一种短压缩视频来源识别方法技术

本发明专利技术公开了一种短压缩视频来源识别方法，可应用于压缩视频来源取证、源相机识别等领域。该方法首先对视频解码器进行重建。当视频帧在解码器的环路滤波器之前被捕获时，就可以防止环路滤波器过滤掉视频帧的PRNU噪声。然后，提出了一种基于方差稳定变换的多尺度迭代最小二乘算法来提取视频帧的噪声残留。最后，采用块级量化参数加权方法对不同质量的视频帧进行加权以增强PRNU，并采用共享分量去除方法来去除相似性噪声成分。最后使用相关能量峰值计算平场压缩视频的PRNU噪声与自然压缩视频PRNU的相关性，然后根据相关性阈值进行来源识别检测。本发明专利技术能够从压缩视频中提取更充分的传感器模式噪声，有效改善压缩视频的识别效果。果。果。

【技术实现步骤摘要】
International:Digital Investigation 38(2021)301213.)，等等。这些方法已被用于源设备属性检测。在分析多媒体源的各种技术中，PRNU 噪声提取方法引起了最多的关注。作为一种固有的、独特的相机指纹，多媒体内容中的PRNU噪声经常被用于数字多媒体的源属性识别和伪造检测。这种基于 PRNU的多媒体源属性识别方法随后被用于广泛的认证和测试，并且已经确定这种方法是有效的。因此，PRNU被认为是高效的图像和视频源属性的最引人注目的特征之一。到目前为止，这项技术的发展主要集中在检测图像的来源上，而对视频的识别则研究较少。随着在MSNS上分享视频进行交流的普及，法医们也有可能在用户的设备上遇到来自分享网站的视频和照片。因此，识别压缩视频源也是多媒体源取证的一个重要研究课题。
[0007]传感器的PRNU是一种独特的噪声，在成像过程中被调制到传感器的输出图像上。因此，检测图像的视频来源取决于对这种PRNU噪声的正确估计。Lukas(J. Lukas,J.Fridrich,M.Goljan,Digital camera identification from sensor pattern noise,IEEE Transactions on Information Forensics and Security 1(2)(2006)205
–
214.)最初提出了一个利用PRNU噪声进行图像源取证的模型。这个模型结合了小波变换和维纳滤波，从每张图像中提取噪声残差，然后对残差进行平均，以估计PRNU噪声。随后，Chen(M.Chen,J.Fridrich,M.Goljan, J.Luk
′
as,Determining image origin and integrity using sensor noise,IEEE Transactions on information forensics and security 3(1)(2008)74
–
90.) 建立了一个统一的框架，用于使用PRNU的图像源识别。此外，Chen提出了一种最大似然估计方法来取代平均估计的PRNU，并使用共享成分去除方法来去除其他干扰噪声。接着，Cortiana(A.Cortiana,V.Conotter,G.Boato,F.G.De Natale, Performance
[0008]comparison of denoising filters for source camera identification,in: Media Watermarking,Security,and Forensics III,Vol.7880,InternationalSociety for Optics and Photonics,2011,p.788007.)介绍了BM3D，从图像中提取PRNU。BM3D通过识别图像中的相似块来提取图像中的PRNU。Li(C.
‑
T.Li, Source camera identification using enhanced sensor pattern noise,IEEETransactions on Information Forensics and Security 5(2)(2010)280
–
287.) 认为用小波方法估计的PRNU仍然有较多的干扰，只有使用噪声残留物的相位分量才能更好地识别源相机。随后，Kang(X.Kang,Y.Li,Z.Qu,J.Huang, Enhancing source camera identification performance with a camera reference phase sensor pattern noise,IEEE Transactions on InformationForensics and Security 7(2)(2011)393
‑
402.)认为强噪声残留物的可靠性较低，应该被削弱。基于这个假设，有人提出了一种方法，通过削弱强分量的噪声残留和增强弱分量的噪声残留来增强PRNU。然而，削弱强分量的噪声残余也可能导致PRNU噪声的损失。Zeng(H.Zeng,X.Kang,Fast source cameraidentification using content adaptive guided image filter,Journal offorensic sciences 61(2)(2016)520
–
526.)提出了一种内容自适应自举滤波方法来提取PRNU.该算法根据纹理特征的强度灵活调整内容自适应自举滤波的半径参数。较小的半径用于有纹理的图像，而较大的半径用于较平滑的图像。 Kouokam(E.K.Kouokam,A.E.Dirik,Prnu
‑
based source device attributionfor youtube videos,Digital Investigation 29(2019)91
–
100.)提出了一个类似的遮蔽方法。这种方法的前提是，预测块的误差缺乏高频内容，这意味着在压缩过程中消除了这个块
的PRNU噪声。通过这种方式，消除全零块可以减少其他噪声的干扰。然而，预测良好的块产生的预测误差几乎为零，这些块也将被消除。Zeng(H.Zeng,Y.Wan,K.Deng,A.Peng,Source camera identificationwith dual
‑
tree complex wavelet transform,IEEE Access 8(2020)18874
–ꢀ
18883.)后来又提出，双树小波变换域的滤波效果比小波域好。同时，提出扩展图像的边缘可以提高滤波的质量。随后，Taspinar(S.Taspinar,M.Mohanty,N. Memon,Camera fingerprint extraction via spatial domain averaged frames, IEEE Transactions on Information Forensics and Security 15(2020)3270
ꢀ–
3282.)提出了一种通过在空间域对帧进行平均化来提取相机指纹的方法。与传统方法相比，所提出的方法大大提高了提取PRNU的速度。然而，当多媒体是具有复杂纹理的图像，或者SDA深度(空间域平均)增加时，需要更多的图像才能达到与传统方法相同的性能。
[0009]到目前为止，多媒体源检测和识别主要集中在图像源检测上，而对视频，特别是压缩视频的研究有限。然而，视频比图像更难进行来源归属。虽然视频生成的步骤与图像生成的步骤有很大重叠，但视频生成步骤对PRNU噪声估计的破坏性更大。由于原始视频是多个连续的照片，直接存储或传输是不现实的，必须进行压缩。另一方面，视频压缩利用了帧在短时间内高度相似的原理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种短压缩视频来源识别方法，其特征在于，包括：对平场压缩视频进行操作，获取所有相机的PRNU噪声，且所有相机的PRNU噪声一起组成一个PRNU噪声数据库；对自然压缩视频进行操作，提取自然压缩视频的PRNU噪声；计算自然压缩视频的PRNU噪声和PRNU噪声数据库中所有PRNU噪声的相关性，当相关性最高且判决阈值大于或者等于设定阈值时，则判定自然压缩视频和平场压缩视频来自同一相机，反之，自然压缩视频和平场压缩视频不是来自同一相机。2.根据权利要求1所述的一种短压缩视频来源识别方法，其特征在于，对平场压缩视频进行的操作和对自然压缩视频进行的操作均包括：将对应的视频数据重新变成比特流，篡改视频解码器的解码过程，去除解码器的环路滤波器来保留更多的PRNU噪声；重新用解码器获取G个视频帧；基于方差稳定变换的多尺度迭代最小二乘滤波方法，得到该G个视频帧过滤的噪声；基于G个视频帧过滤的噪声求取视频的PRNU噪声乘法因子K；去除PRNU噪声乘法因子K中的CFA插值伪影和其他相似性噪声成分,PRNU噪声乘法因子K与每个输入视频帧进行相乘再求平均，得到最终的PRNU噪声。3.根据权利要求2所述的一种短压缩视频来源识别方法，其特征在于，基于方差稳定变换的多尺度迭代最小二乘滤波方法，得到该G张视频帧过滤的噪声，包括：对G个视频帧分别进行广义Anscombe变换；对G个视频帧分别进行双树复小波变换,将图像分解成一系列低频和高频子图像；使用基于全局优化的最小二乘滤波方法对所有的高频子带进行滤波处理，得到滤波后的高频小波子带，然后和低频一起进行双树复小波逆变换，得到类高斯模式的视频帧；对类高斯模式的视频帧进行Anscombe反变换，得到去噪的视频帧；用输入视频帧与去噪的视频帧相减，得到每个视频帧过滤的噪声，即噪声残差。4.根据权利要求3所述的一种短压缩视频来源识别方法，其特征在于，进行广义Anscombe变换，公式如下：式(1)中，Y
z
表示混合噪声图像，Y
v
表示广义Anscombe变换后的噪声图像，常数项s＝0.375，γ为探测器的比例系数。5.根据权利要求3所述的一种短压缩视频来源识别方法，其特征在于，双树复小波变换具体的分解过程包括：先用对每个视频帧进行对偶树分解，得到对偶的两个树，然后每个树的每一行构成的一维数据进行两次...

【专利技术属性】
技术研发人员：田妮莉，苏开清，林焜茂，潘晴，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：