CN103208013B - 一种基于图像噪声分析的照片来源识别方法 - Google Patents

Abstract

本发明涉及图像鉴别领域，尤其涉及基于图像噪声分析的照片来源识别方法。包括以下步骤：步骤1：构建模式噪声数据库；步骤2：将待测图像通过小波变换得到去除噪声之后的图像；步骤3：将所述的除去噪声之后的图像和所述的待测图像相减，得到该图像的模式噪音；步骤4：通过K近邻法判定该图像所属相机源。本发明通过对图像的噪声分析便可以准确定位照片的来源，提高了正确率。

Description

一种基于图像噪声分析的照片来源识别方法

技术领域

本发明涉及图像鉴别领域，尤其涉及基于图像噪声分析的照片来源识别方法。

背景技术

随着数码相机在大众中的普及，以及图像处理的方式趋于多样化和复杂化，如何快速准确的鉴别数字图像的来源成为了一个在刑侦学中亟待解决的问题。鉴别图像来源，是指仅通过一幅或多幅图片，确定该照片是由何种型号的相机拍摄而成。一种较为简单的方法是通过图像文件的自带头信息来搜寻有关图像来源的线索，而这种方法并未考虑到图像的头信息会被更改的问题，导致往往不能正确的识别图像的来源。

发明内容

本发明的目的是提供一种基于图像噪声分析识别图像来源的方案，从而提高图像来源识别的准确率。

本发明所采取的技术方案是：一种基于图像噪声分析的照片来源识别方法，其特征在于，包括以下步骤：

步骤1：构建模式噪声数据库，其实现方法包括以下子步骤：

步骤1.1：确定待构建模式噪声数据库的相机类型，构建包含共计n种相机的模式噪声数据库{ω₁,ω₂,...,ω_n}，其中ω_i表示所述的模式噪声数据库中的第i种类型的相机，1≤i≤n；

步骤1.2：选择N幅未经处理的所述的相机ω_i所拍摄的待测图像，其中N≥50；

步骤1.3：将所述的相机ω_i所拍摄的待测图像Y_j通过小波变换得到去除噪声之后的图像样本F_σ(Y_j)，1≤j≤N；

步骤1.4：将所述的除噪声之后的图像样本F_σ(Y_j)与所述的待测图像Y_j相减，得所述的原待测图像Y_j的模式噪声Y_j-F_σ(Y_j)；

步骤1.5：重复所述的步骤2、3，将所述的N幅待测图像的模式噪声提取出来作为判定样本，记为{x₁,x₂,...,x_N}，构成所述的相机ω_i的模式噪声数据库；

步骤1.6：重复所述的步骤1、2、3、4、5，构建出包含共计n种相机的模式噪声数据库{ω₁,ω₂,...,ω_n}，得到n个样本集；

步骤2：将待测图像Y通过小波变换得到去除噪声之后的图像F_σ(Y)；

步骤3：将所述的除去噪声之后的图像F_σ(Y)和所述的待测图像Y相减，得到该图像的模式噪声Y-F_σ(Y)，记为待分类样本x；

步骤4：将所述的待分类样本x，在所述的模式噪声数据库{ω₁,ω₂,...,ω_n}的n个样本集中找出它的k个近邻，设k个样本中属于第i类的为k_i个(i=1,2,...,n)，即：

k=k₁+k₂+...+k_n

定义判别函数：

g_i(x)=k_i (i=1,2,...,n)

判决准则为

若g_j(x)=maxk_i，则x∈ω_j(j=1,2,...,n)

则所述的待测图像Y属于所述的ω_j类型相机。

作为优选，所述的选择N幅未经处理的所述的相机ω_i所拍摄的待测图像，为正常曝光条件下的未经后期处理的分辨率相同的图像，其中N≥50。

本发明的技术方案着手于图像中的模式噪声。该方法之所以有效是由于不同型号的相机由于生产线的不同，导致其成像传感器上的瑕疵点不同，进而反映在该相机所拍摄所有图像的噪声上。此外，图像的噪声在后期难以通过Photoshop等软件进行处理。综上所述，通过对图像的噪声分析便可以准确定位照片的来源，提高了正确率。

附图说明

图1：本发明的工作原理流程图。

图2：本发明的模式噪声数据库构建流程图。

具体实施方式

下面结合附图和具体实施例进一步陈述本发明的技术方案。

请见图1、图2，本发明所采取的技术方案是：一种基于图像噪声分析的照片来源识别方法，包括以下步骤：

步骤1：构建模式噪声数据库，其实现方法包括以下子步骤：

步骤1.1：确定待构建模式噪声数据库的相机类型，构建包含共计n种相机的模式噪声数据库{ω₁,ω₂,...,ω_n}，其中ωi表示模式噪声数据库中的第i种类型的相机，1≤i≤n；

步骤1.2：选择N幅未经处理的相机ω_i所拍摄的待测图像，待测图像为正常曝光条件下的未经后期处理的图像；每种类型的相机的数据库应由至少50幅分辨率相同的图像组成。每幅待测图像为M×N×3数组，其中M×N为该幅待测图像的像素数量，3代表RGB图像的3个分量。

步骤1.3：将相机ω_i所拍摄的待测图像Y_j通过小波变换得到去除噪声之后的图像样本F_σ(Y_j)，1≤j≤N；其中，小波变换的具体方法为现有技术，本发明不再赘述；

步骤1.4：将除噪声之后的图像样本F_σ(Y_j)与待测图像Y_j相减，得原待测图像Y_j的模式噪声Y_j-F_σ(Y_j)；具体实现方法为：

将待测图像Y_j每个像素点[R_i,G_i,B_i]与去噪之后的图像样本F_σ(Y_j)对应像素F_σ([R_i,G_i,B_i])相减，得到每个像素的模式噪声[R_i,G_i,B_i]-F_σ([R_i,G_i,B_i])记作[FR_i,FG_i,FB_i]，其中：1≤i≤M×N；

步骤1.5：重复步骤2、3，将N幅待测图像的模式噪声提取出来作为判定样本，记为{x₁,x₂,...,x_N}，构成相机ω_i的模式噪声数据库；

步骤1.6：重复步骤1、2、3、4、5，构建出包含共计n种相机的模式噪声数据库{ω₁,ω₂,...,ω_n}，得到n个样本集；

步骤2：将待测图像Y通过小波变换得到去除噪声之后的图像F_σ(Y)；

步骤3：将除去噪声之后的图像F_σ(Y)和待测图像Y相减，得到该图像的模式噪声Y-F_σ(Y)，记为待分类样本x；

步骤4：将待分类样本x，在模式噪声数据库{ω₁,ω₂,...,ω_n}的n个样本集中找出它的k个近邻，设k个样本中属于第i类的为k_i个(i=1,2,...,n)，即：

k=k₁+k₂+...+k_n

定义判别函数：

g_i(x)=k_i (i=1,2,...,n)

判决准则为

若g_j(x)=maxk_i，则x∈ω_j(j=1,2,...,n)

则待测图像Y属于ω_j类型相机。具体实现方法为：

每个像素点p_i提取出的模式噪声为一个三维矩阵[R_i',G_i',B_i']，通过公式

计算出待测图像Y的每个像素点与每个判定样本的对应像素点的欧氏距离。比较这些距离，在N个判定样本中找出它的k个近邻，设k个样本中属于第i类的为k_i个(i=1,2,...,n)，即：

k=k₁+k₂+...+k_n

定义判别函数：

g_i(x)=k_i (i=1,2,...,n)

判决准则为

若g_j(x)=maxk_i，则x∈ω_j(j=1,2,...,n)

则待测图像Y属于ω_j类型相机。

Claims (1)

1.一种基于图像噪声分析的照片来源识别方法，其特征在于，包括以下步骤：

步骤1：构建模式噪声数据库，其实现方法包括以下子步骤：

步骤1.1：确定待构建模式噪声数据库的相机类型，构建包含共计n种相机的模式噪声数据库{ω₁,ω₂,...,ω_n}，其中ω_i表示所述的模式噪声数据库中的第i种类型的相机，1≤i≤n；

步骤1.2：选择N幅未经处理的所述的相机ω_i所拍摄的待测图像，为正常曝光条件下的未经后期处理的分辨率相同的图像，其中N≥50；

步骤1.3：将所述的相机ω_i所拍摄的待测图像Y_j通过小波变换得到去除噪声之后的图像样本F_σ(Y_j)，1≤j≤N；

步骤1.4：将所述的除噪声之后的图像样本F_σ(Y_j)与所述的待测图像Y_j相减，得所述的原待测图像Y_j的模式噪声Y_j-F_σ(Y_j)；

步骤1.5：重复所述的步骤1.2、1.3，将所述的N幅待测图像的模式噪声提取出来作为判定样本，记为{x₁,x₂,...,x_N}，构成所述的相机ω_i的模式噪声数据库；

步骤1.6：重复所述的步骤1.1、1.2、1.3、1.4、1.5，构建出包含共计n种相机的模式噪声数据库{ω₁,ω₂,...,ω_n}，得到n个样本集；

步骤2：将待测图像Y通过小波变换得到去除噪声之后的图像F_σ(Y)；

步骤3：将所述的除去噪声之后的图像F_σ(Y)和所述的待测图像Y相减，得到该图像的模式噪声Y-F_σ(Y)，记为待分类样本x；

步骤4：将所述的待分类样本x，在所述的模式噪声数据库{ω₁,ω₂,...,ω_n}的n个样本集中找出它的k个近邻，设k个样本中属于第i类的为k_i个(i＝1,2,...,n)，即：

k＝k₁+k₂+...+k_n

定义判别函数：

g_i(x)＝k_i (i＝1,2,...,n)

判决准则为

若g_j(x)＝maxk_i，则x∈ω_j(j＝1,2,...,n)

则所述的待测图像Y属于所述的ω_j类型相机。