小樣本條件下相機(jī)來源鑒別方法研究.pdf

1、隨著科技不斷發(fā)展，以及各式數(shù)碼成像設(shè)備的普及，照片成為了一種傳遞信息的重要方式。但隨著各式圖像編輯軟件的興起與廣泛使用，加之網(wǎng)絡(luò)環(huán)境越來越高的開放性與包容性，篡改偽造的數(shù)字圖像也在日漸增多。我們所看到的數(shù)字圖像可能經(jīng)過了二次壓縮、拼接、復(fù)制等操作，眼見不再為實。近些年來越來越多篡改偽造數(shù)字圖像糾紛案件時有發(fā)生，這些事件的發(fā)生引發(fā)了人們對數(shù)字圖像真實性和原始性的關(guān)心，也使得數(shù)字圖像取證研究在近些年來成為研究熱點。
　　但現(xiàn)有的數(shù)字圖

2、像來源取證技術(shù)在實際應(yīng)用中也涌現(xiàn)出了許多問題。如在先驗知識不足條件下鑒別效果不佳，本文主要針對這一問題進(jìn)行研究，并給出相應(yīng)的解決方案。由于來源取證又分為相機(jī)型號鑒別和相機(jī)個體鑒別兩大類，采用的特征并不相同，因此，在本文中將分別針對訓(xùn)練樣本數(shù)不足的問題給出解決方法。本文主要的研究內(nèi)容如下:
　　(1)提出了一種基于集成映射的小樣本條件下相機(jī)型號來源鑒別方法
　　現(xiàn)有的數(shù)字圖像相機(jī)型號來源鑒別方法中，局部二值模式特征的鑒別效果較

3、佳，但當(dāng)訓(xùn)練樣本數(shù)不足時，鑒別的準(zhǔn)確度顯著下降。針對這一問題，本文給出一種基于集成映射的解決方法。首先，該算法通過少量有標(biāo)簽訓(xùn)練樣本特征的隨機(jī)維訓(xùn)練分類器，并對所有的樣本進(jìn)行粗分類，選擇后驗概率較高的樣本構(gòu)建原型集，重復(fù)上述過程多次，就獲得多個能夠代表部分類別信息的原型集;其次，將有標(biāo)簽樣本在各原型集上進(jìn)行映射，把屬于各類的后驗概率作為映射值，并將所有原型集上的映射向量進(jìn)行連接獲得最終的映射特征;接下來，采用有標(biāo)簽樣本的映射特征訓(xùn)練出分

4、類器，對無標(biāo)簽樣本進(jìn)行分類;實驗結(jié)果證實基于集成映射的方法能夠在訓(xùn)練樣本不足時獲得較佳的鑒別結(jié)果。
　　(2)提出了一種基于模式噪聲塊選擇的小樣本條件下相機(jī)個體來源鑒別方法
　　現(xiàn)有的數(shù)字圖像相機(jī)個體來源鑒別方法中，最常用的特征就是傳感器模式噪聲。通常每個型號相機(jī)的訓(xùn)練樣本數(shù)不不低于50個，當(dāng)訓(xùn)練樣本數(shù)不足時會出現(xiàn)鑒別準(zhǔn)確率急劇下降的問題。在本文中我們提出了基于模式噪聲塊選擇的方法。該方法首先對訓(xùn)練圖像按照一定大小分塊，提取