学位论文 > 优秀研究生学位论文题录展示

基于数码相机的非侵入式图像源辨识研究

作　者: 王庚中
导　师: 郎文辉
学　校: 合肥工业大学
专　业: 信号与信息处理
关键词: 数字图像源非侵入式辨识传感器模式噪声相关性系数滤波 JPEG压缩
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 34次
引　用: 0次
阅　读: 论文下载

内容摘要

数码信息技术的迅速发展,使得很多用户偏爱数码电子成像设备拍摄图片和影像,数字图像已广泛融入诸多领域并成为重要的信息媒体。若频繁出现摄影作品版权纠纷、法庭数字取证等法律案件,无疑给社会造成严重隐患,相应的司法部门也亟需对数字图像源进行追踪和辨识。面对上述突出的社会问题及技术需求,本文将对新兴非侵入式数字图像源辨识技术进行研究,该方法无需人为嵌入识别信息,仅根据图像自身特征便可追溯图像的成像设备,对维护司法公正和规范网络媒体等众多方面均有重要意义。将采用理论分析与实验检验相结合的方法,围绕非侵入式图像源辨识问题的理论和关键技术展开研究,论文的主要研究内容及创新之处如下:1、阐述了非侵入式数字图像源辨识技术的研究背景、数字图像取证的相关概念及目前国内外研究现状等。然后分析数码相机的非侵入式图像源辨识的研究进展、应用前景等,并对现有相关文献进行归纳和总结,讨论了现阶段非侵入式图像源辨识面临的实际问题、理论模型和系统框架。2、通过介绍数码相机成像流程及工作原理,对传感器成像时嵌入到图像信息的噪声类型进行详细分析。随后对基于相机传感器模式噪声的图像源辨识方法进行系统的概括和总结,并在此思路上提出了基于局部传感器模式噪声相关性匹配原理的非侵入式图像源辨识的方案流程,具体包括图像传感器模式噪声的有效提取、相关性匹配度量、检测与验证、图像源分类辨识等环节,为司法取证工作提供辅助依据。3、针对传统滤波方法提取传感器模式噪声时,引入了过多的图像场景污迹等问题,同时也为提高被检图像局部区域较小时的辨识率,提出基于双域联合滤波的传感器模式噪声提取算法,该方法利用小波变换域的去相关性和局部自适应双边滤波的边缘保持特性。在综述现有辨识方法的基础上,通过数字图像单通道颜色分量滤波前后的残差矩阵获得该图像的近似传感器模式噪声,再用实验相机的参考模式噪声构建基于最大相关性原理的分类器实现图像源辨识。后续实验还比较了彩色图像不同颜色分量及亮度分量的传感器模式噪声提取效果,结果表明提出方法能有效降低过多场景污迹对传感器模式噪声提取质量和辨识率的影响。4、被检图像区域较大时的传感器模式噪声相对丰富,甚至能够克服场景污迹对辨识结果的干扰,研究提出采用基于最小错误概率的贝叶斯估计对图像源辨识时存在的风险进行预测。鉴于相机图像大多保存为JPEG格式,图像传输时还可能进行双重JPEG压缩,本文后续实验针对JPEG压缩及图像校正操作两方面对传感器模式噪声的影响展开分析,实验结果验证了所提方法有较强的抗JPEG压缩能力、稳定性较好,在较大程度上提高了图像源辨识技术在实际应用条件下的潜力。最后对本文所做的工作进行总结,探讨了目前该研究领域尚且存在的问题,并对其未来的发展前景及研究趋势进行了展望。

全文目录

摘要  5-7
ABSTRACT  7-9
致谢  9-14
第一章绪论  14-22
  1.1 课题研究的背景及意义  14-15
  1.2 数字图像取证概述  15-17
  1.3 图像取证的发展现状  17-20
    1.3.1 侵入式图像取证  17-18
    1.3.2 非侵入式图像取证  18-20
  1.4 本文的研究内容及章节安排  20-22
第二章数字图像源的非侵入式辨识  22-29
  2.1 数字成像系统分析  22-24
    2.1.1 相机成像传感器介绍  22
    2.1.2 图像获取途径  22-23
    2.1.3 数码相机成像流程  23-24
  2.2 研究的动机  24-25
  2.3 非侵入式图像源辨识方法归纳  25-27
    2.3.1 基于图像统计特征的辨识方法  25-26
    2.3.2 基于成像设备通道特性的辨识方法  26
    2.3.3 基于传感器缺陷噪声的辨识方法  26-27
  2.4 面临的挑战  27-28
  2.5 本章小结  28-29
第三章基于SPN 的图像源辨识框架  29-37
  3.1 图像噪声分析  29-31
    3.1.1 噪声产生条件  29
    3.1.2 噪声成分  29-30
    3.1.3 SPN 特性  30-31
  3.2 利用SPN 追踪图像源的可行性  31
  3.3 图像降噪与SPN 估计  31-32
  3.4 辨识理论框架  32-36
    3.4.1 测试图像数据要求  32-33
    3.4.2 图像SPN 的提取过程  33-34
    3.4.3 相机参考模式噪声估计  34-35
    3.4.4 相关性度量与决策分类  35
    3.4.5 图像源辨识框架  35-36
  3.5 本章小结  36-37
第四章利用局部区域SPN 的非侵入式图像源辨识  37-57
  4.1 传统方法的不足  37
  4.2 SPN 提取算法的流程  37-38
  4.3 算法设计  38-41
  4.4 实验方案设计  41-45
    4.4.1 成像设备及其参数  41-42
    4.4.2 局部区域SPN 相关性匹配  42-43
    4.4.3 选取图像绿色分量  43-44
    4.4.4 局部区域SPN 的获取  44
    4.4.5 构建基于最大相关性的分类器  44-45
  4.5 实验结果分析  45-55
    4.5.1 SPN 获取效果的初步验证  45-46
    4.5.2 相机参考模式噪声的特性  46-47
    4.5.3 基于局部区域SPN 的图像源辨识  47-50
    4.5.4 相关性的聚类分析  50-54
    4.5.5 最小错误率的贝叶斯风险预测  54-55
  4.6 本章小结  55-57
第五章 JPEG 压缩对图像SPN 的影响分析  57-71
  5.1 研究图像压缩技术的必要性  57
  5.2 JPEG 概述及其标准  57-58
  5.3 JPEG 压缩原理  58-60
    5.3.1 前期处理过程  58-59
    5.3.2 正向离散余弦变换  59
    5.3.3 系数量化与编码  59-60
  5.4 实验方案设计  60-61
    5.4.1 所用相机及其附加参数  60
    5.4.2 JPEG 压缩实验流程  60-61
  5.5 实验结果分析  61-69
    5.5.1 压缩因子与SPN 相关性的影响  61-63
    5.5.2 相关性与压缩因子的函数关系  63-64
    5.5.3 JPEG 压缩图像的辨识率分析  64-66
    5.5.4 图像校正对辨识的影响  66-69
  5.6 本章小结  69-71
第六章结论与展望  71-74
  6.1 论文工作的总结  71-72
  6.2 未来研究方向  72-74
参考文献  74-79
攻读硕士学位期间发表的论文  79-80

基于数码相机的非侵入式图像源辨识研究

内容摘要

全文目录

相似论文