基于PRNU的数字图像成像渠道被动取证研究

数字图像成像渠道取证是数字图像取证的一个重要研究内容。由于图像的统计特性并非成像渠道的本质特性，基于图像统计特性的成像渠道取证方法的取证效果非常有限；同时，基于成像过程物理模型的成像渠道取证方法目前在成像渠道特征的获取与特征表达方面还存在不足，导致取证的准确性不高以及所需特征维数较大等问题。本项目深入研究基于PRNU的数字图像成像渠道被动取证的渠道特征获取与特征表达的理论与方法、取证算法与关键技术。研究内容主要包括：PRNU与成像渠道关系模型、PRNU的分形特征表达方法、基于PRNU的数字图像成像渠道被动取证方法。通过研究，解决图像成像渠道特征的有效获取与表达问题，完善数字图像被动取证的有关理论。研究成果可应用到犯罪调查、新闻报道、情报分析等领域图像成像渠道的鉴别，辅助取证图像的可信性，为维护社会稳定和促进社会发展发挥重要的作用。

本项目以数字图像中的PRNU（Photo Response Non-Uniformity）为基础，分析了不同来源图像在PRNU上的差异，对数字图像取证进行了深入的研究。完成的主要工作包括：（1）构建了相机图像与计算机生成图像分类图像库，总数超过1万张；（2）研究了一种适用于任意大小图像的计盒维数计算方法。它允许盒子高度可变，可有效减少分形维数的计算误差；（3）对当前WWDF-5、LV、CM-SAWT、WWDF-5-ML、LV-ML等五种PRNU提取算法进行了分析，实验结果表明WWDF-5在计算复杂度和准确率等指标上最优；（4）对基于复合特征的相机图像与计算机生成图像取证进行了研究。提取的特征包括灰度图像空域统计特征、小波域直方图均值、小波域不同子带的分形维数、PRNU统计特征、PRNU分形维数等48维特征，采用SVM分类，平均检测率达到94.29%，其中对计算机生成图像的检测成功率为97.3%，相机图像的检测成功率为91.28%；（5）对基于分形特征的相机图像与计算机图像取证进行了研究。利用图像和分形维数与空隙度、多重分形等9维特征，采用SVM分类，平均检测率达到96.47%。其中对计算机生成图像的检测成功率为97.52%，相机图像的检测成功率为95.42%；（6）研究了CFA插值对PRNU的影响，从PRNU的局部方差直方图中抽取9维特征进行SVM分类，对相机图像和计算机图像的平均检测正确率达到99.43%，并能有效抵抗缩放、JPEG压缩、旋转和加噪等处理；（7）研究了基于PRNU的图像复制-粘贴篡改的被动盲取证方法。对PRNU进行分块，以方差、信噪比、信息熵以及图像的平均能量梯度为特征，采用相关分析和字典排序的方法，对复制-粘贴篡改进行了检测和定位。取得了良好的检测效果，并对JPEG压缩、加噪、旋转、缩放和模糊具有较好的鲁棒性。上述研究成果证实了采用PRNU对数字图像进行取证的有效性，为PRNU的特征描述和表达提供了新的有效方法。