数字图像与数码相机噪声相关性的分布

    1 引 言

    由于伪造的图像已在网络及各种媒体上大量传播,因此鉴别图像的真伪已经成为人们日常生活和司法领域的一个非常重要的问题。目前,数字图像的防伪主要采用在原图像中添加识别信息(如:数字水印等)的主动式鉴别方法,但由于目前大多数消费类数码成像设备都没有这种功能,于是就出现了被动式的真伪鉴别方法。所谓被动式图像真伪鉴别,就是在对图像没有任何先验知识的基础上,对其加以鉴别。目前,我国对这一方法的研究工作开展得较少,国外也处于刚起步阶段。在图像的真伪鉴别中,鉴别图像的来源是一个非常重要的内容,而本文也仅涉及鉴别数字图像来源的方法。

    最简单的鉴别数字图像来源的方法是直接检查其电子文件头的有关信息,因为它包含了拍摄时间、相机型号这两个信息,但这两个信息很容易被抹去CCD(charge-coupled devices)的像素坏斑( the pixeldefects)来鉴别图像来源的方法,但由于像素坏斑与环境温度有关,因此这种方法的应用有很大的局限性。文献[2]介绍了一种利用彩色插值算法来鉴别图像来源的方法,但由于同一品牌同一型号的相机一般采用相同的彩色插值算法,故该方法的鉴别灵敏度不高。文献[3]介绍了一种利用数字图像的残留噪声与相机的模式噪声的相关性来鉴别图像来源的方法。由于相机的CCD存在非理想性,相机内部电路也存在非理想性,因此在成像过程中必然会产生噪声,这一噪声信息并被添加到图像数据中。显然来自某一相机的图像,其所包含的残留噪声与相机内部的噪声肯定存在相关性。根据笔者的实验结果,只有来自同一台相机,且对应CCD同一区域的图像才是相关的;由于模式噪声就像人的指纹特征一样,有惟一性的对应关系,故该方法具有极高的鉴别灵敏度,可见它在图像的司法鉴定领域有很强的应用潜力。

    本文在介绍噪声相关性检测原理的基础之上,主要探讨这种噪声相关性的分布情况,并针对非对称的噪声相关性分布,构造出了一个新的概率密度函数(probability density function, PDF),以降低图像鉴别的错误率。

    2 噪声相关性检测的原理

    数码相机内部的结构可参阅文献[2],文献[3]介绍了数码相机内部的信号处理过程,指出相机内部的主要噪声源是CCD,并详细分析了CCD所产生的噪声。CCD的结构和工作原理可参阅文献[1]。彩色图像由红、绿、蓝3基色信号组成,由于在研究过程中只利用了绿基色信号,因此本文以下内容都是针对绿基色信号进行的。

    文献[3]指出,模式噪声的主要成分是CCD的像素不均匀(pixel nonuniformity, PNU)噪声,它是一种系统失真。为了检验某一幅图像I是否由j相机拍摄,首先要从I中提取相机输出的残留噪声,本文把它称为图像的样本噪声。由于小波降噪滤波技术在信号降噪领域得到相当成功的应用,因此本文选用小波降噪滤波器来提取图像的样本噪声[4]。本文实验均采用sym4小波基。若用n表示从I中提取的样本噪声信号,F(I)表示小波降噪滤波器的输出信号,则获取图像样本噪声n的过程可表示为