45、数字取证源相机识别：特征提取与选择策略

数字取证源相机识别：特征提取与选择策略

1. 特征提取

在源相机识别中，特征提取是关键的第一步。通过对图像进行多方面的分析，提取出具有代表性的特征，为后续的分类和识别提供基础。
- BSM 特征提取 ：形成了多种位平面组合，如 R3–R4、R4–R5 等，涵盖了同一颜色通道内相邻位平面（空间 - 量子方向）和不同颜色通道对应位平面（空间 - 色度方向）。通过 18 种 BSM 指标对 27 对位平面进行计算，共提取出 486 个 BSM 特征。
- IQM 特征提取 ：对图像应用四种不同的滤波器，即高斯模糊、加性噪声、JPEG 压缩和分层树集分割（SPIHT）。每个图像与其滤波后的版本对应一个 IQM 特征，从每个图像对中提取 10 个 IQM 特征，总共得到 40 个特征。
- HOWS 特征提取 ：利用 Haar 小波变换将图像空间分解为多个尺度和方向，生成低通、垂直、水平和对角子带。对低通子带递归应用滤波器进行下一级尺度分解，计算每个方向和尺度下子带的均值、方差、偏度和峰度等简单统计模型，得到 72 个特征。
- 特征融合 ：将 BSM、IQM 和 HOWS 三组特征融合，最终得到 598 个特征。

2. 特征选择方法

特征选择的目标是从总特征集中找到一个子集，以最大化模型的分类准确率。当特征数量较多时，找到最优子集是一个计算上的难题。以下介绍三种特征选择方法：
- 基于滤波器的特征选择方法 ：应用六种不同的滤波器，包括卡方检验、互信