基于成像传感器特征的相机分类器设计

在对现有成像设备源辨识算法分析研究的基础上,提出一种利用成像传感器特征进行相机源辨识的鲁棒性方法.基于模式分类的原理,首先分析数码相机成像的特点,提取传感器噪声信息的统计特征,设计一种鲁棒的分类器来确定相机的品牌/型号.所提取的图像特征包括图像去噪差值和小波域分析.结果表明:所设计的分类器可以有效地正确辨识相机品牌/型...     

基于成像传感器特征的相机源识别

基于模式分类的方法,提出一种利用成像传感器特征进行相机源辨识的鲁棒性方法。分析数码相机成像的特点,提取传感器噪声信息的统计特征,设计一个鲁棒的分类器来确定相机的品牌/型号。所提取的图像特征包括图像去噪差值、小波域子带统计矩以及通道颜色特征。实验结果表明所设计的算法不仅可以有效地正确辨识相机品牌/型号,还具有良好的鲁棒性。     

利用模式噪声主分量信息的源相机辨识技术

针对数码相机源辨识问题,提出一种利用成像传感器模式噪声主要分量（或称大分量）信息进行源设备辨识的新方法。首先围绕模式噪声的抽取和预处理,讨论去噪滤波器和去颜色滤波器阵列（CFA）插值对提高模式噪声质量的影响,然后重点讨论选取传感器模式噪声部分大分量对改善相关性检测器性能的作用。该方法不仅能很好地分离两台相机所拍摄的照片,而且还大幅度减小了检测的计算量。     

利用彩色图像信息的源相机辨识策略

目前基于模式噪声的源相机辨识方法大都只在单颜色通道图像上进行,或是对三个单色通道图像上的检测结果简单地求均值,这显然不能全面反映成像传感器的特征。通过分析相机图像生成过程中马赛克图像插值过程的特点,提出三种新的基于彩色图像信息的源相机辨识策略。实验结果表明,所提策略具有更好的辨识效果且需要的特征点少。     

典型源相机分类算法性能研究

现有文献中的源相机分类算法很少讨论测试图像在受到轻微图像处理后算法性能的变化。利用支持向量机,对源相机分类算法的性能和鲁棒性进行了分析,比较了测试图像遭受处理前后分类算法的检测准确率,并研究了图像特征的鲁棒性。由于基于模式分类的算法通常需要精简特征个数以提高执行效率,因此,还讨论了精简模式下相机分类算法的性能以及特征选择对辨识算法鲁棒性的影响。     

两种应用传感器模式噪声的扫描仪源辨识策略

针对扫描图片的源辨识问题，本文探索利用传感器模式噪声（sensor pattern noise）进行源设备辨识的可能性及方法。由于扫描仪和数码相机具有类似的结构和成像原理，本文考虑使用矩阵参考模式和线状参考模式两种源辨识方法，并通过实验进行验证。     

噪声方差和纹理复杂度分析的源相机识别

针对源相机识别问题,提出了一种利用噪声方差和纹理复杂度分析的源相机识别新方法。首先围绕CFA插值和小波去噪,讨论了传统的模式噪声提取方法的不足,接着重点讨论利用噪声方差以及根据模糊聚类去除高纹理复杂区域进行模式噪声提取的新方法。实验表明所提取的模式噪声不仅能更好地反映数码相机的模式噪声特性,而且对来自三种不同相机的照片的平均识别率提高了近6.3%。     

基于图像内容和噪音特征的扫描仪源辨识

以扫描仪获得的数字扫描图像为研究对象,提出一种基于图像内容和噪音特征的扫描仪源辨识方法,提取数字扫描图像中的颜色特征、质量特征和邻或预测特征,生成一个72维的特征向量以辨识扫描仪的来源,并借助支持向量机确定扫描仪的品牌或型号.实验结果表明,该方法具有较高的分类精度,并且在数字扫描图像被压缩或剪切的情况下均具有较好的鲁棒...     

基于SVR的传感器Hammerstein模型辨识

提出一种基于支持向量回归机的非线性动态传感器Hammerstein模型辨识方法并给出了相关的数学理论及学习算法.在该模型中,用非线性静态子环节和线性动态子环节串联来描述传感器的非线性动态特性.再利用函数展开将模型的非线性传递函数转换为等价的线性中间模型,并通过SVR求取中间模型参数.最后,推导出中间模型参数与传感器Hammerstein模型参数之间的关系,并由该关系实现非线性静态环节和线性动态环节的同时辨识.用实际力传感器动态标定实验数据进行测试,结果表明与常规非线性传感器辨识方法不同,所提方法只需进行一次动态标定实验就能给出非线性动态模型的数学解析表达式.且建立的力传感器Hammerstein模型阶次为4,而线性动态系统模型则需要6阶才能达到相同的精度.因此该研究为传感器非线性动态系统辨识又提供了一种可选方法.     

基于模式噪声大分量的手机相机来源检测

将模式噪声作为固定指纹特征应用于手机相机来源检测时,存在计算复杂、效率不高等问题。为此,提出一种基于模式噪声大分量信息的手机相机来源检测方法。利用光响应敏感点的成像特性及对模式噪声的影响,将其从模式噪声中分离出来,构成模式噪声的大分量信息,并作为新的模式噪声进行手机相机来源检测。实验结果表明,与传统基于模式噪声的图像来源检测方法相比,该方法不仅能有效辨识手机相机图像的来源,而且能减少检测计算量。     

Digital camera identification from sensor pattern noise

In this paper, we propose a new method for the problem of digital camera identification from its images based on the sensor's pattern noise. For each camera under investigation, we first determine its reference pattern noise, which serves as a unique identification fingerprint. This is achieved by averaging the noise obtained from multiple images using a denoising filter. To identify the camera from a given image, we consider the reference pattern noise as a spread-spectrum watermark, whose presence in the image is established by using a correlation detector. Experiments on approximately 320 images taken with nine consumer digital cameras are used to estimate false alarm rates and false rejection rates. Additionally, we study how the error rates change with common image processing, such as JPEG compression or gamma correction.     

非抽样Contourlet变换去噪滤波器设计的源相机识别

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%。     

Source camera identification via low dimensional PRNU features

Multimedia Tools and Applications - Identifying the source of digital images is the key task in the community of image forensics. Sensor pattern noise dominantly serves as an intrinsic fingerprint...     

A low-complexity sensor fusion algorithm based on a fiber-optic gyroscope aided camera pose estimation system

Visual tracking, as a popular computer vision technique, has a wide range of applications, such as camera pose estimation. Conventional methods for it are mostly based on vision only, which are complex for image processing due to the use of only one sensor. This paper proposes a novel sensor fusion algorithm fusing the data from the camera and the fiber-optic gyroscope. In this system, the camera acquires images and detects the object directly at the beginning of each tracking stage; while the relative motion between the camera and the object measured by the fiber-optic gyroscope can track the object coordinate so that it can improve the effectiveness of visual tracking. Therefore, the sensor fusion algorithm presented based on the tracking system can overcome the drawbacks of the two sensors and take advantage of the sensor fusion to track the object accurately. In addition, the computational complexity of our proposed algorithm is obviously lower compared with the existing approaches(86% reducing for a 0.5 min visual tracking). Experiment results show that this visual tracking system reduces the tracking error by 6.15% comparing with the conventional vision-only tracking scheme(edge detection), and our proposed sensor fusion algorithm can achieve a long-term tracking with the help of bias drift suppression calibration.     

基于面翻转三维传感器网络边界节点识别算法

针对三维环境下的传感器网络边界节点识别问题,提出了一种基于面翻转的传感器网络边界节点分布式识别方法。算法在已知三个相邻边界节点的基础上,以三个相邻边界节点构成的三角形的各边为轴,以有限面积的面向网络外侧翻转,扫描到的第一个点为新的边界节点,该节点与翻转轴上的两个节点构建成新三角形,迭代上述过程,最终识别出边界节点,获取边界包络。实验结果表明,与Alpha-shape3D算法相比,所提算法能大大减少冗余边界节点。