非抽样Contourlet变换去噪滤波器设计的源相机识别

非抽样Contourlet变换去噪滤波器设计的源相机识别摘要:针对源相机识别和小波滤波器在获取残留噪声图像时会引入明显的场景噪声的问题,提出一种利用非抽样Contourlet变换(NSCT)进行模式噪声提取的新方案。首先根据源相机识别的过程,讨论小波滤波器在提取模式噪声上的不足,接着重点讨论设计基于NSCT滤波器进行模式噪声的提取。实验表明NSCT滤波器不仅使场景噪声得到明显的抑制,而且与小波滤波器相比,对来自三种不同相机的照片的平均识别率提高了近3.667%。关键词:数字图像取证;源相机识别;模式噪声;非抽样Contourlet变换;NeymanPearson准则中图分类号:TP301.6文献标志码:ASourcecameraidentificationbasedonnonsubsampledContourlettransformdenoisingfilterdesignCHENZongmin*,ZHOUZhipingSchoolofIoTEngineering,JiangnanUniversity,WuxiJiangsu214122,ChinaAbstract:Becauseobviousnoisewilloccurwhensourcecameraidentificationandwaveletfiltersaregettingtheresidualnoiseintheimagescene,anewmethodfortheextractionofpatternnoisewasproposedbasedonNonsubsampledContourletTransform(NSCT).Accordingtotheprocessofsourcecameraidentification,thedeficienciesofwaveletbasedfilterfortheextractionofpatternnoisewerediscussedfirst.Andthen,thediscussionfocusedonthedesignofNSCTbasedfiltertoextractpatternnoise.TheexperimentalresultsshowthatNSCTbasedfilternotonlyrestrainsthescenenoiseobviously,butalsoimprovestheaverageidentificationratewith3.7%foridentifyingimagesfromthreedifferentcamerascomparedtowaveletbasedfilter.Keywords:digitalimageforensics;sourcecameraidentification;patternnoise;NonsubsampledContourletTransform(NSCT);NeymanPearsoncriterion0引言随着信息技术的发展,数字图像取证技术越来越体现出它的价值,而数字图像来源取证作为数字图像取证技术的一个主要议题正扮演着重要的角色。在过去不到十年的时间里,国内外学者提出各种方法来实现数字图像来源取证。Kharrazi等[1]提取颜色、图像质量和小波系数共34个统计特征对图像的来源进行分类识别。Popescu等[2]通过最大期望(ExpectationMaximization,EM)算法检测在数码相机成像过程中由彩色滤波阵列(ColorFilterArray,CFA)插值所引入了的周期相关性,并进行插值取证。Lukas和Fridrich等[3-4]提出利用成像传感器模式噪声(PhotoResponseNonUniformity,PRNU)来识别数码相机。模式噪声由成像传感器的非均匀性和不完美性所导致,它是成像设备的内部固有特性,对指定的成像设备具有相对稳定性和唯一性,因此将其称为“机器指纹”或“机器印痕”,在图像来源取证中具有明显的优势。目前,对模式噪声的提取主要采用文献[3]中设计的小波维纳滤波器。将原始图像减去其低通滤波之后的图像得到残留噪声图像,将多幅残留噪声图像进行平均作为模式噪声的近似。该方法虽然具有简单、计算量小等优点,但小波滤波法得到的残留噪声图像包含大量的场景噪声。文献[4]利用最大似然估计法从多幅残留噪声图像对模式噪声进行了更为精确的估计。Li[5]利用非线性模型来实现对模式噪声的增强和场景噪声的抑制。文献[6]提出了一种利用成像传感器模式噪声的主分量信息进行源相机识别的方法。小波变换虽然能对一维信号的点奇异进行最优表示,但不能很好地刻画二维图像中的线奇异。Zhang[7-8]采用基于Curvelet变换的硬阈值去噪法进行模式噪声的提取,Curvelet变换的多尺度几何特性,使得该方法对边缘复杂的图像能很好地进行模式噪声信息的提取。本文针对小波变换在表达二维图像上的缺陷和小波维纳滤波法在提取模式噪声上的不足,从另一著名的多尺度几何变换——非抽样Contourlet变换(NonsubsampledContourletTransform,NSCT)出发,设计NSCT局部自适应软阈值去噪法进行模式噪声的提取。该方法首先对图像进行NSCT,接着对得到的NSCT系数进行局部自适应预测处理,最后对预测系数进行NSCT反变换得到去噪图...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供参考,付费前请自行鉴别。
3、如文档内容存在侵犯商业秘密、侵犯著作权等,请点击“举报”。

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

客服邮箱:

biganzikefu@outlook.com

所有的文档都被视为“模板”,用于写作参考,下载前须认真查看,确认无误后再购买;

文档大部份都是可以预览的,笔杆子文库无法对文档的真实性、完整性、准确性以及专业性等问题提供审核和保证,请慎重购买;

文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为依据;

如果您还有什么不清楚的或需要我们协助,可以联系客服邮箱:

biganzikefu@outlook.com

常见问题具体如下:

1、问:已经付过费的文档可以多次下载吗?

      答:可以。登陆您已经付过费的账号,付过费的文档可以免费进行多次下载。

2、问:已经付过费的文档不知下载到什么地方去了?

     答:电脑端-浏览器下载列表里可以找到;手机端-文件管理或下载里可以找到。

            如以上两种方式都没有找到,请提供您的交易单号或截图及接收文档的邮箱等有效信息,发送到客服邮箱,客服经核实后,会将您已经付过费的文档即时发到您邮箱。

注:微信交易号是以“420000”开头的28位数字;

       支付宝交易号是以“2024XXXX”交易日期开头的28位数字。

笔杆子文秘
机构认证
内容提供者

为您提供优质文档,供您参考!

确认删除?