基于压缩PRNU相机识别与图像检索技术研究.pdfVIP

基于压缩PRNU相机识别与图像检索技术研究.pdf

相机识别与基于压缩PRNU的图像检索（伴生ID：337）

迭戈·瓦尔塞西亚，·科卢奇亚，蒂齐亚诺·比亚钦，恩里科·

意大利都灵理工大学‑DET，Italy{name.surname}@polito.it

减少匹配复杂度的方法。上，PRNU模式具有非常

传感器的不完美形式为光响应非均匀性（PRNU）高的维度，其像素数量与相机传感器及其噪声特性一样

模式，这是一种将与其相机传感器关联起来的多，这使得它们难以压缩。由于像噪声一样，压缩时没

技术。PRNU模式的噪声特性使其难以压缩，从而有可利用的冗余性，也没有可识别的特征允许紧凑地表

了许多需要大量或通过带宽受限的通道进示它们。此外，即使从同一相机的中提取的模式通

行实时相机匹配的应用。，在[1]我们提出了一种常也表现出低相关性。

基于固定数量的量化随机投影的PRNU紧凑表示方

在[1],中，我们研究了使用随机投影来压缩

法，这导致了极其紧凑的表示。结果表明，随机投

PRNU模式，并显示它们在压缩比和匹配复杂度方面始

影在压缩方面明显优于其他技术。在本次演示中，

终优于其他现有技术，重点关注相机识别的经典场景

我们展示了压缩的两种潜在应用，即相机识别和大

（另见[3]）。在本演示的配套[4,（ID337]）

规模图像检索。

中，我们研究了所压缩技术在图像检索问题中的

性能，这涉及从单个图像提取的大量估计值，

并使用从一个或多个已知来自同一相机的图像中提取的

相机查询系统。量化随机投影似乎是改进基于相机

1.引言的当前系统并解决迄今为止被忽视的大规模应用的

最有前途的解决方案。在这次演示中，我们展示了通过

PRNU模式是一种已建立的技术，用于将与其拍摄相随机投影使用压缩的两个潜在应用。第一个是相机

机关联起来[2]。它们主要用于审判中证明已知相机拍摄识别，描述于第2.1节。第二个是图像检索，描述于第

了特定图像。这种用例关注于通过尽可能降低误报概率2.2节。

来实现最佳检测性能。它也是一个小规模问题，通常涉

及从中提取的估计值与已知相机之间的一

对一比较。然而，可以设想出几种有趣的应用，这些应

用可以从建立与拍摄它们的相机之间的联系中受2.演示

益。例如，在大规模上执行相机识别，其中数百万

2.1.相机识别

个相机，并需要检测数据库中的哪个相机拍摄了特

定查询图像。或者，可以设想一个相机搜索引擎，该引我们建议使用实值或二进制随机投影来有效压缩，