基于样本错配训练的图像PRNU噪声提纯方法

TP391; 基于传感器模式噪声的图像来源鉴别算法的关键在于如何获取高质量的光响应非均匀性(Photo-response non-uniformity,PRNU)噪声,目前大多数增强PRNU噪声质量的算法以及出于实际应用的目的对其压缩的算法几乎是在人工假设模型的基础上实现的.本文提出了一种基于样本错配训练的图像PRNU噪声提纯方法,该方法使用了深度堆叠自编码器网络,并设计了一种样本错配的技术对其进行训练.这种基于样本错配训练的端到端深度神经网络的使用有效避免了人工设计算法的局限性,对图像PRNU噪声进行了有效提纯,进而提升了其用于图像来源鉴别时的性能.在Dresden图像数据集上进行的比较实验...

Full description

Saved in:
Bibliographic Details
Published in南京航空航天大学学报 Vol. 52; no. 5; pp. 783 - 791
Main Authors 郝昕泽, 肖延辉, 田华伟, 张明旺
Format Journal Article
LanguageChinese
Published 中国人民公安大学国家安全学院,北京,100038%四川警察学院科研所,泸州,646000 2020
Subjects
光响应非均匀性
数字图像
自动编码器
传感器模式噪声
Online AccessGet full text
ISSN1005-2615
DOI10.16356/j.1005?2615.2020.05.015

Cover

More Information
Summary:TP391; 基于传感器模式噪声的图像来源鉴别算法的关键在于如何获取高质量的光响应非均匀性(Photo-response non-uniformity,PRNU)噪声,目前大多数增强PRNU噪声质量的算法以及出于实际应用的目的对其压缩的算法几乎是在人工假设模型的基础上实现的.本文提出了一种基于样本错配训练的图像PRNU噪声提纯方法,该方法使用了深度堆叠自编码器网络,并设计了一种样本错配的技术对其进行训练.这种基于样本错配训练的端到端深度神经网络的使用有效避免了人工设计算法的局限性,对图像PRNU噪声进行了有效提纯,进而提升了其用于图像来源鉴别时的性能.在Dresden图像数据集上进行的比较实验结果表明,提纯后的PRNU噪声具有更好的性能.
ISSN:1005-2615
DOI:10.16356/j.1005?2615.2020.05.015