一种基于模式噪声熵的图像来源取证算法

针对数字图像的来源取证,提出了一种基于模式噪声熵的检测算法。传感器作为数码相机的重要部件,由于在制造过程中的缺陷,成像时会给图像带来一种模式噪声。该算法利用传感器产生的模式噪声具有唯一性这一特点,对图像进行小波降噪并提取图像的模式噪声,利用模式噪声的熵值对不同来源的图像进行区分。实验结果表明,该方法对原始图像有较高的检测率,对有损压缩图像也有较好的鲁棒性。     

基于模式噪声大分量的手机相机来源检测

将模式噪声作为固定指纹特征应用于手机相机来源检测时,存在计算复杂、效率不高等问题。为此,提出一种基于模式噪声大分量信息的手机相机来源检测方法。利用光响应敏感点的成像特性及对模式噪声的影响,将其从模式噪声中分离出来,构成模式噪声的大分量信息,并作为新的模式噪声进行手机相机来源检测。实验结果表明,与传统基于模式噪声的图像来源检测方法相比,该方法不仅能有效辨识手机相机图像的来源,而且能减少检测计算量。     

基于模式噪声的手机图像篡改检测

模式噪声作为相机传感器的固有特征, 其高频分量与所拍摄的场景无关, 并在相机的生命期中相对稳定. 因此基于模式噪声的多媒体取证已经被广泛应用在追溯图像来源检测中. 然而, 由于模式噪声的脆弱性, 容易被篡改者从一个相机复制到另一相机上. 针对这一问题, 首先对基于模式噪声的两种篡改方式进行研究, 并通过设定判定阈值进行篡改取证, 同时为了解决模式噪声的相关性检测过程中计算量大, 算法复杂度高等问题, 采用了改进的模式噪声集鉴别方式, 大大提高了篡改检测效率.     

面向GAN生成图像的被动取证及反取证技术综述

生成对抗网络（generative adversarial network,GAN）快速发展,并在图像生成和图像编辑技术等多个方面取得成功应用。然而,若将上述技术用于伪造身份或制作虚假新闻,则会造成严重的安全隐患。多媒体取证领域的研究者面向GAN生成图像已提出了多种被动取证与反取证方法,但现阶段缺乏相关系统性综述。针对上述问题,本文首先阐述本领域的研究背景和研究意义,然后分析自然图像采集与GAN图像生成过程的区别。根据上述理论基础,详细介绍了现有GAN生成图像的被动取证技术,包括：GAN生成图像检测算法,GAN模型溯源算法和其他相关取证问题。此外,针对不同应用场景介绍基于GAN的反取证技术。最后,通过实验分析当前GAN生成图像被动取证技术所面临的挑战。本文根据对现有技术从理论和实验两方面的分析得到以下结论：现阶段,GAN生成图像的被动取证技术已在空间域和频率域形成了不同技术路线,较好地解决了简单场景下的相关取证问题。针对常见取证痕迹,基于GAN的反取证技术已能够进行有效隐藏。然而,该领域研究仍存在诸多局限：1）取证与反取证技术的可解释性不足;2）取证技术鲁棒性和泛化性较弱;3）反取证技术缺乏多特征域协同的抗分析能力等。上述问题和挑战还需要研究人员继续深入探索。     

数字图像反取证技术综述

目的 数字图像的真实性问题备受人们关注,被动取证是解决该问题的有效途径。然而,如果伪造者在篡改图像的同时利用反取证技术对篡改的痕迹进行消除或伪造,那么已有的大量被动取证技术都将失效。回顾图像反取证技术的研究现状（包括兴起原因、实现原理、技术特点以及应用前景）,并根据已有文献总结反取证技术面临的主要挑战和机遇。方法 由于现有的被动取证技术大都基于遗留痕迹和固有特征的异同来辨识图像真伪,因此本文以不同的取证特征为线索来评述和比较反取证技术的原理和策略。结果 根据取证特征的不同,将反取证技术归纳为遗留痕迹隐藏、固有特征伪造和反取证检测等三类,并展示了当前各类反取证技术面临的难点和挑战。结论 对数字图像反取证技术进行总结和展望,并指出其算法未来在通用性、安全性、可靠性等方面将有待进一步的深入研究。     

数字图像被动取证技术综述

对数字图像取证技术进行介绍,重点对数字图图像被动取证的现有技术进行综述。根据数字图像被动取证技术中不同算法所选用的特征量各不相同,将现有的技术方法分为3大类:基于图像内容的被动取证、基于成像过程的被动取证、基于物理原理的被动取证。分别介绍了3大类方法的特征及其所属各种典型算法,并对每一类中的各种典型算法进行分析比较和总结。最后提出了数字图像被动取证的不足之处和未来的发展方向。     

联合OC-SVM和MC-SVM的图像来源取证方法

为了解决现有图像来源取证方法在相机样本较多时准确性较差、无法对未知模型的图像来源取证以及可扩展性差的问题,提出了一种基于一类和多类支持向量机联合的图像来源取证方法.算法利用协方差的统计相关性提高了CFA插值系数的估计精度,并以SFFS算法选择的特征作为分类器输入.采用OC-SVM(一类支持向量机)和MC-SVM(多类支持向量机)联合的策略进行图像来源分类,有效地解决了对未知模型图像来源的鉴别问题以及可扩展性差的问题.实验表明,该方法对28种相机拍摄的图像进行来源取证,能够达到平均90.4%的鉴别正确率,同时对于3种训练模型以外的未知相机模型拍摄图像,能够达到平均79.3%的检测正确率.     

JPEG压缩对相机型号来源取证的影响分析

针对实际取证场景中经网络传输的 JPEG 压缩图像,分析了基于彩色滤波阵列（CFA）插值系数特征、局部二进制模式（LBP）以及图像质量（IQM）和高阶小波统计特征这3种典型的相机型号来源取证方法的性能,评估了社交平台和网络媒体情况下已有来源取证算法的性能。实验结果表明,随着图像压缩质量的下降,相机型号来源鉴别准确率迅速下降,已有方法在实际应用中的性能仍然有待提高。     

面向真实性鉴别的数字图像盲取证技术综述

数字图像盲取证技术作为一种不依赖任何预签名提取或预嵌入信息来鉴别图像真伪和来源的技术, 正逐步成为多媒体安全领域新的研究热点, 且有着广泛的应用前景. 首先简要描述了图像盲取证技术要解决的问题和任务. 根据图像鉴别使用的取证特征, 将用于真实性鉴别的图像盲取证技术划分为三类: 基于图像伪造过程遗留痕迹的盲取证技术、基于成像设备一致性的盲取证技术和基于自然图像统计特性的盲取证技术, 然后分别阐述了这三类取证技术的基本特征和典型方法, 对不同算法进行了性能比较和总结. 最后综合近年来国内外学者在面向真实性鉴别的图像盲取证技术方面的主要研究成果, 探讨了图像盲取证技术存在的问题及未来研究方向.     

非抽样Contourlet变换去噪滤波器设计的源相机识别

针对源相机识别和小波滤波器在获取残留噪声图像时会引入明显的场景噪声的问题,提出一种利用非抽样Contourlet变换(NSCT)进行模式噪声提取的新方案。首先根据源相机识别的过程,讨论小波滤波器在提取模式噪声上的不足,接着重点讨论设计基于NSCT滤波器进行模式噪声的提取。实验表明NSCT滤波器不仅使场景噪声得到明显的抑制,而且与小波滤波器相比,对来自三种不同相机的照片的平均识别率提高了近3.667%。     

Detecting Image Splicing Based on Noise Level Inconsistency

In a spliced image, areas from different origins contain different noise features, which may be exploited as evidence for forgery detection. In this paper, we propose a noise level evaluation method for digital photos, and use the method to detect image splicing. Unlike most noise-based forensic techniques in which an AWGN model is assumed, the noise distribution used in the present work is intensity-dependent. This model can be described with a noise level function (NLF) that better fits the actual noise characteristics. NLF reveals variation in the standard deviation of noise with respect to image intensity. In contrast to denoising problems, noise in forensic applications is generally weak and content-related, and estimation of noise characteristics must be done in small areas. By exploring the relationship between NLF and the camera response function (CRF), we fit the NLF curve under the CRF constraints. We then formulate a Bayesian maximum a posteriori (MAP) framework to optimize the NLF estimation, and develop a method for image splicing detection according to noise level inconsistency in image blocks taking from different origins. Experimental results are presented to show effectiveness of the proposed method.     

利用模式噪声主分量信息的源相机辨识技术

针对数码相机源辨识问题,提出一种利用成像传感器模式噪声主要分量（或称大分量）信息进行源设备辨识的新方法。首先围绕模式噪声的抽取和预处理,讨论去噪滤波器和去颜色滤波器阵列（CFA）插值对提高模式噪声质量的影响,然后重点讨论选取传感器模式噪声部分大分量对改善相关性检测器性能的作用。该方法不仅能很好地分离两台相机所拍摄的照片,而且还大幅度减小了检测的计算量。     

一种基于主动视觉的摄像机内参数自定标方法

摄像机定标是计算机视觉的一项基本任务．本文提出了一种基于主动视觉的摄像机内参数自定标方法．该方法和文献［1］提出的方法相比最大的优点在于不要求摄像机在三维空间作任意方向的平移运动，只需要控制摄像机在同一平面作四组运动，其中每组包括两次相互正交的平移运动，同时适当调整摄像机平移运动的姿态，可以线性求解摄像机内参数．理论上证明了如果摄像机作三次俯仰或者作两次俯仰一次扫视来调整摄像机平移运动的姿态，则解存在而且唯一．通过稳定性分析证明前一种方法对误差很敏感，后者则是稳定的．最后给出了采用真实图像的实验结果．     

噪声方差和纹理复杂度分析的源相机识别

针对源相机识别问题,提出了一种利用噪声方差和纹理复杂度分析的源相机识别新方法。首先围绕CFA插值和小波去噪,讨论了传统的模式噪声提取方法的不足,接着重点讨论利用噪声方差以及根据模糊聚类去除高纹理复杂区域进行模式噪声提取的新方法。实验表明所提取的模式噪声不仅能更好地反映数码相机的模式噪声特性,而且对来自三种不同相机的照片的平均识别率提高了近6.3%。     

Digital camera identification from sensor pattern noise

In this paper, we propose a new method for the problem of digital camera identification from its images based on the sensor's pattern noise. For each camera under investigation, we first determine its reference pattern noise, which serves as a unique identification fingerprint. This is achieved by averaging the noise obtained from multiple images using a denoising filter. To identify the camera from a given image, we consider the reference pattern noise as a spread-spectrum watermark, whose presence in the image is established by using a correlation detector. Experiments on approximately 320 images taken with nine consumer digital cameras are used to estimate false alarm rates and false rejection rates. Additionally, we study how the error rates change with common image processing, such as JPEG compression or gamma correction.     

Rebuilding the credibility of sensor-based camera source identification

The origin information of an image is important in image forensic area. One of the most effective methods to link an image to its source camera is the sensor-based camera source identification (CSI). However, recent studies show that the signature that CSI based on can be easily removed or substituted, which questioned the credibility of the CSI results. To rebuild the credibility of the CSI method, in this paper, we introduce a simple yet effective countermeasure against potential attacks based on noise level estimation. Experimental results show the ability of the proposed method to capture the traces left by anti-forensic methods. Take into account the low complexity, the proposed method is very suitable to be a patch on the traditional CSI method.