48、基于图像的数码相机识别——误接受概率估计

基于图像的数码相机识别——误接受概率估计

1. 引言

如今，数码相机已成为大众负担得起的商品，每年都有数千万台被生产和销售，数十亿张图像以数字形式被拍摄和存储。这些图像除了包含场景内容外，文件头中还存有辅助数据。即便文件头被移除，像素数据里仍有信号和图像处理的痕迹，可用于法医分析。

图像法医旨在揭示图像源相机的相关信息，如品牌、型号、相机设置、变焦程度、曝光情况、拍摄时间和日期等，还能检测图像伪造和篡改，甚至对相机进行逆向工程。例如，Khanna 等人致力于成像传感器类型的分类问题，Swaminathan 等人能够识别颜色滤光片阵列和插值方法，Popescu 和 Farid 引入了大量可揭示伪造的图像法医工具。

目前，图像法医分析尚处于早期发展阶段，但研究界的兴趣日益浓厚，推动了其快速进步。Lukáš 等人提出的方法以及 Chen 等人进一步探索的方法，能够准确识别拍摄图像的数码相机，这在犯罪调查中有时是至关重要的证据，比如在儿童色情案件中，将照片与嫌疑相机关联起来可提供有力的起诉证据或引导调查方向。这类应用要求误判概率极低。

数码相机识别面临的一个挑战是要像人类指纹识别一样，对大量相机进行唯一区分。相机标识符（相机指纹）需满足以下要求：
- 高维度：以涵盖大量相机。
- 唯一性：没有两台相机具有相同的指纹。
- 稳定性：在相机正常运行的时间和物理条件范围内保持稳定。
- 鲁棒性：能抵抗常见的图像处理，如亮度、对比度和伽马调整、滤波、格式转换、重采样和 JPEG 压缩。
- 普遍性：几乎所有数码相机都具备。

在数字图像水印中，会在图像中插入不可见信号（水印）来携带信息，用于所有者识别、图像真