论文部分内容阅读
摘要：随着监控视频在证据体系中的地位日益提升，公安技侦部门需要对监控视频进行更加精确、全面、科学化的分析认定，而确认一段监控视频系某路面探头所拍，实现监控视频与拍摄设备的同源性認定成为了亟待解决的问题，因此本文尝试开发一种基于小波变换的维纳滤波提取模式噪声算法的监控视频拍摄设备同源性检验方法，通过提取并对比拍摄设备对图像造成的模式噪声噪声尝试解决这一问题，以确保监控视频作为法庭证据的有效性和准确性。
关键词：拍摄设备：模式噪声：维纳滤波：像素不均匀噪声
一、当前拍摄设备检验方法
视频资料具有设备来源复杂，易于编辑修改，传输存储过程的压缩失真等特点，针对视频资料的这些特点，有以下几种常见的视频资料检验方法。
1.检验视频文件属性信息
视频文件的属性信息包括视频格式、采样率、创建修改时间、音频采样率、码流、视频长度、帧率、频道、分辨率、视频大小、比特率、编码方式等属性。通常可以使用专门的视频文件信息查看软件或者视频播放器查看。此方法的优点是操作简单，直观，信息全面，缺点是文件属性易于篡改，且对不同设备并不具有足够的唯一性，需要被检验设备提供样本视频对照等问题，证明力不足。
2.数字水印检验技术
数字水印不易被人发觉和删除，是将标识信息嵌入数据资料中的一种信息标识技术，其不会影响数据本身使用，即使在视频资料经过无意或有意的处理后，仍能够保持一定的完整性并被准确识别，这种技术为视频拍摄设备的来源问题提供了解决方案。其优点是隐蔽性高，证明力强，抗衰减能力强，可靠性高，缺点是相关技术正在发展的高峰期，没有完整的标准体系，普及程度不高，除非所有的摄像机都插入数字安全水印，否则在当前的视频拍摄设备检验中无法完全解决问题。
3.视频像素缺陷分析
有些视频拍摄设备具有本身的像素缺陷，比如死像素和热像素等，这些缺陷像素可以用于可靠的相机识别，即使经过有损压缩，仍能保留缺陷细节。此方法优点是可靠性高，唯一性强，缺点是缺陷像素有可能被认为处理消除，并不是所有的视频资料和相机都具有缺陷像素，可应用性不高。
4.视频内容篡改检测
对于监控视频的真实性和篡改检测也是监控视频检验工作的重要方法，具体可以利用自然规律，肉眼观察法，场景重合验证法，视频帧间差检测，底层数据分析法，现场物体变化推断等方法。此方法的优点是可以客观的检验视频的真实性和原始性。其缺点是工作量大，依赖于人的经验，对视频图像的质量有一定要求。
对比以上几种监控视频拍摄设备检验的方法，我们发现现在仍没有准确、全面、高效的视频拍摄设备同源性检验方法，基于此，我们提出了基于小波变换的维纳滤波提取模式噪声的算法。
二、基于小波变换的维纳滤波提取模式噪声算法
基于小波变换的维纳滤波提取模式噪声算法的监控视频拍摄设备检验系统主要是利用了光反应不均匀噪声中的像素不均匀噪声的稳定性，模式噪声的产生是由于传感器制造过程中硅晶片的不均匀性和缺陷以及像素对光的不同敏感度。模式噪声是不受环境温度和湿度的影响。基于这些特点，拍摄设备模式噪声被实现为用于源相机识别的指纹。其实现方法如下：
把被加性噪声污染的视频帧的小波系数表示为
式（1）中，表示未经噪声污染的视频帧小波变换，表示噪声的小波变换。而且噪声和信号互不相关，由于小波变换的去相关作用，故可将维纳滤波器简化为以下形式：
其中，表示信号的小波变换系数的最佳线性估计。由的某个邻域上的系数的线性加权估计得到，本文采用的估计考虑到信号与误差之间是相互独立的，故采取上述方法，根据小波变换的去相关性和利用维纳滤波器去除污染噪声中的噪声，以此来获取模式噪声。
4.相机的参考模式噪声
一般情况下不可能拆开相机直接获得OCD输出的原始信号，但可以通过平均多幅图像n的方法，抑制噪声的随机成分，获得模式噪声的近似值，把这个模式噪声的近似值定义为相机的参考模式噪声，简称为参考模式
其中表示第k个图像的噪声残差，N表示图像的数量。
5.噪声相关性检测
实际上，通常使用图案噪声n和相机参考图案噪声nc之间的相关系数r来确定图像I是否由特定相机C拍摄。r的计算描述如下：
其中和分别表示和的平均值，代表一个范数算子。由于FPN可以很容易地抑制，所以假设为模式噪声是合理的。
通过相关系数的大小来确定监控视频图像与拍摄设备样本是否同源。
参考文献：
[1]陈凌翔. 基于模式噪声的手机图片来源检测[D].天津工业大学，2017.
[2]杜金彪. 利用模式噪声辨识数码相机的若干关键问题研究[D].华南理工大学，2012.
[3]胡永健，俞兵华，简超.利用模式噪声主分量信息的源相机辨识技术[J].计算机应用，2010，30（01）：31-35.
[4]K.R. Akshatha，A.K. Karunakar，H. Anitha，U. Raghavendra，Dinesh Shetty. Digital camera identification using PRNU：A feature based approach[J]. Digital Investigation，2016，19.
[5]Alan J. Cooper. Improved photo response non-uniformity（PRNU）based source camera identification[J]. Forensic Science International，2013，226（1-3）.
关键词：拍摄设备：模式噪声：维纳滤波：像素不均匀噪声
一、当前拍摄设备检验方法
视频资料具有设备来源复杂，易于编辑修改，传输存储过程的压缩失真等特点，针对视频资料的这些特点，有以下几种常见的视频资料检验方法。
1.检验视频文件属性信息
视频文件的属性信息包括视频格式、采样率、创建修改时间、音频采样率、码流、视频长度、帧率、频道、分辨率、视频大小、比特率、编码方式等属性。通常可以使用专门的视频文件信息查看软件或者视频播放器查看。此方法的优点是操作简单，直观，信息全面，缺点是文件属性易于篡改，且对不同设备并不具有足够的唯一性，需要被检验设备提供样本视频对照等问题，证明力不足。
2.数字水印检验技术
数字水印不易被人发觉和删除，是将标识信息嵌入数据资料中的一种信息标识技术，其不会影响数据本身使用，即使在视频资料经过无意或有意的处理后，仍能够保持一定的完整性并被准确识别，这种技术为视频拍摄设备的来源问题提供了解决方案。其优点是隐蔽性高，证明力强，抗衰减能力强，可靠性高，缺点是相关技术正在发展的高峰期，没有完整的标准体系，普及程度不高，除非所有的摄像机都插入数字安全水印，否则在当前的视频拍摄设备检验中无法完全解决问题。
3.视频像素缺陷分析
有些视频拍摄设备具有本身的像素缺陷，比如死像素和热像素等，这些缺陷像素可以用于可靠的相机识别，即使经过有损压缩，仍能保留缺陷细节。此方法优点是可靠性高，唯一性强，缺点是缺陷像素有可能被认为处理消除，并不是所有的视频资料和相机都具有缺陷像素，可应用性不高。
4.视频内容篡改检测
对于监控视频的真实性和篡改检测也是监控视频检验工作的重要方法，具体可以利用自然规律，肉眼观察法，场景重合验证法，视频帧间差检测，底层数据分析法，现场物体变化推断等方法。此方法的优点是可以客观的检验视频的真实性和原始性。其缺点是工作量大，依赖于人的经验，对视频图像的质量有一定要求。
对比以上几种监控视频拍摄设备检验的方法，我们发现现在仍没有准确、全面、高效的视频拍摄设备同源性检验方法，基于此，我们提出了基于小波变换的维纳滤波提取模式噪声的算法。
二、基于小波变换的维纳滤波提取模式噪声算法
基于小波变换的维纳滤波提取模式噪声算法的监控视频拍摄设备检验系统主要是利用了光反应不均匀噪声中的像素不均匀噪声的稳定性，模式噪声的产生是由于传感器制造过程中硅晶片的不均匀性和缺陷以及像素对光的不同敏感度。模式噪声是不受环境温度和湿度的影响。基于这些特点，拍摄设备模式噪声被实现为用于源相机识别的指纹。其实现方法如下：
把被加性噪声污染的视频帧的小波系数表示为
式（1）中，表示未经噪声污染的视频帧小波变换，表示噪声的小波变换。而且噪声和信号互不相关，由于小波变换的去相关作用，故可将维纳滤波器简化为以下形式：
其中，表示信号的小波变换系数的最佳线性估计。由的某个邻域上的系数的线性加权估计得到，本文采用的估计考虑到信号与误差之间是相互独立的，故采取上述方法，根据小波变换的去相关性和利用维纳滤波器去除污染噪声中的噪声，以此来获取模式噪声。
4.相机的参考模式噪声
一般情况下不可能拆开相机直接获得OCD输出的原始信号，但可以通过平均多幅图像n的方法，抑制噪声的随机成分，获得模式噪声的近似值，把这个模式噪声的近似值定义为相机的参考模式噪声，简称为参考模式
其中表示第k个图像的噪声残差，N表示图像的数量。
5.噪声相关性检测
实际上，通常使用图案噪声n和相机参考图案噪声nc之间的相关系数r来确定图像I是否由特定相机C拍摄。r的计算描述如下：
其中和分别表示和的平均值，代表一个范数算子。由于FPN可以很容易地抑制，所以假设为模式噪声是合理的。
通过相关系数的大小来确定监控视频图像与拍摄设备样本是否同源。
参考文献：
[1]陈凌翔. 基于模式噪声的手机图片来源检测[D].天津工业大学，2017.
[2]杜金彪. 利用模式噪声辨识数码相机的若干关键问题研究[D].华南理工大学，2012.
[3]胡永健，俞兵华，简超.利用模式噪声主分量信息的源相机辨识技术[J].计算机应用，2010，30（01）：31-35.
[4]K.R. Akshatha，A.K. Karunakar，H. Anitha，U. Raghavendra，Dinesh Shetty. Digital camera identification using PRNU：A feature based approach[J]. Digital Investigation，2016，19.
[5]Alan J. Cooper. Improved photo response non-uniformity（PRNU）based source camera identification[J]. Forensic Science International，2013，226（1-3）.