一种图像相机源识别的方法及系统与流程

本发明属于多媒体信息安全技术领域，尤其涉及一种图像相机源识别的方法及系统。

背景技术：

随着数码相机的普及，数字图像在现代生活中无处不在，已成为一种非常重要的信息载体。这些数字图像被用于生活的方方面面，甚至是新闻配图、军事机密和法庭证据等。然而，当一幅数字图像的来源被恶意更改或者隐瞒时，用户难以揣测更改或隐瞒图像来源的人是否“图谋不轨”，但至少，恶意更改或隐瞒图像来源会一定程度上掩盖事实。若是因为不知道一幅被用作法庭证据的图像被“偷梁换柱”，而导致错案冤案，或是因为不知道包含军事机密信息的图像被偷偷“掉包”，而致使国家安全受到威胁，都会造成不可估量的损失。因此，对数字图像相机源的检测是至关重要的。

数字图像的相机源识别就是为揭穿图像被偷偷“掉包”行为而产生的技术。每个相机上均有传感器，但由于工艺的欠缺，无法制造出两个感光特性完全相同的感光单元，使得不同相机中的感光单元阵列对相同强度的入射光具有独特的不均匀响应，故在图像上产生传感器模式噪声。不同相机产生的传感器模式噪声均不同，因此可作为区分不同相机的凭证。相机源识别技术即是利用相机的传感器模式噪声模式作为相机指纹，通过比对的方式识别出数字图像的相机源，进而判断数字图像来源是否与被告知的相机来源一致的一种技术。

现有技术提出了一种基于多层小波变换提取传感器模式噪声，进而识别相机源的方法。该方法主要通过对图像进行多层小波变换并作计算得到残差图像，进而根据残差图像估计出图像相机指纹，接着用同样的方式计算待检测图像的 残差图像，将待检测图像的残差图像与相机指纹作对比，根据比对结果最终识别待测图像的相机源。该方法在实际检测过程中，需要图像进行多次小波变换，导致计算量过大，且小波变换占用内存高，不适用于实时性要求较高的应用场合和海量图像检测场合。

技术实现要素：

鉴于此，本发明实施例提供一种图像相机源识别的方法及系统，以在保持较高检测率的情况下，降低计算复杂度、减少内存占用，利于实时检测和海量图像的相机源识别。

第一方面，本发明实施例提供了一种图像相机源识别的方法，所述方法包括：

获取待检测图像，对所述待检测图像进行卷积运算获得所述待检测图像的卷积图像；

计算所述待检测图像的卷积图像与预设的相机指纹库中的每一个相机指纹的相关系数；

当所述待测图像的卷积图像与某一相机指纹的相关系数大于预定阈值时,则判定该相机指纹对应的相机为所述待检测图像的相机源。

第二方面，本发明实施例提供了一种图像相机源识别的系统，所述系统包括：

卷积图像获取模块，用于获取待检测图像，对所述待检测图像进行卷积运算获得所述待检测图像的卷积图像；

相关系数计算模块，用于计算所述待检测图像的卷积图像与预设的相机指纹库中的每一个相机指纹的相关系数；

相机源确定模块，用于当所述待测图像的卷积图像与某一相机指纹的相关系数大于预定阈值时,则判定该相机指纹对应的相机为所述待检测图像的相机源。

本发明实施例与现有技术相比存在的有益效果是：本发明实施例在提取相机指纹时，不需要进行多层次的小波变换，而仅需要进行一次卷积运算，且不需要再对卷积后的图像作计算，极大的降低了计算复杂度，同时也显著减少了对内存数量的需求，有利于实时检测和海量图像的相机源识别，具有较强的易用性和实用性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的图像相机源识别的方法的实现流程示意图；

图2是本发明实施例提供的实验效果图；

图3是本发明实施例提供的另一实验效果图；

图4是本发明实施例提供的图像相机源识别的系统的组成结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透切理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

请参阅图1，为本发明实施例提供的图像相机源识别的方法的实现流程，该方法可适用于各类终端设备，如个人计算机、平板电脑、手机等。该方法主要包括以下步骤：

步骤S101，获取待检测图像，对所述待检测图像进行卷积运算获得所述待检测图像的卷积图像。

具体的是，获取待检测图像的像素值矩阵，利用所述像素值矩阵与滤波器作卷积，获得所述待检测图像的卷积图像，计算公式如下：

其中，W_x表示待检测图像的卷积图像(通过矩阵表示)，I_x表示待检测图像的像素值矩阵，H表示滤波器，H＝[1-33-1]，H’表示H的转置。

可选的是，所述H还可以为H＝[-101]，H＝[1-322-31]等类似的滤波器。另外所述计算公式还可以为或等类似的卷积。

在步骤S102中，计算所述待检测图像的卷积图像与预设的相机指纹库中的每一个相机指纹的相关系数。

在本发明实施例中，在计算所述待检测图像的卷积图像与预设的相机指纹库中的每一个相机指纹的相关系数之前，还包括：

建立相机指纹库。

所述建立相机指纹库具体包括：

获取不同款相机所拍摄的图像组，对所述获取的每组图像分别进行卷积运算获得对应的卷积图像，其中每一款相机对应一组图像；

根据所述对应的每组卷积图像，采用最大似然法估计每组卷积图像对应相机的相机指纹；

将所述相机指纹存储于相机指纹库中。

其中，所述根据所述对应的每组卷积图像，采用最大似然法估计每组卷积图像对应相机的相机指纹的公式为：

其中，K_F表示不同款相机的相机指纹，所述相机指纹用矩阵表示，n＝1,2,...N，n表示同一款相机所拍摄的图像组内的图像编号，N表示同一款相 机拍摄的图像的数量，F表示相机的型号，或或表示F相机所拍摄的第n幅图像对应的卷积图像，表示F相机所拍摄的第n幅图像的像素值矩阵，H表示滤波器，H＝[1-33-1]、H＝[-101]或H＝[1-322-31]，H’表示H的转置。

具体的，所述计算所述待检测图像的卷积图像与预设的相机指纹库中的每一个相机指纹的相关系数的公式为：

其中，R表示相关系数，或或W_x表示待检测图像的卷积图像，I_x表示待检测图像的像素值矩阵，H表示滤波器，H＝[1-33-1]、H＝[-101]或H＝[1-322-31]，H’表示H的转置，p和q表示待检测图像的大小(以像素为单位)，i和j表示待检测图像中的位置坐标，W_x(i,j)表示所述待检测图像的卷积图像W_x中第i行第j列的元素，表示所述待检测图像的卷积图像W_x中所有元素的平均值，K_F(i,j)表示相机指纹K_F中第i行第j列的元素，表示相机指纹K_F中所有元素的平均值。

在步骤S103中，当所述待测图像的卷积图像与某一相机指纹的相关系数大于预定阈值时，则判定该相机指纹对应的相机为所述待检测图像的相机源。

需要说明的是，若存在两个或以上的相关系数大于所述预定阈值，则判定最大相关系数对应的相机为所述检测图像的相机源。

与现有技术相比，本发明实施例在提取相机指纹时，不需要进行多层次的小波变换，而仅需要进行一次卷积运算，且不需要再对卷积后的图像作计算，极大的降低了计算复杂度，同时也显著减少了对内存数量的需求，有利于实时检测和海量图像的相机源识别。

为了进一步说明本发明的有益效果，本发明进行了如下实验：

1)分别提取相机型号为NIKON D7000和相机型号为NIKON D90的相机 指纹，分别记为K_D7000和K_D90。

2)已知测试图组1的相机源为NIKON D7000，测试图组2的相机源为NIKON D90(两个测试图组分别有25幅JPEG格式图像)。采用本发明实施例所述方法分别提取两个测试图组的卷积图像，利用所述两个测试图组的卷积图像分别与上述的两个相机指纹作匹配，共可得到两组各25个相关系数。

图2为测试图组1与相机指纹库相关性的计算结果，R1(星号)表示测试图组1的卷积图像与相机指纹K_D7000的相关系数，R2(圆圈)表示测试图组1的卷积图像与相机指纹K_D90的相关系数。实验表明，测试图组1与相机指纹K_D7000有较大的相关性，表明测试图组中图像的相机源为NIKON D7000，与事实相符，证实了本发明的有效性。

图3为测试图组2与相机指纹库相关性的计算结果。R1(星号)表示测试图组2的卷积图像与相机指纹K_D7000的相关系数，R2(圆圈)表示待测图组2的卷积图像与相机指纹K_D90的相关系数。实验表明，测试图组2与相机指纹K_D90有较大的相关性，表明测试图组中图像的相机源为NIKON D90，与事实相符。

图4为本发明实施例提供的图像相机源识别的系统的组成结构示意图。为了便于说明，仅示出了与本发明实施例相关的部分。

所述图像相机源识别的系统可以是内置于终端设备(例如个人计算机、手机、平板电脑等)中的软件单元、硬件单元或者是软硬件结合的单元。

所述图像相机源识别的系统包括：卷积图像获取模块41、相关系数计算模块42以及相机源确定模块43，其中各模块的具体功能如下：

卷积图像获取模块41，用于获取待检测图像，对所述待检测图像进行卷积运算获得所述待检测图像的卷积图像；

相关系数计算模块42，用于计算所述待检测图像的卷积图像与预设的相机指纹库中的每一个相机指纹的相关系数；

相机源确定模块43，用于当所述待测图像的卷积图像与某一相机指纹的相关系数大于预定阈值时,则判定该相机指纹对应的相机为所述待检测图像的相机源。

进一步的，所述相机源确定模块，还用于若存在两个或以上的相关系数大于所述预定阈值，则判定最大相关系数对应的相机为所述检测图像的相机源。

进一步的，所述系统还包括：

相机指纹库建立模块44，用于在计算所述待检测图像的卷积图像与预设的相机指纹库中的每一个相机指纹的相关系数之前，建立相机指纹库。

进一步的，所述相机指纹库建立模块44包括：

卷积图像获取子模块441，用于获取不同款相机所拍摄的图像组，对所述获取的每组图像分别进行卷积运算获得对应的卷积图像，其中每一款相机对应一组图像；

相机指纹计算子模块442，用于根据所述对应的每组卷积图像，采用最大似然法估计每组卷积图像对应相机的相机指纹；

存储子模块443，用于将所述相机指纹存储于相机指纹库中。

进一步的，所述相机指纹计算子模块442中根据所述对应的每组卷积图像，采用最大似然法估计每组卷积图像对应相机的相机指纹的公式为：

其中，K_F表示不同款相机的相机指纹，所述相机指纹用矩阵表示，n＝1,2,...N，n表示同一款相机所拍摄的图像组内的图像编号，N表示同一款相机拍摄的图像的数量，F表示相机的型号，或或表示F相机所拍摄的第n幅图像对应的卷积图像，表示F相机所拍摄的第n幅图像的像素值矩阵，H表示滤波器，H＝[1-33-1]、H＝[-101]或H＝[1-322-31]，H’表示H的转置。

进一步的，所述相关系数计算模块42中计算所述待检测图像的卷积图像与 预设的相机指纹库中的每一个相机指纹的相关系数的公式为：

其中，R表示相关系数，或或W_x表示待检测图像的卷积图像，I_x表示待检测图像的像素值矩阵，H表示滤波器，H＝[1-33-1]、H＝[-101]或H＝[1-322-31]，H’表示H的转置，p和q表示待检测图像的大小，i和j表示待检测图像中的位置坐标，W_x(i,j)表示所述待检测图像的卷积图像W_x中第i行第j列的元素，表示所述待检测图像的卷积图像W_x中所有元素的平均值，K_F(i,j)表示相机指纹K_F中第i行第j列的元素，表示相机指纹K_F中所有元素的平均值。

综上所述，本发明实施例在提取相机指纹时，不需要进行多层次的小波变换，而仅需要进行一次卷积运算，且不需要再对卷积后的图像作计算，极大的降低了计算复杂度，同时也显著减少了对内存数量的需求，有利于实时检测和海量图像的相机源识别。本发明实施例在实现上述过程中，不需要增加额外的硬件，可有效降低成本，具有较强的易用性和实用性。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来 实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例各实施例技术方案的精神和范围。