小樣本條件下相機來源鑒別方法研究.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型號鑒別和相機個體鑒別兩大類，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型號來源鑒別方法
　　現(xiàn)有的數(shù)字圖像相機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)練樣本特征的隨機維訓(xùn)練分類器，并對所有的樣本進行粗分類，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個體來源鑒別方法
　　現(xiàn)有的數(shù)字圖像相機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