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.