[发明专利]一种短压缩视频来源识别方法

权利要求书

1.一种短压缩视频来源识别方法，其特征在于，包括：

对平场压缩视频进行操作，获取所有相机的PRNU噪声，且所有相机的PRNU噪声一起组成一个PRNU噪声数据库；

对自然压缩视频进行操作，提取自然压缩视频的PRNU噪声；

计算自然压缩视频的PRNU噪声和PRNU噪声数据库中所有PRNU噪声的相关性，当相关性最高且判决阈值大于或者等于设定阈值时，则判定自然压缩视频和平场压缩视频来自同一相机，反之，自然压缩视频和平场压缩视频不是来自同一相机。

2.根据权利要求1所述的一种短压缩视频来源识别方法，其特征在于，对平场压缩视频进行的操作和对自然压缩视频进行的操作均包括：

将对应的视频数据重新变成比特流，篡改视频解码器的解码过程，去除解码器的环路滤波器来保留更多的PRNU噪声；

重新用解码器获取G个视频帧；

基于方差稳定变换的多尺度迭代最小二乘滤波方法，得到该G个视频帧过滤的噪声；

基于G个视频帧过滤的噪声求取视频的PRNU噪声乘法因子K；

去除PRNU噪声乘法因子K中的CFA插值伪影和其他相似性噪声成分,PRNU噪声乘法因子K与每个输入视频帧进行相乘再求平均，得到最终的PRNU噪声。

3.根据权利要求2所述的一种短压缩视频来源识别方法，其特征在于，基于方差稳定变换的多尺度迭代最小二乘滤波方法，得到该G张视频帧过滤的噪声，包括：

对G个视频帧分别进行广义Anscombe变换；

对G个视频帧分别进行双树复小波变换,将图像分解成一系列低频和高频子图像；

使用基于全局优化的最小二乘滤波方法对所有的高频子带进行滤波处理，得到滤波后的高频小波子带，然后和低频一起进行双树复小波逆变换，得到类高斯模式的视频帧；

对类高斯模式的视频帧进行Anscombe反变换，得到去噪的视频帧；

用输入视频帧与去噪的视频帧相减，得到每个视频帧过滤的噪声，即噪声残差。

4.根据权利要求3所述的一种短压缩视频来源识别方法，其特征在于，进行广义Anscombe变换，公式如下：

式(1)中，Y_z表示混合噪声图像，Y_v表示广义Anscombe变换后的噪声图像，常数项s＝0.375，γ为探测器的比例系数。

5.根据权利要求3所述的一种短压缩视频来源识别方法，其特征在于，双树复小波变换具体的分解过程包括：

先用对每个视频帧进行对偶树分解，得到对偶的两个树，然后每个树的每一行构成的一维数据进行两次一维小波分解，得到高频和低频部分；

再对分解形成的高频和低频信息中的每一列构成的一维数据进行两次一维小波分解，最终得到8个子带图像,分别为6个高频子带和2个低频子带。

6.根据权利要求3所述的一种短压缩视频来源识别方法，其特征在于，使用基于全局优化的最小二乘滤波方法对所有的高频子带进行滤波处理时，采用的基于全局优化的最小二乘滤波的公式如下：

式(2)中，F(.)和F^-1(.)分别表示快速傅里叶变换和逆变换，w为输入小波子频带，m为滤波后的小波子带，表示对x方向的梯度，表示对y方向的梯度，表示沿x轴相反方向的梯度，表示沿y轴相反方向的梯度，迭代次数n＝1，常数项λ＝1,q＝0.2,ε＝0.01，

7.根据权利要求2所述的一种短压缩视频来源识别方法，其特征在于，使用量化参数值加权的极大似然估计方法对G个视频帧过滤的噪声进行估计，得到视频的PRNU噪声乘法因子K，估计公式如下：

式(3)中，G为单个视频中用于估计PRNU噪声乘法因子K的视频帧数量，N_z表示第z个视频帧的噪声，I_z表示视频的第z个视频帧，WQP表示权重矩阵的加权系数，δ为用于防止分母为0的值。