圖像采集設(shè)備和網(wǎng)絡(luò)通訊技術(shù)的進步以及圖像處理技術(shù)的發(fā)展,使得圖像逐漸成為通信的重要載體。但也給不法分子帶來了可乘之機,如果在新聞報道、法庭取證、保險理賠、國際事務(wù)等方面應(yīng)用了篡改圖像,會帶來嚴重的社會問題及沖突。旨在利用各類圖像特征對圖像進行分析從而驗證圖像真?zhèn)蔚臄?shù)字圖像取證技術(shù),日益受到廣泛關(guān)注。相機模型識別作為一種便捷、直接的圖像取證技術(shù),可以在不添加額外信息的情況下,通過圖像內(nèi)隱含的相機特征判斷待查圖像的相機模型,這種取證方式逐漸成為圖像取證的熱門研究方向。此外,準確的相機模型識別算法可以有效地輔助篡改檢測等其他方向,在取證領(lǐng)域擁有重大的應(yīng)用價值。本文圍繞目前研究中存在的相機模型特征易受圖像內(nèi)容影響、各種算法難以進行性能比較等問題,基于卷積神經(jīng)網(wǎng)絡(luò)設(shè)計不同的預(yù)處理模塊,并在公平合理的實驗設(shè)計和性能評價標準下,對相機模型識別進行研究。本論文主要從以下幾個方面對所開展的工作進行介紹:（1）本文提出了一種基于多特征表示和豐富卷積特征網(wǎng)絡(luò)的相機模型識別算法。首先,多特征表示由多尺度高通預(yù)處理模塊和RGB通道信息構(gòu)成。利用多尺度高通預(yù)處理模塊可以放大相機模型特征,在此基礎(chǔ)上融合RGB顏色通... 

【文章來源】：濟南大學(xué)山東省

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

數(shù)字圖像獲取流程圖

濟南大學(xué)碩士學(xué)位論文5（a）原始圖像（b）理想的相機指紋（c）真實的相機指紋圖1.2相機指紋對比圖傳統(tǒng)方法的魯棒性普遍較好，并且由于它們是基于顯示或隱式模型得到的，所以其主要吸引力在于其簡便性和可解釋性。但是，此類方法并不總是可行的。首先，由于不完善的去噪算法，識別性能會受到圖像內(nèi)容變化的較大影響，如圖1.2所示。在圖1.2（c）中可視化了從原始圖像中提取的真實指紋，由于塔的內(nèi)部及其周圍欄桿區(qū)域中的紋理較多，導(dǎo)致提取的相機指紋不夠理想，使得算法在圖像的平坦區(qū)域識別效果好，而在紋理區(qū)域效果較差。此外，隨著相機制造技術(shù)以及圖像處理工藝的發(fā)展，人工設(shè)計相機特征變得困難，使得此類方法難以進行。最后，應(yīng)用傳統(tǒng)方法提取相機特征，通常需要拍攝多個平場圖像，導(dǎo)致將其應(yīng)用于真實場景的難度較大且費時費力。1.3.2基于深度學(xué)習的相機模型識別方法的研究現(xiàn)狀近幾年，深度學(xué)習（DeepLearning）一直保持著較猛的發(fā)展速度，此類方法在各個領(lǐng)域內(nèi)都取得了不錯的成績，它的出現(xiàn)進一步促進了計算機視覺任務(wù)的發(fā)展。因此，卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork,CNN）在相機模型識別領(lǐng)域中也得到了廣泛的關(guān)注和應(yīng)用。不同于以先驗知識為指導(dǎo)的傳統(tǒng)特征工程工作，深度學(xué)習是遵循數(shù)據(jù)驅(qū)動的方法。首先，一部分工作中應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)模型[39-41]是專門為解決相機模型識別問題而設(shè)計的。這類方法所設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)普遍較為簡單，其卷積層數(shù)通常在5層以內(nèi)。但為了獲得更高的準確率，有一些工作[9,42,43,44]會將設(shè)計的淺層CNN級聯(lián)附加的分類器，該方法在實際操作中會更加繁瑣，并且在某種程度上識別性能依賴于附加的分類器。其中，Bondi等人[9]提出的方法是將CNN應(yīng)用于相機模型識別領(lǐng)域的開創(chuàng)性工作。此方法利用卷積神經(jīng)網(wǎng)絡(luò)?

圖1.3分類

【參考文獻】：
期刊論文
[1]JPEG圖像文件頭取證[J]. 邢文博,杜志淳.  計算機科學(xué). 2019(S1)
[2]數(shù)字圖像司法鑒定相關(guān)技術(shù)研究[J]. 李雄偉,王秋云,楊昊亮.  中國公共安全(學(xué)術(shù)版). 2018(02)
[3]多媒體信息技術(shù)及安全概述[J]. 尤新剛,毛英杰,周琳娜.  信息安全與通信保密. 2011(10)
[4]K-means算法研究綜述[J]. 吳夙慧,成穎,鄭彥寧,潘云濤.  現(xiàn)代圖書情報技術(shù). 2011(05)
[5]聚類算法研究[J]. 孫吉貴,劉杰,趙連宇.  軟件學(xué)報. 2008(01)
[6]數(shù)據(jù)挖掘中的數(shù)據(jù)預(yù)處理[J]. 劉明吉,王秀峰,黃亞樓.  計算機科學(xué). 2000(04)



本文編號：3061349