据集Daxing上进行了测试。实验结果显示,与基于小波变化的算法、基于块匹配3D滤波的算法以及基于前馈去噪卷积神经网络的算法相比,本文算法具有的更好的识别率和普适性。

基于三方加权稀疏编码模型的PRNU提取算法

估计图像中真实噪声是基于光照响应不一致(photo-response non-uniformity,PRNU)对图像来源取证的关键步骤.相较于加性高斯白噪声(additive white Gaussian noise,AWGN)的估计,现有多数PRNU提取算法所采用的噪声估计算法在图像真实噪声提取方面性能劣势明显.该文提出了一种基于三方加权稀疏编码模型(trilateral weighted sparse coding model,TWSCM)的PRNU提取算法.TWSCM在估计噪声时能够保留更多PRNU噪声成分,有助于对图像中PRNU噪声的提取,因此在真实噪声估计上具有较好的性能.在当前最大的图像相机源取证基准库上的测试,实验结果证明所提出的基于TWSC的PRNU提取算法在图像相机源取证任务中具有较好的性能.

基于样本错配训练的图像PRNU噪声提纯方法

基于传感器模式噪声的图像来源鉴别算法的关键在于如何获取高质量的光响应非均匀性(Photo-response non-uniformity,PRNU)噪声,目前大多数增强PRNU噪声质量的算法以及出于实际应用的目的对其压缩的算法几乎是在人工假设模型的基础上实现的。本文提出了一种基于样本错配训练的图像PRNU噪声提纯方法,该方法使用了深度堆叠自编码器网络,并设计了一种样本错配的技术对其进行训练。这种基于样本错配训练的端到端深度神经网络的使用有效避免了人工设计算法的局限性,对图像PRNU噪声进行了有效提纯,进而提升了其用于图像来源鉴别时的性能。在Dresden图像数据集上进行的比较实验结果表明,提纯后的PRNU噪声具有更好的性能。

光纤耦合CCD相机的平场校正方法研究

对于光纤锥耦合的CCD相机中存在的响应非均性问题进行了阐述 ,针对这种类型的系统的平场校正方法进行了仔细的研究 ,分析了CCD相机输出信号的构成情况 ,并利用这些方法对实际存在较严重的非均匀问题的图像进行处理 ,获得了很好的结果 。

TDICCD光子响应非均匀性噪音分析与测量(英文)

探测器光子响应非均匀性噪音会降低低照度情况下遥感成像系统的成像质量.针对这一现象,本文首先结合探测器的物理性质,对各种噪音源进行了研究;建立了TDI CCD不同级数下的光子响应非均匀性噪音模型,随着曝光量的增加,光子响应非均匀性噪音也线性增加.其次根据曝光级数越多TDI CCD对非均匀性噪音的平滑效应越明显这一现象,提出一种光子响应非均匀性系数与曝光级数之间的关系式,并给出了利用TDI CCD输出图像提取光子响应非均匀性噪音的方法.最后建立了试验系统,通过试验对测试获得的光子响应非均匀性噪音与理论分析计算得出的结果进行了分析.

图像平场校正方法的扩展应用研究

对于图像阵列探测器而言,由于各像元响应的不一致使得所获图像中各像元灰度存在差异(响应的非均性现象),而图像的平场校正可以非常有效地消除图像中各像元响应的不一致性.如果将图像背景或光路中影响成像的一些因素在一定程度上看作是图像探测器的响应,认为它是响应非均匀的组成部分,根据平场校正的原理对其进行处理,则可以获得较好的效果.

遥感相机电子学非线性对调制传递函数的影响及其判别

遥感相机电子学系统在信号转换过程中会产生V/Q非线性和DN/V非线性,并均会对成像子系统的调制传递函数(MTF)造成影响。本文研究了这两种电子学非线性的产生机理和对MTF的影响并提出了相应的判别方法。从两种非线性的产生机理出发,建立了V/Q非线性和DN/V非线性模型,深入分析了两者对相机MTF的影响并进行了仿真实验。实验表明,非线性造成了电子学MTF的下降,使其由正常状态下的0.55下降为0.47,此外还导致MTF随照度变化。提出了基于视频响应曲线结合响应非均匀性(PRNU)噪声曲线区分V/Q非线性和DN/V非线性的方法并进行了仿真验证。仿真实验验证了提出方法的有效性,为系统设计、改进和非线性补偿提供了有力支持。

两种高速CMOS图像传感器的应用与测试

采用MI-MV13和LUPA-1300-2两种不同厂家型号的高速CMOS图像传感器,设计了分辨率为1 280×1 024的300～500 frame/s高速数字工业相机,并在实验室条件下对设计相机进行了关键性能指标对比测试,得到了光谱响应及量子效率、增益、动态范围、暗电流、读出噪声、光电响应非均匀性等测试结果。测试分析显示,LUPA-1300-2的峰值量子效率为50%,比MI-MV13的峰值量子效率高12%,与厂家的参考指标基本一致。测试结果证明:该测试方法正确,对两种高速CMOS图像传感器的关键性能指标的测试客观可信,所设计的高速CMOS摄像机的性能基本满足高帧频摄像的要求。

凸优化耦合传感器模式噪声的图像伪造检测

现有的图像伪造检测算法主要是借助局部像素与恒虚警率来决策真伪,且忽略了源图像的强烈空间相关性,使算法鲁棒性不佳,难以检测微小尺寸伪造;对此,根据成像传感器的独特随机特性,设计传感器模式噪声检测思想;并提出了凸优化机制耦合传感器模式噪声的图像伪造检测算法;基于光响应非均匀性噪声,联合马尔可夫随机场与贝叶斯规则,设计传感器模式噪声;并构造最佳图像标记像素的先验概率模型;嵌入贝叶斯规则,代替恒虚警率,考虑源图像的强烈空间依赖性,联合整个图像像素,确定最大概率标记像素映射;设计凸优化机制,将图像伪造检测转换为凸问题,提高算法检测效率;并分析了不同伪造区域尺寸对算法检测的影响;仿真结果表明:与当前图像伪造检测算法相比,文章算法具备更好的接收机工作特征;以及更高的检测精度与检测效率。

光纤锥耦合CCD相机图像的平场校正方法

对于光纤锥或光纤面板耦合的CCD相机所获图像中存在的响应非均性问题进行了阐述,分析了CCD相机输出信号的构成情况和图像传递间的响应关系,并给出了相应的表达式。利用平场校正方法对存在较严重非均性的图像进行了处理,处理过程分为三步:首先获取系统的暗本底图像(包括了暗电流及系统偏置),所选择的积分时间与被用来校正的图像的积分时间相同;其次,获取均匀光场的图像,并将其作为平场校正的参考图像;最后扣除本底,用相对标定的方法对图像进行校正,从而获得图像各像素响应率的相对标定系数,再用它对原始图像进行平场校正即可获得很好的结果。校正后的图像更清晰,噪声更小,很多细节都能在灰度图像中直接看出,经过边界处理和伪彩显示后可清晰地看到小于0.1mm的细缝,达到了图像精密处理的效果。

OTF测试中CCD对测试准确度的影响和修正

对图像分析中的关键部件CCD本身离散采样的特点及其非线性、响应不均匀、暗电流、噪音等特性对测试造成的影响进行了分析,并给出了由以上因素造成的测试误差的修正方法.在高准确度OTF测试中,CCD必须具有优良的线性、较宽的动态范围、高信噪比.应用一些算法对其进行软件上处理,修正其对测试准确度降低的特征参量是提高测试准确度的有效方法.通过对50 mm标准镜头实际测试,采用本文的处理方法对CCD修正后的传函仪测试准确度达到了±3 %,满足高准确度测试要求.

X射线源量子噪声特性研究

研究了低剂量下X射线成像系统中的射线源量子起伏特性。首先在X射线强度不变的情况下,连续拍摄若干幅图像,然后对这些图像分别进行光响应不一致性校正,以便消除系统噪声对研究量子噪声的影响,最后根据图像灰度在空间和时间上的起伏变化,得到X射线源的量子噪声的特性。实验结果表明:X射线量子噪声在时间上呈现出均值为零,方差与光强大小有关的特性;光强增大,量子起伏在时间上和空间上都会减小;通过分析图像不同区域的方差值,发现越是接近X射线源的中心,其量子起伏越小。

CMOS APS质子辐照效应实验

利用西安200 MeV质子应用装置进行了互补金属氧化物半导体有源像素图像传感器(CMOS APS)的质子辐照效应研究。设计了便携式暗室,解决了图像传感器质子辐照效应难以在线测量问题。实验结果表明,质子辐照在CMOS APS中产生的暗电流随质子注量呈线性增长;当质子注量小于5×10^(12)cm^(-2)时,CMOS APS暗信号的非均匀性、光响应的非均匀性和不同光场强度下的平均输出值等参数的变化趋势不明显;当质子注量大于5×10^(12)cm^(-2)时,这些参数会产生不同程度的增加。

基于DCT和维纳滤波的图像PRNU匿名算法

随着智能手机和社交媒体的普及,图像隐私引起的公共安全问题受到了广泛关注。犯罪分子可利用图像信息来侵犯他人隐私,从而进行恶意跟踪和诈骗勒索等活动。针对该问题,本研究从抑制图像源相机识别能力的角度提出了一种新的光响应非均匀性(photo response non uniformity,PRNU)匿名算法,以降低图像被恶意使用的风险。算法首先对图像进行分块,并将离散余弦变换(discrete cosine transform,DCT)和维纳滤波相结合,对图像高频分量进行滤波处理。通过实验发现,迭代维纳滤波可以显著提高匿名算法的效率。将算法在MICHE-I数据集和UBIPR虹膜数据集中进行测试,结果表明,算法能够保证图像质量不受显著影响,并且视觉质量因子平均提高3 dB,有效地抑制了图像溯源能力,保留图像生物特征,并达到了较好的匿名效果,保证了大众隐私安全。

信号与噪声

高质量数字图像捕获对电子媒体和印刷媒体都至关重要,而捕获图像质量的高低取决于信号和噪声两个基础因素,为此需要测量信号和噪声。本文在讨论信号和噪声关系的基础上,简要介绍信号和噪声的主要衡量指标,以及这些指标的测量方法。

数字图像模式噪声篡改反取证

针对基于模式噪声的图像来源性取证技术,提出一种全新的误导攻击方式,分析了特定相机的相机成像模型,推导出了模式噪声替换公式,该公式抑制了原有相机的模式噪声痕迹,并附加上了伪造相机的模式噪声,通过线性回归或基于图像内容特征的方式求出合理的嵌入参数。实验表明,该算法不但可以有效地混淆来源性取证,更可以让伪造者控制取证技术的结论,从而达到误导的效果。

基于多阶段渐进式神经网络的图像相机指纹提取算法

光响应非均质性(Photo-Response Non-Uniformity,PRNU)噪声的唯一性和稳定性决定了其可作为数码相机的指纹并可用于数字图像的溯源与取证。为了提高PRNU指纹质量及图像溯源精确度,文章提出一种基于多阶段渐进式神经网络的图像相机指纹提取算法。该神经网络使用编码器-解码器架构来学习上下文特征,并利用高分辨率分支来挖掘局部特征,同时在每个阶段引入注意力模块来重新加权局部特征。这样既可以融合上下文信息,又能准确获取局部信息,进而可以充分挖掘图像自然噪声中潜在的PRNU指纹。在Daxing智能手机数据集和Dresden相机数据集上与其他算法的对比实验证明了文章提出的图像相机指纹提取算法的优势。

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。

基于相机溯源的潜在不良视频通话预警

目前主流的不良视频检测大多基于视频内容分析,属于计算密集型任务,不利于巨量视频通话流的实时检测。为此,本文试图从新的视角来阻断潜在不良视频的传播,即实时视频流相机溯源。和传统检测内容的方法不同,本文试图通过检测产生不良视频的相机源来阻断潜在不良视频的传播,即一旦发现某个正在视频通话的手机产生过不良视频,就发出安全警告进行阻断。该思路的基本假设是拍摄过不良视频的手机拥有者有更大概率利用同一部手机拍摄不良视频。该思路的核心问题是寻找一种实时、可靠的相机溯源方法。为此,本文主要聚焦以下三方面工作:建立了一个包含100部视频的数据库用于算法评估,数据库中的视频来自25部不同型号、不同品牌的相机,每一部视频注明了相机来源;建立了一种简单、有效的视频相机溯源机制,实现相机的在线实时溯源;提出了一种多相机指纹特征集成决策模型,实现可靠的相机溯源。实验结果显示,所提相机溯源机制能满足相机溯源的实时性要求,并且所提多相机指纹特征集成决策模型显著优于现有的单一模型,对于安卓手机,其视频相机溯源准确率达到98.161%,验证了该思路的可行性。

压力敏感涂料特性及其校准技术实验研究

精细化的校准技术和涂料特性研究是影响压力敏感涂料(PSP)测量技术测量精度及其工程应用的重要因素。为此以PSP地面实验测量系统为主要平台,进行了国产PSP的静态校准和光降解实验,基于自主编制的PSP静态校准图像后处理程序研究了PSP压力、温度灵敏度之外所展现出的重要特性。研究结果表明:一定压力范围内,PSP的Stern-Volmer响应曲线呈现出较为明显的非线性,在校准中应采取高阶Stern-Volmer关系式进行拟合;在均匀压力和温度下,不同样片区域的校准结果呈现出空间不均匀性,这种不均匀性会影响PSP的校准精度;PSP存在光降解效应,其降解曲线在一定时间内近似为线性。同时,本文还简要分析了其产生机理以及对PSP测量精度的影响,初步提出了相应的评估指标及改进措施。