[发明专利]一种基于集成映射的图像来源鉴别方法

说明书

一种基于集成映射的图像来源鉴别方法，属于计算机图像处理技术领域。技术方案步骤如下：提取所有样本LBP特征和CFA特征，对两部分特征分别作如下操作：随机提取其中m维特征训练分类器，并重复此过程T次，得到T个分类器，将所有样本分别通过T个分类器，对于每个分类器中的每类取后验概率高的前r个样本保存下来继续训练分类器，将有标签样本分别通过上述的T个分类器得到对应的后验概率值，将其作为样本新特征训练分类器，随后整合两类特征所得到的总分类器，共2T个，采用集成学习思想整合它们的分类结果，进而得到最终结果。有益效果是:本发明所述的基于集成映射的图像来源鉴别方法可以提升训练样本不足情况下的相机型号来源鉴别准确率。

技术领域

本发明属于计算机图像处理技术领域，尤其涉及一种基于集成映射的图像来源鉴别方法。

背景技术

近年以来先进的技术和产品，例如高性能智能手机，复杂的图像编辑应用程序和广泛使用的社交媒体应用程序等，使我们的屏幕上充满了各式各样的数字图像。如今，对业余爱好者来说，获取、编辑和传播图像是一件非常方便的事情。作为其副产物，数字图像的完整性和真实性有被恶意篡改的危险，会有不法分子借此机会篡改图像来获取利益。考虑到对于验证数字图像的可信赖性的要求在不断增长，因此数字图像取证在取证领域中起着极其重要的作用。作为重要分支，源摄像机标识旨在标识给定数字图像的原始设备。

在过去的十年中，从两个方向提出了几种方法来解决此问题：基于相机个体的图像来源鉴别和基于型号的图像来源鉴别。对于基于相机个体的图像来源鉴别，我们跟踪每个摄像机的唯一指纹。卢卡斯(Lukas)分析了成像处理引入的噪声，并以光响应非均匀噪声(PRUN)作为指纹。基于传感器缺陷点的数量和位置之间的差异，Geradts等人提出了一种多图像平均方法来检测图像缺陷，该方法用作图像来源鉴别的功能。每个相机品牌都有不同的型号，对于基于型号的图像来源鉴别，统计功能是一种代表性方法。Kharrazi等人提出，由于不同相机型号的硬件和软件不同，因此可以将图像的色彩相关性和色彩能量比之类的功能用于图像来源鉴别，他们使用小波特征和图像质量特征来识别图像源。基于此，Meng等人介绍了双光谱特征并优化了特征选择。我们的工作更多地集中在基于模型的图像来源鉴别上。

作为相机成像过程的重要算法，CFA插值功能也可以在图像来源鉴别中使用。Farid等人发现CFA内插会引起图像像素之间的相关性，这意味着光谱中存在峰值，在此基础上，Bayram等人使用期望最大化(EM)来监视此相关性。Swaminathan等人提出了线性插值模型来估计邻域CFA插值系数。此外，基于型号的图像来源鉴别大部分均使用了数字图像的LBP特征，这是因为它可以有效捕获图像处理算法生成的特征或伪像。Farid等人提出了一种正交镜像滤波方法来识别源摄像机的类型，在他的实验中实验中使用了4000张相机图像和6000张计算机生成图像。Ng等人分析了相机捕获的图像和计算机生成的图像的获取过程，发现两种图像之间的主要区别在于场景模型，灯光模型和简单模型，他们基于差分几何来提取几何和局部补丁特征以进行分类。

CFA插值算法是不同相机模型的最重要特征之一，基于CFA特征的研究很多。Wang等人提出了一种CFA插值估计方法，将协方差矩阵引入到CFA的建立和求解中，他们参考了San的想法，并使用线性插值模型来估计插值系数，对于无噪声和未压缩的CFA插值图像，该算法的检测精度高达99.1％。Swaminathan等人专注于估计CFA模式和插值内核，他提出的方法通过对19类相机模型进行实验，得到的平均准确率达到了90％。此外，所提出的特征被分为三组取证特征：二进制相似性度量(BSM)，图像质量度量(IQM)和高阶小波特征(HOWS)。这些特征随后送入分类器，从16个型号的手机摄像机中识别图像的源摄像机，并且平均识别精度达到88.02％。