[發明專利]一種基于樣本錯配訓練的圖像PRNU噪聲提純方法及系統

在審

• 申請號: 202011132031.4
• 申請日: 2020-10-21
• 公開（公告）號: CN112233035A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 田華偉;郝昕澤;肖延輝;唐云祁
• 申請（專利權）人: 中國人民公安大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T9/00;G06N3/08;G06N3/04
• 代理公司: 北京天悅專利代理事務所(普通合伙) 11311
• 代理人: 田明;楊方

本發明公開了一種基于樣本錯配訓練的圖像PRNU噪聲提純方法及系統，方法包括：S100、獲取同一數字圖像傳感器的多個噪聲圖像，形成深度堆疊自編碼器的訓練集；S200、基于深度堆疊自編碼器的訓練集、樣本錯配的訓練技術和人工神經網絡，訓練得到深度堆疊自編碼器模型；S300、獲取某一數字圖像傳感器的噪聲圖像作為待提純的PRNU噪聲圖像，將待提純的PRNU噪聲圖像輸入深度堆疊自編碼器模型進行提純，得到提純后的高質量PRNU噪聲。本發明在原始圖像成像傳感器噪聲的基礎上進一步提純，得到更高質量的PRNU噪聲。

技術領域

本發明涉及圖像處理領域，具體涉及一種基于樣本錯配訓練的圖像PRNU噪聲提純方法及系統。

背景技術

當前，每天通過社交媒體生成和分享的視頻和圖像數量正在迅速增長，這主要得益于便捷的視聽記錄技術和移動互聯網技術。而這些技術也為不法分子拍攝、傳播含有非法信息的圖像、視頻提供了便利。而在數字圖像取證領域需要解決如何鑒定數字圖像的真實性和完整性、如何確定圖像成像設備即判斷圖像的拍攝相機等問題。

近些年，國內外學者已經對數字圖像來源取證技術進行了大量、深入的研究，并取得了一定的研究結果，當前主要包括主動和被動式取證兩種技術。主動式取證技術要求在數字圖像中添加識別信息，然后進行主動識別。被動式取證技術的主要原理是:成像設備由于受到設備內部的軟件(如去噪、增強、壓縮處理等)，硬件(數碼相機/錄像機傳感器特性、CFA結構等)以及自然場景(如相鄰圖像像素/圖像幀間的強相關性等)的影響，那些原始的沒有經過任何處理的數字圖像往往會帶有某些固有的統計規律，這種規律會因成像設備不同而存在差異。因此，它可以作為數字圖像一種天然的“水印”信息，用以數字圖像來源等取證工作。主動式取證技術由于需要事先將數字水印等信息添加到圖像中，容易受到更改，并且在未預先添加數字水印等信息時具有較大的局限性。因此，被動式取證技術是數字圖像來源取證技術未來的發展方向以及研究熱點。其中，一種基于數字圖像成像傳感器模式噪聲(Sensor Pattern Noise，SPN)的被動式取證技術取得了較大的成功，其原理是圖像傳感器在成像時會不可避免地產生一種傳感器模式噪聲，SPN主要由光照響應不一致性(Photo-Response Non-Uniformity，PRNU)噪聲組成，并且PRNU噪聲是由圖像傳感器自身制造工藝的缺陷和硅晶片的非均勻性性引起的，使得PRNU噪聲對于每一個成像設備是唯一的，且不會受到外界環境的影響，因此這種傳感器噪聲非常適合作為成像設備的固有“指紋”，用以數字圖像取證工作。

發明內容

針對現有技術中存在的缺陷，本發明的目的在于提供一種基于樣本錯配訓練的圖像PRNU噪聲提純方法及系統，在原始圖像成像傳感器噪聲的基礎上進一步提純，得到更高質量的PRNU噪聲。

為實現上述目的，本發明采用的技術方案如下：

一種基于樣本錯配訓練的圖像PRNU噪聲提純方法，包括：

S100、獲取同一數字圖像傳感器的多個噪聲圖像，形成深度堆疊自編碼器的訓練集；

S200、基于所述深度堆疊自編碼器的訓練集、樣本錯配的訓練技術和人工神經網絡，訓練得到深度堆疊自編碼器模型；

S300、獲取某一數字圖像傳感器的噪聲圖像作為待提純的PRNU噪聲圖像，將其輸入所述深度堆疊自編碼器模型進行提純，得到提純后的高質量PRNU噪聲圖像。

進一步，如上所述的基于樣本錯配訓練的圖像PRNU噪聲提純方法，步驟S100包括：

S101、對同一數字圖像傳感器拍攝的多個圖像進行降噪處理，計算得到所述多個圖像的噪聲殘差；

S102、基于所述多個圖像的噪聲殘差和最大似然估計法，計算得到每個圖像的噪聲的最大似然估計值作為對應的噪聲圖像。