学习了未知相机模型的取证源相似度【参考文献24】

**

学习了未知相机模型的取证源相似度

**
摘要
构建一个系统，比较两个图像斑块，以确定它们是否由同一相机模型捕获。首先训练一个基于CNN的特征提取器来输出编码图像patch的源摄像机模型信息的一般的、高级的特征。然后，学习了一种相似性度量方法，该方法将这些特征映射成一个分数，用以指示这两个图像块是由相同的还是不同的相机模型捕获的。

方法：

1. 特征提取器-学习阶段 通过特征提取函数将输入图像映射到n维特征空间，编码高级摄像机模型信息。
   利用一个特征相似性度量将特征对映射到一个以0和1为界的空间，0表示原相机模型不相似，1表示它们相似。最后，用阀值比较决定是否源相机模型是相同或不同。
   总结：向该系统输入两个图像补丁，并将每个补丁映射到编码高级相机模型信息的特征空间。然后，这对特征被映射到一个表示其源摄像机模型相似度的输出分数，最后与一个阀值进行比较。
2. 相似网络-学习阶段 映射对提取的特征到一个相似度评分 训练一个多层神经网络来比较描述特征提取器中提取的特征对，称这个网络为相似网络
   学习过程：取两个在学习阶段a学习的预训练的特征提取器网络的副本和f（x）从两个图像补丁作为输入到相似网络，f（x的特性）和f（x）分别连接fc
   b1 和fc b2两层。两层都包含1024个具有参数ReLU激活函数的神经元 然后。这两层与单层神经元fc
   b3完全连接，每个神经元都有参数ReLU激活。然后这层神经元完全连接到一个乙状结肠激活的单个神经元。该神经元的激活值对应于相似性值S(f(x))，f（x在情商）。激活值高于阀值0.5表明输入补丁X的一对和X都是用同一型号的相机拍摄。
   首先训练一个基于cnn的特征提取器来输出一般的、高级的特征，这些特征可以编码一个图像补丁的源相机模型的信息。然后学习了一个相似性度量方法，该方法将这些特征对映射为一个分数，用来指示这两个图像块是由相同的或不同的相机模型捕获的。