非抽样Contourlet变换去噪滤波器设计的源相机识别.docVIP

非抽样Contourlet变换去噪滤波器设计的源相机识别 摘 要: 　　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%。 　　关键词: 　　数字图像取证;源相机识别;模式噪声;非抽样Contourlet变换;NeymanPearson准则 　　中图分类号: 　　TP301.6 　　 文献标志码:A 　　 　　Source camera identification based on nonsubsampled Contourlet transform denoising filter design 　　 　　CHEN Zongmin*, ZHOU Zhiping 　　 　　School of IoT Engineering, Jiangnan University, Wuxi Jiangsu 214122, China 　　Abstract: 　　Because obvious noise will occur when source camera identification and wavelet filters are getting the residual noise in the image scene, a new method for the extraction of pattern noise was proposed based on Nonsubsampled Contourlet Transform (NSCT). According to the process of source camera identification, the deficiencies of waveletbased filter for the extraction of pattern noise were discussed first. And then, the discussion focused on the design of NSCTbased filter to extract pattern noise. The experimental results show that NSCTbased filter not only restrains the scene noise obviously, but also improves the average identification rate with 3.7% for identifying images from three different cameras compared to waveletbased filter. 　　Key words: 　　digital image forensics; source camera identification; pattern noise; Nonsubsampled Contourlet Transform (NSCT); NeymanPearson criterion 　　 　　0 引言 　　随着信息技术的发展，数字图像取证技术越来越体现出它的价值，而数字图像来源取证作为数字图像取证技术的一个主要议题正扮演着重要的角色。在过去不到十年的时间里，国内外学者提出各种方法来实现数字图像来源取证。Kharrazi等［1］提取颜色、图像质量和小波系数共34个统计特征对图像的来源进行分类识别。Popescu等［2］通过最大期望(ExpectationMaximization, EM)算法检测在数码相机成像过程中由 　　彩色滤波阵列(Color Filter Array, CFA) 　　插值所引入了的周期相关性，并进行插值取证。Lukas和Fridrich等［3-4］提出利用成像传感器模式噪声(PhotoResponse NonUniformity, PRNU)来识别数码相机。模式噪声由成像传感器的非均匀性和不完美性所导致，它是成像设备的内部固有特性，对指定的成像设备具有相对稳定性和唯一性，因此将其称为机器指纹或机器印痕，在图像来源取证中具有明显的优势。 　　目前，对模式噪声的提取主要采用文献［3］中设计的小波维纳滤波器。将原始图像减去其低通滤波之后的图像得到残留噪声图像，将多幅残留噪声图像进行平均作为模式噪声的近似。该方法虽然具