本發(fā)明涉及一種圖像取證技術(shù)，尤其是涉及一種使用空域平滑濾波的數(shù)字照片圖像來源識別方法。
背景技術(shù)：
：隨著數(shù)碼相機(jī)、數(shù)碼攝像機(jī)，尤其是帶拍照功能的智能手機(jī)等各種攝影產(chǎn)品的普及，數(shù)字照片圖像在人們的日常生活中得到了廣泛使用。作為一種重要的信息載體，數(shù)字照片圖像在新聞報(bào)道、科學(xué)研究、保險(xiǎn)申訴調(diào)查、犯罪調(diào)查以及情報(bào)分析等領(lǐng)域發(fā)揮著重要的作用。然而，在這些特殊場合，如何保證作為證據(jù)的數(shù)字照片圖像來源的可靠，一直是一個具有挑戰(zhàn)性的研究課題。對數(shù)字照片圖像來源進(jìn)行鑒別時(shí)，最直觀和最簡單的方法就是查看數(shù)字照片圖像的EXIF(ExchangeImageFile，可交換圖像文件)，但是隨著一些功能強(qiáng)大的圖像編輯軟件的出現(xiàn)，更改EXIF信息已變得非常容易。一些生產(chǎn)商采用在數(shù)碼相機(jī)中嵌入不可見的脆弱水印的方法來保護(hù)數(shù)字照片圖像的真實(shí)性和完整性，然而此種做法不僅會影響數(shù)字照片圖像的質(zhì)量，而且成本過高，目前大多數(shù)品牌的數(shù)碼相機(jī)都沒有采用該技術(shù)。隨著數(shù)字照片圖像取證技術(shù)研究的深入，研究者們把注意力從主動取證轉(zhuǎn)移到從數(shù)字照片圖像中尋找數(shù)碼相機(jī)內(nèi)在特性的被動取證上。一般而言，每幅數(shù)字照片圖像的形成都要經(jīng)歷感光、成像和圖像信號處理等一系列硬件和軟件操作，雖然這些操作會不可避免地對數(shù)字照片圖像中的像素點(diǎn)產(chǎn)生負(fù)面影響，但是同時(shí)也為數(shù)字照片圖像的來源識別提供了思路。如：MehdiKharrazi,NasirMemon.BlindSourceCameraIdentification[C].IEEEInternationalConferenceonImageProcessing2004:709-712.(梅迪·哈拉奇，納西爾·麥蒙，盲源相機(jī)識別[C]，IEEE國際圖像處理會議，2004:709-712)，提出了利用相機(jī)鏡頭徑向失真對數(shù)字照片圖像統(tǒng)計(jì)特性的影響進(jìn)行數(shù)字照片圖像來源認(rèn)證。又如：SevincBayram,NasirMemon.SourcecameraidentificationbasedonCFAinterpolation[C].IEEEInternationalConferenceonImageProcessing,2005,3:III-69-72.(塞維克·拜拉姆，納西爾·麥蒙，基于CFA插值特性的源相機(jī)識別技術(shù)[C]，IEEE國際圖像處理會議，2005,3:III-69-72)，提出了利用不同CFA(ColorFilterArray，色彩濾波陣列)插值算法引起的差異進(jìn)行識別。還如：HanyFarid.BlindInverseGammaCorrection[J].IEEETransactionsonImageProceessing,2001,10:1428-1433(漢尼·福瑞德，盲逆伽瑪校正[J],IEEE圖像處理，2001，第10期：1428-1433)認(rèn)為伽馬校正過程會在數(shù)字照片圖像的頻域引入高階相關(guān)性，利用其估計(jì)每部相機(jī)的校正曲線，從而實(shí)現(xiàn)來源檢測目的。Yu-FengHsu,Shi-FuChang.Detectingimagesplicingusinggeometryinvariantsandcameracharacteristicsconsistency[C].InternationalConferenceonMultimediaandExpo,2006:549-652.(徐堉峰，張士輔，使用幾何不變量和相機(jī)特征一致性檢測圖像拼接[C]，國際多媒體會議，2006:549-652)，提出了利用相機(jī)響應(yīng)函數(shù)識別來源的方法?？紤]到不同的相機(jī)可能采用不同JPEG量化表，MatthewJamesSorrell,DigitalcamerasourceidentificationthroughJPEGquantization[J],InformationScienceReference,2008:291-313.(馬修·詹姆斯·索羅，基于JPEG壓縮的數(shù)字相機(jī)識別[J]，信息科學(xué)參考，2008:291-313)采用量化差異鑒別不同來源的數(shù)字照片圖像。良好的數(shù)字照片圖像來源識別算法應(yīng)該具有高檢測率和強(qiáng)魯棒性，上述方法雖然在一定程度上實(shí)現(xiàn)了識別目的，但是普遍存在計(jì)算復(fù)雜度高、檢測率低的問題。尤其是利用不同CFA插值算法引起的差異進(jìn)行識別的方法和采用量化差異鑒別不同來源的方法，若遇到采用相同插值方式或相同JPEG量化表的相機(jī)時(shí)，對應(yīng)的方法將會失效。經(jīng)過深入研究，JanLukas,JessicaFridrich,andMiroslavGoljan,Digitalcameraidentificationfromsensorpatternnoise,IEEETransactiononInformationForensicsSecurity,2006,1(2):205–214.(簡·盧卡斯，杰西卡·弗里德里希，米羅斯拉夫·格蘭，基于模式噪聲的源相機(jī)識別[J]，IEEE信息與安全，2006，第1期(2):205-214)，提出了一種非常有效的數(shù)字照片圖像來源識別方法——基于相機(jī)的傳感器模式噪聲(SensorPatternNoise，SPN)的數(shù)字照片圖像來源檢測算法。相機(jī)的傳感器模式噪聲主要是由傳感器的制作工藝不完美和材質(zhì)不一致所導(dǎo)致的。由于每部相機(jī)的傳感器模式噪聲都具有唯一性，因此可看作相機(jī)的指紋。一種經(jīng)典的基于模式噪聲的照片來源識別方法主要包括以下步驟：1)通過對一部相機(jī)拍攝的多幅圖像的噪聲殘差進(jìn)行最大似然估計(jì)獲取相機(jī)的傳感器模式噪聲R；2)獲取待測圖像的噪聲殘差W，作為待測圖像的模式噪聲；3)用事先設(shè)置的閾值對待測圖像的模式噪聲W與相機(jī)的傳感器模式噪聲R的相關(guān)性ρ(W,R)進(jìn)行判決，實(shí)現(xiàn)數(shù)字照片圖像的來源識別。然而，在實(shí)際中由于相機(jī)的傳感器模式噪聲是弱信號，容易受到數(shù)字照片圖像的內(nèi)容、CFA插值和JPEG壓縮等不利因素干擾，致使識別結(jié)果不理想。為了消除不利因素影響，改善相機(jī)的傳感器模式噪聲的質(zhì)量，提高來源識別率，研究者提出了多種不同的方法。如：MoChen、JessicaFridrich、MiroslavGoljan.DeterminingImageOriginandIntegrityUsingSensorNoise[J].IEEETransactionsonInformationandSecurity,2008,3(1):74-90.(陳莫、杰西卡·弗里德里希、米羅斯拉夫·格蘭，基于傳感器模式噪聲的圖像來源與完整性檢測[J].IEEE信息與安全.2008，第3期(1):74-90)，其在獲取相機(jī)的傳感器模式噪聲時(shí)，提出使用內(nèi)容平滑(如藍(lán)天)的數(shù)字照片圖像，并在降噪時(shí)使用小波變換方法，消除數(shù)字照片圖像的內(nèi)容影響。在此基礎(chǔ)上，GiovanniChierchia,SaraParrilli,GiovanniPoggi,etal.OntheinfluenceofdenoisinginPRNUbasedforgerydetection[C].InProcessingsecondACMWorkshopMultimediaForensics,2010:117-122.(喬凡尼·基耶爾基亞，薩娃·帕里利，喬凡尼·波吉，不同降噪方法對基于模式噪聲的圖像篡改取證的影響[C]，第二屆ACM多媒體信息取證會議，2010:117-122)和KangXian-gui,ChenJie.Acontext-adaptiveSPNpredictorfortrustworthysourcecameraidentification[J],EURASIPJournalonImageandVideoProcessing,2014,2014(1):1–11.(康顯桂，陳杰.上下文自適應(yīng)傳感器模式噪聲的預(yù)測值得信賴的相機(jī)源辨識[J].歐洲信號處理協(xié)會之圖像與視頻處理雜志，2014，第2014期(1)：1-11)，在降噪時(shí)分別提出采用BM3D(BlockMatching3D，三維塊匹配)和PCAI(PredictorbasedonContextAdaptiveInterpolation，基于上下文自適應(yīng)插值的預(yù)測)等降噪方法，也取得了良好的結(jié)果。對于CFA插值和JPEG壓縮噪聲，ChenM,FridrichJ,GoljanM,etal.DeterminingImageOriginandIntegrityUsingSensorNoise[J].InformationForensics&SecurityIEEETransactionson,2008,3(1):74-90.(陳莫、杰西卡·弗里德里希、米羅斯拉夫·格蘭，基于傳感器模式噪聲的圖像來源與完整性檢測[J].IEEE信息取證與安全.2008，第3期(1):74-90)，提出了零均值化法(zero-mean，ZM)和維納濾波(Wienerfilter，WF)的方法。LinX,LiC.-T.PreprocessingReferenceSensorPatternNoiseviaSpectrumEqualization[J].IEEETransactionsonInformationForensicsandSecurity,2016,11(1):126-140.(林旭、李長純，基于頻譜均衡方法處理參考相機(jī)傳感器模式噪聲[J]，IEEE信息取證與安全，2016，第11期(1):126-140)，提出了只利用綠色通道數(shù)據(jù)獲取相機(jī)的傳感器模式噪聲，以此消除CFA插值的影響，然后采用頻譜均衡化法(SpectrumEqualizationAlgorithm，SEA)抑制JPEG壓縮噪聲。HuYong-jian,YuBing-hua,JianChao,Sourcecameraidentificationusinglargecomponentsofsensorpatternnoise[C].inprocessingsecondinternationalConferenceCompute,2009:1-5.(胡永健，俞兵華，簡超，使用模式噪聲大分量的源相機(jī)識別[C]，第二屆國際計(jì)算會議，2009:1-5)，其認(rèn)為相機(jī)的傳感器模式噪聲中的大分量更能代表相機(jī)的傳感器模式噪聲，為消除干擾因素，建議在識別數(shù)字照片圖像設(shè)備來源時(shí)將相機(jī)的傳感器模式噪聲中的像素點(diǎn)按像素值的大小進(jìn)行排序，只利用像素值最大的一部分像素點(diǎn)(如前10％)?？紤]到相機(jī)的傳感器模式噪聲是弱信號，LiC.-T.Sourcecameraidentificationusingenhancedsensorpatternnoise[J].IEEETransactionsonInformationForensicsandSecurity,2010,5(2):280-287.(李長純，基于增強(qiáng)模式噪聲的源相機(jī)識別[J]，IEEE信息取證與安全，2010，第5期(2):280-287)，提出六種模型用于增強(qiáng)數(shù)字照片圖像的模式噪聲。上述這些方法雖然都能改善相機(jī)的傳感器模式噪聲的質(zhì)量，但是未能完全消除數(shù)字照片圖像生成過程中的JPEG壓縮噪聲，致使識別效果提高有限，且對抵抗JPEG二次壓縮的魯棒性較差?；谝陨显颍瑸榱讼齁PEG壓縮噪聲，改善相機(jī)的傳感器模式噪聲的質(zhì)量，提高來源識別率，有必要研究一種考慮JPEG壓縮影響的數(shù)字照片圖像來源識別方法。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問題是提供一種使用空域平滑濾波的數(shù)字照片圖像來源識別方法，其能夠同時(shí)有效消除CFA插值和JPEG壓縮噪聲的干擾，能夠有效改善相機(jī)的傳感器模式噪聲的質(zhì)量，提高來源識別率，且對抵抗較低的JPEG壓縮具有較強(qiáng)的魯棒性。本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：一種使用空域平滑濾波的數(shù)字照片圖像來源識別方法，其特征在于包括以下步驟：①獲取N幅原始數(shù)字照片圖像，將獲取的第n幅原始數(shù)字照片圖像記為Iorg,n；并任意選取一幅數(shù)字照片圖像作為待識別照片圖像，記為Itest；其中，N≥2，1≤n≤N，獲取每幅原始數(shù)字照片圖像所采用的相機(jī)與Itest所聲明的來源相機(jī)為同一部相機(jī)，每幅原始數(shù)字照片圖像和Itest的尺寸大小相同，且寬度為col、高度為row；②獲取每幅原始數(shù)字照片圖像的降噪圖像，將Iorg,n的降噪圖像記為I'org,n；然后根據(jù)每幅原始數(shù)字照片圖像及其降噪圖像，獲取每幅原始數(shù)字照片圖像的噪聲殘差圖像，將Iorg,n的噪聲殘差圖像記為Worg,n，將Worg,n中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值記為Worg,n(i,j)，Worg,n(i,j)＝Iorg,n(i,j)-I'org,n(i,j)；接著根據(jù)所有原始數(shù)字照片圖像的噪聲殘差圖像，獲取相機(jī)的傳感器模式噪聲，記為R；再消除R中的CFA插值噪聲，得到相機(jī)的無CFA插值噪聲的傳感器模式噪聲，記為R'；其中，1≤i≤col,1≤j≤row，Iorg,n(i,j)表示Iorg,n中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，I'org,n(i,j)表示I'org,n中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值；同樣，獲取Itest的降噪圖像，記為I'test；然后根據(jù)Itest及I'test，獲取Itest的噪聲殘差圖像，記為Wtest，將Wtest中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值記為Wtest(i,j)，Wtest(i,j)＝Itest(i,j)-I'test(i,j)；接著將Wtest作為Itest的傳感器模式噪聲；再消除Wtest中的CFA插值噪聲，得到Itest的無CFA插值噪聲的傳感器模式噪聲，記為W'test；其中，Itest(i,j)表示Itest中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，I'test(i,j)表示I'test中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值；③隨機(jī)生成一幅寬度為col且高度為row的標(biāo)準(zhǔn)高斯白噪聲圖像，記為G；然后根據(jù)G在空域?qū)'進(jìn)行空域平滑濾波處理，獲得相機(jī)的最終的傳感器模式噪聲，記為R*；同樣，根據(jù)G在空域?qū)'test進(jìn)行空域平滑濾除處理，獲得Itest的最終的傳感器模式噪聲，記為W*test；④采用SPCE方法計(jì)算W*test與R*的相關(guān)性，記為SPCE(W*test,R*)；⑤用事先設(shè)置的Itest所聲明的來源相機(jī)下的相關(guān)性判別閾值對SPCE(W*test,R*)進(jìn)行判決，若SPCE(W*test,R*)大于或等于相關(guān)性判別閾值，則判定Itest來自其所聲明的來源相機(jī)；若SPCE(W*test,R*)小于相關(guān)性判別閾值，則判定Itest來自非其所聲明的來源相機(jī)，即Itest來自其它相機(jī)。所述的步驟②中獲取每幅原始數(shù)字照片圖像的降噪圖像和獲取Itest的降噪圖像所采用的方法為小波降噪處理方法；所述的步驟②中采用最大似然估計(jì)法對所有原始數(shù)字照片圖像的噪聲殘差圖像進(jìn)行處理，獲得R；所述的步驟②中采用零均值化法對R進(jìn)行處理以消除R中的CFA插值噪聲，獲得R'；所述的步驟②中采用零均值化法對Wtest進(jìn)行處理以消除Wtest中的CFA插值噪聲，獲得W'test。所述的步驟③中根據(jù)G在空域?qū)'進(jìn)行空域平滑濾波處理獲得R*及根據(jù)G在空域?qū)'test進(jìn)行空域平滑濾除處理獲得W*test的具體過程為：③_1、對G的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；同樣，對R'的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；同樣，對W'test的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；③_2、計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的方差，得到對應(yīng)的方差圖像，記為varG，varG的寬度為col且高度為row；同樣，計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的方差，得到對應(yīng)的方差圖像，記為varR，varR的寬度為col且高度為row；同樣，計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的方差，得到對應(yīng)的方差圖像，記為varW，varW的寬度為col且高度為row；然后計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值與中對應(yīng)位置的區(qū)域塊中的所有像素點(diǎn)的像素值之間的協(xié)方差，得到對應(yīng)的協(xié)方差圖像，記為covGR，covGR的寬度為col且高度為row；同樣，計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值與中對應(yīng)位置的區(qū)域塊中的所有像素點(diǎn)的像素值之間的協(xié)方差，得到對應(yīng)的協(xié)方差圖像，記為covGW，covGW的寬度為col且高度為row；③_3、計(jì)算中的每個區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第一系數(shù)和第二系數(shù)，將中左上角像素點(diǎn)的坐標(biāo)位置為(i,j)的區(qū)域塊與中左上角像素點(diǎn)的坐標(biāo)位置為(i,j)的區(qū)域塊之間的第一系數(shù)和第二系數(shù)記為aR(i,j)和bR(i,j)，然后將中的所有區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第一系數(shù)構(gòu)成第一系數(shù)圖像，記為aR，aR的寬度為col且高度為row；并將中的所有區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第二系數(shù)構(gòu)成第二系數(shù)圖像，記為bR，bR的寬度為col且高度為row；其中，1≤i≤col,1≤j≤row，covGR(i,j)表示covGR中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，varG(i,j)表示varG中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，ξ為懲罰因子；同樣，計(jì)算中的每個區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第一系數(shù)和第二系數(shù)，將中左上角像素點(diǎn)的坐標(biāo)位置為(i,j)的區(qū)域塊與中左上角像素點(diǎn)的坐標(biāo)位置為(i,j)的區(qū)域塊之間的第一系數(shù)和第二系數(shù)記為aW(i,j)和bW(i,j)，然后將中的所有區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第一系數(shù)構(gòu)成第一系數(shù)圖像，記為aW，aW的寬度為col且高度為row；并將中的所有區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第二系數(shù)構(gòu)成第二系數(shù)圖像，記為bW，bW的寬度為col且高度為row；其中，covGW(i,j)表示covGW中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值；③_4、對aR的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；接著計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；同樣，對bR的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；接著計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；同樣，對aW的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；接著計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；同樣，對bW的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；接著計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；③_5、獲取R*，將R*中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值記為R*(i,j)，其中，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，G(i,j)表示G中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值；同樣，獲取W*test，將W*test中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值記為W*test(i,j)，其中，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值。所述的步驟③_3中取ξ＝0.75。所述的步驟④中其中，sign()為求符號函數(shù)，Pmax表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中最大的像素值，Ne×Ne表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中以像素值為Pmax的像素點(diǎn)為中心的窗口區(qū)域的尺寸大小，8≤Ne≤15，Ω表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中的所有像素點(diǎn)的坐標(biāo)位置的集合，ΩNe×Ne表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中以像素值為Pmax的像素點(diǎn)為中心的窗口區(qū)域中的所有像素點(diǎn)的坐標(biāo)位置的集合，P(s)表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中坐標(biāo)位置為s的像素點(diǎn)的像素值。所述的步驟⑤中相關(guān)性判別閾值的獲取過程為：⑤_1、使用Itest所聲明的來源相機(jī)任意拍攝U幅同源圖像；然后按照步驟②和步驟③的過程，以相同的方式獲得每幅同源圖像的最終的傳感器模式噪聲；其中，U≥100，每幅同源圖像的寬度為col且高度為row；⑤_2、選取與Itest所聲明的來源相機(jī)不同的V部相機(jī)，要求選取的V部相機(jī)的分辨率大于或等于Itest所聲明的來源相機(jī)的分辨率；然后使用選取的V部相機(jī)任意拍攝U幅異源圖像，共得到U幅異源圖像，再將每幅異源圖像按照步驟⑤_1獲得的同源圖像的尺寸大小截取中心區(qū)域作為新的異源圖像；接著按照步驟②和步驟③的過程，以相同的方式獲得每幅新的異源圖像的最終的傳感器模式噪聲；其中，1≤V≤9；⑤_3、采用SPCE方法計(jì)算R*與每幅同源圖像的最終的傳感器模式噪聲的相關(guān)性，共得到U個同源樣本相關(guān)性值；同樣，采用SPCE方法計(jì)算R*與每幅異源圖像的最終的傳感器模式噪聲的相關(guān)性，共得到U個異源樣本相關(guān)性值；⑤_4、在區(qū)間[0,30]內(nèi)選取不同的實(shí)數(shù)值對步驟⑤_3中獲得的U個同源相關(guān)性值和U個異源相關(guān)性值進(jìn)行判決，獲得每個實(shí)數(shù)值下的假正率(FalsePositiveRate，F(xiàn)PR)，記為FPR，其中，NFP表示將異源圖像判決為同源的數(shù)量，NTN表示將異源圖像判決為異源的數(shù)量；⑤_5、將FPR＝0.01時(shí)對應(yīng)的實(shí)數(shù)值作為相關(guān)性判決閾值。與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：1)本發(fā)明方法基于相機(jī)的傳感器模式噪聲和數(shù)字照片圖像的傳感器模式噪聲，并考慮JPEG壓縮對相機(jī)的傳感器模式噪聲和數(shù)字照片圖像的傳感器模式噪聲的質(zhì)量的影響，充分利用相機(jī)的傳感器模式噪聲和數(shù)字照片圖像的傳感器模式噪聲的本質(zhì)特性，采用高斯白噪聲圖像對零均值化后的相機(jī)的傳感器模式噪聲和數(shù)字照片圖像的傳感器模式噪聲分別進(jìn)行空域平滑濾波處理，能夠有效抑制JPEG壓縮噪聲。2)本發(fā)明方法與現(xiàn)有的模式噪聲處理方法相比，由于本發(fā)明方法能有效剔除相機(jī)的傳感器模式噪聲和數(shù)字照片圖像的傳感器模式噪聲中的干擾成分，能有效改善所獲得的相機(jī)的傳感器模式噪聲和數(shù)字照片圖像的傳感器模式噪聲的質(zhì)量，因此大大提高了本發(fā)明方法的識別率。3)本發(fā)明方法能有效解決JPEG壓縮對相機(jī)的傳感器模式噪聲和數(shù)字照片圖像的傳感器模式噪聲的負(fù)面影響，對較低的JPEG壓縮質(zhì)量帶來的破壞也能恢復(fù)相機(jī)的傳感器模式噪聲和數(shù)字照片圖像的傳感器模式噪聲的原有特性，因此大大提高了本發(fā)明方法對抵抗JPEG壓縮的魯棒性。附圖說明圖1為本發(fā)明方法的總體實(shí)現(xiàn)框圖。具體實(shí)施方式以下結(jié)合附圖實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)描述。本發(fā)明提出的一種使用空域平滑濾波的數(shù)字照片圖像來源識別方法，其總體實(shí)現(xiàn)框圖如圖1所示，其包括以下步驟：①獲取N幅原始數(shù)字照片圖像，將獲取的第n幅原始數(shù)字照片圖像記為Iorg,n；并任意選取一幅數(shù)字照片圖像作為待識別照片圖像，記為Itest；其中，N≥2，在本實(shí)施例中取N＝60，1≤n≤N，獲取每幅原始數(shù)字照片圖像所采用的相機(jī)與Itest所聲明的來源相機(jī)為同一部相機(jī)，每幅原始數(shù)字照片圖像和Itest的尺寸大小相同，且寬度為col、高度為row。在本實(shí)施例中，在拍攝原始數(shù)字照片圖像時(shí)，通常選擇高亮不飽和的藍(lán)天作為獲取場景。②獲取每幅原始數(shù)字照片圖像的降噪圖像，將Iorg,n的降噪圖像記為I'org,n；然后根據(jù)每幅原始數(shù)字照片圖像及其降噪圖像，獲取每幅原始數(shù)字照片圖像的噪聲殘差圖像，將Iorg,n的噪聲殘差圖像記為Worg,n，將Worg,n中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值記為Worg,n(i,j)，Worg,n(i,j)＝Iorg,n(i,j)-I'org,n(i,j)；接著根據(jù)所有原始數(shù)字照片圖像的噪聲殘差圖像，獲取相機(jī)的傳感器模式噪聲，記為R；再消除R中的CFA插值噪聲，得到相機(jī)的無CFA插值噪聲的傳感器模式噪聲，記為R'；其中，1≤i≤col,1≤j≤row，Iorg,n(i,j)表示Iorg,n中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，I'org,n(i,j)表示I'org,n中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值。同樣，獲取Itest的降噪圖像，記為I'test；然后根據(jù)Itest及I'test，獲取Itest的噪聲殘差圖像，記為Wtest，將Wtest中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值記為Wtest(i,j)，Wtest(i,j)＝Itest(i,j)-I'test(i,j)；接著將Wtest作為Itest的傳感器模式噪聲；再消除Wtest中的CFA插值噪聲，得到Itest的無CFA插值噪聲的傳感器模式噪聲，記為W'test；其中，Itest(i,j)表示Itest中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，I'test(i,j)表示I'test中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值。在此具體實(shí)施例中，步驟②中獲取每幅原始數(shù)字照片圖像的降噪圖像和獲取Itest的降噪圖像所采用的方法為小波降噪處理方法；步驟②中采用現(xiàn)有的最大似然估計(jì)法對所有原始數(shù)字照片圖像的噪聲殘差圖像進(jìn)行處理，獲得R；步驟②中采用現(xiàn)有的零均值化法對R進(jìn)行處理以消除R中的CFA插值噪聲，獲得R'，采用零均值化法是為了盡量去除R中的CFA插值噪聲；步驟②中采用現(xiàn)有的零均值化法對Wtest進(jìn)行處理以消除Wtest中的CFA插值噪聲，獲得W'test，采用零均值化法是為了盡量去除Wtest中的CFA插值噪聲。③隨機(jī)生成一幅寬度為col且高度為row的標(biāo)準(zhǔn)高斯白噪聲圖像，記為G；然后根據(jù)G在空域?qū)'進(jìn)行空域平滑濾波處理，獲得相機(jī)的最終的傳感器模式噪聲，記為R*；同樣，根據(jù)G在空域?qū)'test進(jìn)行空域平滑濾除處理，獲得Itest的最終的傳感器模式噪聲，記為W*test。在此具體實(shí)施例中，步驟③中根據(jù)G在空域?qū)'進(jìn)行空域平滑濾波處理獲得R*及根據(jù)G在空域?qū)'test進(jìn)行空域平滑濾除處理獲得W*test的具體過程為：③_1、對G的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為即對G的上邊界和下邊界各擴(kuò)充一行像素點(diǎn)且像素值設(shè)定為0，對G的左邊界和右邊界各擴(kuò)充一列像素點(diǎn)且像素值設(shè)定為0；然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊。同樣，對R'的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為即對R'的上邊界和下邊界各擴(kuò)充一行像素點(diǎn)且像素值設(shè)定為0，對R'的左邊界和右邊界各擴(kuò)充一列像素點(diǎn)且像素值設(shè)定為0；然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊。同樣，對W'test的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為即對W'test的上邊界和下邊界各擴(kuò)充一行像素點(diǎn)且像素值設(shè)定為0，對W'test的左邊界和右邊界各擴(kuò)充一列像素點(diǎn)且像素值設(shè)定為0；然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊。③_2、計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的方差，得到對應(yīng)的方差圖像，記為varG，varG的寬度為col且高度為row。同樣，計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的方差，得到對應(yīng)的方差圖像，記為varR，varR的寬度為col且高度為row。同樣，計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row；計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的方差，得到對應(yīng)的方差圖像，記為varW，varW的寬度為col且高度為row。然后計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值與中對應(yīng)位置的區(qū)域塊中的所有像素點(diǎn)的像素值之間的協(xié)方差，得到對應(yīng)的協(xié)方差圖像，記為covGR，covGR的寬度為col且高度為row；同樣，計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值與中對應(yīng)位置的區(qū)域塊中的所有像素點(diǎn)的像素值之間的協(xié)方差，得到對應(yīng)的協(xié)方差圖像，記為covGW，covGW的寬度為col且高度為row。③_3、計(jì)算中的每個區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第一系數(shù)和第二系數(shù)，將中左上角像素點(diǎn)的坐標(biāo)位置為(i,j)的區(qū)域塊與中左上角像素點(diǎn)的坐標(biāo)位置為(i,j)的區(qū)域塊之間的第一系數(shù)和第二系數(shù)記為aR(i,j)和bR(i,j)，然后將中的所有區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第一系數(shù)構(gòu)成第一系數(shù)圖像，記為aR，aR的寬度為col且高度為row；并將中的所有區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第二系數(shù)構(gòu)成第二系數(shù)圖像，記為bR，bR的寬度為col且高度為row；其中，1≤i≤col,1≤j≤row，covGR(i,j)表示covGR中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，varG(i,j)表示varG中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，ξ為懲罰因子，在本實(shí)施例中取ξ＝0.75。同樣，計(jì)算中的每個區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第一系數(shù)和第二系數(shù)，將中左上角像素點(diǎn)的坐標(biāo)位置為(i,j)的區(qū)域塊與中左上角像素點(diǎn)的坐標(biāo)位置為(i,j)的區(qū)域塊之間的第一系數(shù)和第二系數(shù)記為aW(i,j)和bW(i,j)，然后將中的所有區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第一系數(shù)構(gòu)成第一系數(shù)圖像，記為aW，aW的寬度為col且高度為row；并將中的所有區(qū)域塊與中對應(yīng)位置的區(qū)域塊之間的第二系數(shù)構(gòu)成第二系數(shù)圖像，記為bW，bW的寬度為col且高度為row；其中，covGW(i,j)表示covGW中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值。③_4、對aR的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為即對aR的上邊界和下邊界各擴(kuò)充一行像素點(diǎn)且像素值設(shè)定為0，對aR的左邊界和右邊界各擴(kuò)充一列像素點(diǎn)且像素值設(shè)定為0；然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；接著計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row。同樣，對bR的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為即對bR的上邊界和下邊界各擴(kuò)充一行像素點(diǎn)且像素值設(shè)定為0，對bR的左邊界和右邊界各擴(kuò)充一列像素點(diǎn)且像素值設(shè)定為0；然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；接著計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row。同樣，對aW的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為即對aW的上邊界和下邊界各擴(kuò)充一行像素點(diǎn)且像素值設(shè)定為0，對aW的左邊界和右邊界各擴(kuò)充一列像素點(diǎn)且像素值設(shè)定為0；然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；接著計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row。同樣，對bW的四周邊界進(jìn)行擴(kuò)充，且將擴(kuò)充的像素點(diǎn)的像素值設(shè)定為0，將擴(kuò)充得到的寬度為col+2且高度為row+2的圖像記為即對bW的上邊界和下邊界各擴(kuò)充一行像素點(diǎn)且像素值設(shè)定為0，對bW的左邊界和右邊界各擴(kuò)充一列像素點(diǎn)且像素值設(shè)定為0；然后采用尺寸大小為3×3的滑動窗口，在中將橫坐標(biāo)范圍為[1,col]且縱坐標(biāo)范圍為[1,row]中的每個像素點(diǎn)對應(yīng)滑動窗口的左上角進(jìn)行逐像素點(diǎn)滑動，將劃分為col×row個互相重疊的尺寸大小為3×3的區(qū)域塊；接著計(jì)算中的每個區(qū)域塊中的所有像素點(diǎn)的像素值的均值，得到對應(yīng)的均值圖像，記為的寬度為col且高度為row。③_5、獲取R*，將R*中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值記為R*(i,j)，其中，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，G(i,j)表示G中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值。同樣，獲取W*test，將W*test中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值記為W*test(i,j)，其中，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值，表示中坐標(biāo)位置為(i,j)的像素點(diǎn)的像素值。④采用SPCE(signpeak-to-correlationenergy，有符號的峰值相關(guān)能量比)方法計(jì)算W*test與R*的相關(guān)性，記為SPCE(W*test,R*)。在此具體實(shí)施例中，步驟④中其中，sign()為求符號函數(shù)，Pmax表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中最大的像素值，Ne×Ne表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中以像素值為Pmax的像素點(diǎn)為中心的窗口區(qū)域的尺寸大小，8≤Ne≤15，在本實(shí)施例中取Ne＝11，Ω表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中的所有像素點(diǎn)的坐標(biāo)位置的集合，ΩNe×Ne表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中以像素值為Pmax的像素點(diǎn)為中心的窗口區(qū)域中的所有像素點(diǎn)的坐標(biāo)位置的集合，P(s)表示W(wǎng)*test與R*的相關(guān)函數(shù)圖像P中坐標(biāo)位置為s的像素點(diǎn)的像素值。⑤用事先設(shè)置的Itest所聲明的來源相機(jī)下的相關(guān)性判別閾值對SPCE(W*test,R*)進(jìn)行判決，若SPCE(W*test,R*)大于或等于相關(guān)性判別閾值，則判定Itest來自其所聲明的來源相機(jī)；若SPCE(W*test,R*)小于相關(guān)性判別閾值，則判定Itest來自非其所聲明的來源相機(jī)，即Itest來自其它相機(jī)。在此具體實(shí)施例中，關(guān)于步驟⑤中事先設(shè)置的相關(guān)性判別閾值，由于每部相機(jī)的相關(guān)性閾值可能不同，因此獲得的閾值也不相同，閾值獲取的具體過程如下：⑤_1、使用Itest所聲明的來源相機(jī)任意拍攝U幅同源圖像；然后按照步驟②和步驟③的過程，以相同的方式獲得每幅同源圖像的最終的傳感器模式噪聲；其中，U≥100，在本實(shí)施例中取U＝300，每幅同源圖像的寬度為col且高度為row。⑤_2、選取與Itest所聲明的來源相機(jī)不同的V部相機(jī)，要求選取的V部相機(jī)的分辨率大于或等于Itest所聲明的來源相機(jī)的分辨率；然后使用選取的V部相機(jī)任意拍攝U幅異源圖像，共得到U幅異源圖像，再將每幅異源圖像按照步驟⑤_1獲得的同源圖像的尺寸大小截取中心區(qū)域作為新的異源圖像；接著按照步驟②和步驟③的過程，以相同的方式獲得每幅新的異源圖像的最終的傳感器模式噪聲；其中，1≤V≤9，在本實(shí)施例中取V＝9。⑤_3、采用SPCE方法計(jì)算R*與每幅同源圖像的最終的傳感器模式噪聲的相關(guān)性，共得到U個同源樣本相關(guān)性值。同樣，采用SPCE方法計(jì)算R*與每幅異源圖像的最終的傳感器模式噪聲的相關(guān)性，共得到U個異源樣本相關(guān)性值。⑤_4、在區(qū)間[0,30]內(nèi)選取不同的實(shí)數(shù)值對步驟⑤_3中獲得的U個同源相關(guān)性值和U個異源相關(guān)性值進(jìn)行判決，獲得每個實(shí)數(shù)值下的假正率(FalsePositiveRate，F(xiàn)PR)，記為FPR，其中，NFP表示將異源圖像判決為同源的數(shù)量，NTN表示將異源圖像判決為異源的數(shù)量。⑤_5、將FPR＝0.01時(shí)對應(yīng)的實(shí)數(shù)值作為相關(guān)性判決閾值。表1給出了十部不同的相機(jī)各自拍攝的數(shù)字照片圖像的數(shù)量。表1十部智能手機(jī)的相機(jī)型號、分辨率、數(shù)字照片圖像的數(shù)量及數(shù)字照片圖像的格式按照步驟⑤_1至步驟⑤_5對表1中HTConeM7手機(jī)的相機(jī)進(jìn)行處理，獲得該相機(jī)下的相關(guān)性判別閾值為11.4031；同樣，獲得華為榮耀6手機(jī)的相機(jī)下的相關(guān)性判別閾值為11.0204、華為mate7手機(jī)的相機(jī)下的相關(guān)性判別閾值為8.1747、蘋果5s_1手機(jī)的相機(jī)下的相關(guān)性判別閾值為12.1165、蘋果5s_2手機(jī)的相機(jī)下的相關(guān)性判別閾值為10.6006、蘋果6手機(jī)的相機(jī)下的相關(guān)性判別閾值為10.3048、OPPOR7手機(jī)的相機(jī)下的相關(guān)性判別閾值為7.9123、一加A0001手機(jī)的相機(jī)下的相關(guān)性判別閾值為10.9117、索尼Z1手機(jī)的相機(jī)下的相關(guān)性判別閾值為8.9025、索尼Z3手機(jī)的相機(jī)下的相關(guān)性判別閾值為8.5082。為了進(jìn)一步說明本發(fā)明方法的可行性和有效性，對本發(fā)明方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。具有高清拍照功能的智能手機(jī)在日常生活中得到了廣泛普及，但由于存儲問題，智能手機(jī)的相機(jī)多采用較低的JPEG壓縮質(zhì)量，因此對相機(jī)的傳感器模式噪聲破壞更加嚴(yán)重。考慮到本發(fā)明方法主要是為了消除JPEG壓縮的影響，因此實(shí)驗(yàn)時(shí)仍選用表1給出的十部智能手機(jī)的相機(jī)拍攝的數(shù)字照片圖像建立一個相機(jī)照片圖像庫，如表2所列。在建立相機(jī)照片圖像庫時(shí)，為了有別于表1，針對每部智能手機(jī)的相機(jī)選取的數(shù)字照片圖像與表1中的數(shù)字照片圖像互不相同，另外選取了450幅數(shù)字照片圖像。由于相機(jī)的分辨率不盡相同，為便于實(shí)驗(yàn)，當(dāng)遇到維度不一的情況，按照小尺寸的數(shù)字照片圖像的維度在大尺寸的數(shù)字照片圖像的中心截取相同維度參與實(shí)驗(yàn)。測試環(huán)境為Windows7平臺，IntelCorei5-3470處理器，CPU頻率為3.2GHz，編譯環(huán)境為MatlabR2012a。表2十部智能手機(jī)的相機(jī)型號、分辨率、數(shù)字照片圖像的數(shù)量及數(shù)字照片圖像的格式為了能客觀公正的評價(jià)發(fā)明方法的性能，采用閾值判決和Kappa統(tǒng)計(jì)兩種方法進(jìn)行分析。方法一：閾值判決方法將表2中每部相機(jī)的傳感器模式噪聲分別與450幅同源照片的傳感器模式噪聲和450幅異源照片(對九部異源相機(jī)拍攝的4500幅數(shù)字照片圖像，隨機(jī)挑選出450幅)的傳感器模式噪聲進(jìn)行相關(guān)性計(jì)算。以第一部智能手機(jī)的相機(jī)HTCOneM7為例，將其傳感器模式噪聲分別與450幅來自該相機(jī)的數(shù)字照片圖像的傳感器模式噪聲計(jì)算相關(guān)性，得到450個同源樣本的相關(guān)性值；再將其與來自剩余九部相機(jī)的450幅數(shù)字照片圖像的傳感器模式噪聲計(jì)算相關(guān)性，得到450個異源樣本的相關(guān)性值；然后對這900個相關(guān)性值進(jìn)行閾值決策，可得到檢測結(jié)果的真正率(TruePositiveRate，TPR)，其中，NTP表示將同源樣本判決為同源的數(shù)量，NFN表示將同源樣本判決為異源的數(shù)量。按照此方法，依次完成其余九部相機(jī)的傳感器模式噪聲與相機(jī)照片圖像庫中的450幅同源照片和450幅異源照片的相關(guān)性計(jì)算，再根據(jù)閾值決策得到各個相機(jī)下的檢測結(jié)果的真正率，然后對十部相機(jī)下的檢測結(jié)果的真正率求均平均值，獲得平均真正率。當(dāng)需要分析本發(fā)明方法對來源識別的影響，可通過比較平均真正率進(jìn)行評估。方法二：Kappa統(tǒng)計(jì)方法采用Kappa統(tǒng)計(jì)方法時(shí)，將表2中每一幅數(shù)字照片圖像的最終的傳感器模式噪聲分別與十部相機(jī)各自的最終的傳感器模式噪聲計(jì)算相關(guān)性值，比較得到的十個相關(guān)性值，找出最大相關(guān)性值對應(yīng)的相機(jī)，就認(rèn)為該數(shù)字照片圖像來自此相機(jī)。將表2中的4500幅數(shù)字照片圖像全部計(jì)算完畢，就可得到混淆矩陣，以此獲得Kappa系數(shù)：其中，K為總樣本的數(shù)目，在此K＝4500，O表示實(shí)際正確預(yù)測的樣本數(shù)目，e為理論正確預(yù)測的樣本數(shù)目。采用方法[1](JanLukas,JessicaFridrich,andMiroslavGoljan,Digitalcameraidentificationfromsensorpatternnoise,IEEETransactiononInformationForensicsSecurity,2006,1(2):205–214.(簡·盧卡斯，杰西卡·弗里德里希，米羅斯拉夫·格蘭，基于模式噪聲的源相機(jī)識別[J]，IEEE信息與安全，2006，第1期(2):205-214))、方法[2](MoChen、JessicaFridrich、MiroslavGoljan.DeterminingImageOriginandIntegrityUsingSensorNoise[J].IEEETransactionsonInformationandSecurity,2008,3(1):74-90.(陳莫、杰西卡·弗里德里希、米羅斯拉夫·格蘭，基于傳感器模式噪聲的圖像來源與完整性檢測[J].IEEE信息與安全.2008，第3期(1):74-90))、方法[3](LinX,LiC.-T.PreprocessingReferenceSensorPatternNoiseviaSpectrumEqualization[J].IEEETransactionsonInformationForensicsandSecurity,2016,11(1):126-140.(林旭、李長純，基于頻譜均衡方法處理參考相機(jī)傳感器模式噪聲[J]，IEEE信息取證與安全，2016，第11期(1):126-140))及本發(fā)明方法在表2所給的數(shù)字照片圖像庫上進(jìn)行實(shí)驗(yàn)。來源檢測結(jié)果：對實(shí)驗(yàn)方法一得到的每部相機(jī)的450個同源相關(guān)性值和450個異源相關(guān)性值，根據(jù)各自的閾值進(jìn)行判決，得到每部相機(jī)的檢測結(jié)果的真正率，然后再平均得到對所有相機(jī)的檢測結(jié)果的平均真正率。表3列出了方法[1]、方法[2]、方法[3]、本發(fā)明方法對表2中的所有相機(jī)的檢測結(jié)果的平均真正率。觀察表3所列的結(jié)果，四種方法對所有相機(jī)的檢測結(jié)果的平均真正率分別為0.9336、0.9580,0.9513和0.9820，比較可知，本發(fā)明方法對所有相機(jī)的檢測結(jié)果的平均真正率明顯高于其他三種方法，由此可證明本發(fā)明方法的性能優(yōu)于其他方法。表3方法[1]、方法[2]、方法[3]和本發(fā)明方法對表2中所有相機(jī)的檢測結(jié)果的平均真正率方法方法[1]方法[2]方法[3]本發(fā)明方法平均真正率0.93360.95800.95130.9820為進(jìn)一步說明本發(fā)明方法的優(yōu)勢，采用方法[1]、方法[2]、方法[3]、本發(fā)明方法對表2中的4500幅數(shù)字照片圖像按實(shí)驗(yàn)方法二進(jìn)行實(shí)驗(yàn)，獲得混淆矩陣和Kappa系數(shù)。表4給出了方法[1]對表2中的所有數(shù)字照片圖像的檢測結(jié)果的混淆矩陣和Kappa系數(shù)，表5給出了方法[2]對表2中的所有數(shù)字照片圖像的檢測結(jié)果的混淆矩陣和Kappa系數(shù)，表6給出了方法[3]對表2中的所有數(shù)字照片圖像的檢測結(jié)果的混淆矩陣和Kappa系數(shù)，表7給出了本發(fā)明方法對表3中的所有數(shù)字照片圖像的檢測結(jié)果的混淆矩陣和Kappa系數(shù)。表4、表5、表6和表7中的混淆矩陣中的每一行代表一部相機(jī)拍攝的所有數(shù)字照片圖像的檢測結(jié)果。以檢測結(jié)果最差的索尼Z3智能手機(jī)的相機(jī)為例，針對方法[1]，只有244幅數(shù)字照片圖像得到正確的檢測，剩余206幅數(shù)字照片圖像被錯認(rèn)為來自其余九部相機(jī)；而方法[2]和方法[3]的檢測結(jié)果也非常不理想，相比之下，本發(fā)明方法對450幅數(shù)字照片圖像的檢測精度達(dá)到了86.22％。為了衡量不同方法對十部相機(jī)拍攝的數(shù)字照片圖像的檢測精度，對表4到表7中的混淆矩陣求解Kappa系數(shù)，分別為0.9472、0.9570、0.9536和0.9830。對比表4到表7可知，本發(fā)明方法的檢測精度最高，進(jìn)一步證明了本發(fā)明方法具有良好的性能。表4方法[1]對表2中的所有數(shù)字照片圖像的檢測結(jié)果的混淆矩陣和Kappa系數(shù)表5方法[2]對表2中的所有數(shù)字照片圖像的檢測結(jié)果的混淆矩陣和Kappa系數(shù)表6方法[3]對表2中的所有數(shù)字照片圖像的檢測結(jié)果的混淆矩陣和Kappa系數(shù)表7本發(fā)明方法對表2中的所有數(shù)字照片圖像的檢測結(jié)果的混淆矩陣和Kappa系數(shù)魯棒性分析：JPEG壓縮會降低相機(jī)的最終的傳感器模式噪聲的質(zhì)量，為評估本發(fā)明方法對JPEG壓縮的魯棒性，對表2中所列的所有數(shù)字照片圖像分別采用90％、70％和50％等三種JPEG壓縮質(zhì)量進(jìn)行壓縮，然后采用不同方法進(jìn)行檢測。表8列出了方法[1]、方法[2]、方法[3]、本發(fā)明方法對表2中的所有數(shù)字照片圖像分別采用90％、70％、50％的JPEG壓縮質(zhì)量壓縮后的檢測結(jié)果的平均真正率，表9列出了方法[1]、方法[2]、方法[3]、本發(fā)明方法對表2中的所有數(shù)字照片圖像分別采用90％、70％、50％的JPEG壓縮質(zhì)量壓縮后的檢測結(jié)果的Kappa系數(shù)。觀察表8所列的平均真正率和表9所列的Kappa系數(shù)可知，在相同JPEG壓縮質(zhì)量下，方法[1]、方法[2]和方法[3]的性能明顯低于本發(fā)明方法；而隨著JPEG壓縮質(zhì)量的降低，方法[1]的性能下降最明顯，方法[2]和方法[3]也有所下降，而本發(fā)明方法表現(xiàn)良好。統(tǒng)計(jì)表8中所列的四種方法在三種JPEG壓縮質(zhì)量下最小的平均真正率，將其與表3中未壓縮時(shí)的平均真正率相比較，分別下降了0.0132、0.0167、0.0095和0.0036，由此可說明本發(fā)明方法對抵抗JPEG壓縮具有較強(qiáng)的魯棒性，觀察表9所列的Kappa系數(shù)也證實(shí)了這一點(diǎn)。表8方法[1]、方法[2]、方法[3]、本發(fā)明方法對表2中的所有數(shù)字照片圖像分別采用90％、70％、50％的JPEG壓縮質(zhì)量壓縮后的檢測結(jié)果的平均真正率表9方法[1]、方法[2]、方法[3]、本發(fā)明方法對表2中的所有數(shù)字照片圖像分別采用90％、70％、50％的JPEG壓縮質(zhì)量壓縮后的檢測結(jié)果的Kappa系數(shù)大量實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有方法相比，本發(fā)明方法能有效改善相機(jī)的傳感器模式噪聲的質(zhì)量，提高數(shù)字照片圖像來源的識別率，并對抵抗較低的JPEG壓縮具有較強(qiáng)的魯棒性。當(dāng)前第1頁1 2 3