位置:成果数据库 > 期刊 > 期刊详情页
联合OC-SVM和MC-SVM的图像来源取证方法
  • ISSN号:1000-1239
  • 期刊名称:计算机研究与发展
  • 时间:0
  • 页码:1456-1461
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]大连理工大学信息安全研究中心,辽宁大连116024
  • 相关基金:国家“八六三”高技术研究发展计划基金项目(2008AA012418);国家自然科学基金项目(60572111).
  • 相关项目:数字图像原始性鉴别和篡改盲取证研究
中文摘要:

为了解决现有图像来源取证方法在相机样本较多时准确性较差、无法对未知模型的图像来源取证以及可扩展性差的问题,提出了一种基于一类和多类支持向量机联合的图像来源取证方法。算法利用协方差的统计相关性提高了CFA插值系数的估计精度,并以SFFS算法选择的特征作为分类器输入。采用OC-SVM(一类支持向量机)和MC-SVM(多类支持向量机)联合的策略进行图像来源分类,有效地解决了对未知模型图像来源的鉴别问题以及可扩展性差的问题。实验表明,该方法对28种相机拍摄的图像进行来源取证,能够达到平均90.4%的鉴别正确率,同时对于3种训练模型以外的未知相机模型拍摄图像,能够达到平均79.3%的检测正确率。

英文摘要:

The multi-class classifier used in the existing source camera identification algorithms usually leads to numbers of problems, such as unavoidable false classification of the images out of the training models, decreasing accuracy as camera models increasing and the lack of expansibility. Focusing on these problems, a method for source camera identification based on the combination of one-class SVM and multi-class SVM is proposed in this paper. By solving covariance matrix equation, the authors reduce the perturbing term introduced by the pipeline of imaging, and improve the estimating precision of CFA interpolation coefficients. To obtain a more efficient feature space for classification, the sequential forward feature selection method is implemented to construct feature vector as the input of the classifier. The strategy using the combination of OC-SVM and MC-SVM as the classifier in the approach provide an effective approach for the classification of images out of training models and system's expansibility. In the combination, the OC-SVM is used to expose the images that captured by an unknown camera model, and the MC-SVM trains a new multi-class model to classify the image source according to the positive results of the OC-SVM. The experiments indicate that average accuracies of 90.4% for camera model identification from 28 cameras, and 79.3% for three outlier camera model detection are obtained respectively in this method.

同期刊论文项目
期刊论文 15 会议论文 18 专利 9
期刊论文 41 会议论文 6 获奖 4 专利 4
同项目期刊论文
期刊信息
  • 《计算机研究与发展》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院计算技术研究所
  • 主编:徐志伟
  • 地址:北京市科学院南路6号中科院计算所
  • 邮编:100190
  • 邮箱:crad@ict.ac.cn
  • 电话:010-62620696 62600350
  • 国际标准刊号:ISSN:1000-1239
  • 国内统一刊号:ISSN:11-1777/TP
  • 邮发代号:2-654
  • 获奖情况:
  • 2001-2007百种中国杰出学术期刊,2008中国精品科...,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,荷兰文摘与引文数据库,美国工程索引,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:40349