有限样本条件下的相机来源鉴别方法
(0) 针对已有的数字图像相机来源鉴别取证算法,尽管在实验室环境下能够取得较高的准确率,但是其基于统计特征和多类分类的模式,决定了只能在拥有大量有标签训练样本的条件下达到较好的检测性能.针对有限样本条件下的图像相机来源取证鉴別问题,论文利用局部二进制模型特征(LBP)、图像质量特征(IQM)、色彩滤波阵列插值特征(CFA)三类统计特征集作为来源鉴别特征集合,通过自学习方法和协同训练方法,将半监督学习引入相机来源鉴别中,提出并实现了在有限样本条件下数字图像来源鉴别的有效取证方法.实验结果表明基于半监督学习的来源鉴别方法,能够在标签样本仅有10个的情况下,达到90％以上的平均鉴别准确率.
数字图像 相机来源 鉴定方法 有限样本 半监督学习
谭跃 王波 赵美娟 孔祥维 郭艳卿 李明
大连理工大学信息安全研究中心,辽宁大连,116024
国内会议
武汉
中文
448-454
2015-03-28（万方平台首次上网日期，不代表论文的发表时间）