Published October 10, 2022
| Version v1
Publication
Open
Identifying the Digital Camera from Natural Images Using Residual Noise and the Jensen–Shannon Divergence
Creators
- 1. Instituto Politécnico Nacional
- 2. Universidad Autónoma Metropolitana
Description
Regarding the problem of digital camera identification, many methods have been proposed, and for several of them, their effectiveness has been verified on the basis of disputed flat images. However, in real cases the disputed images are natural images, rather than flat images. In that case, several of the already proposed methods are not effective. Hence, in this paper, a method is proposed for the digital camera identification from natural images based on the statistical comparison between the residual noise in the natural disputed images and the fingerprint defined for the eligible digital cameras. In the reported case studies, the HDR database provided by the Communications and Signal Processing Laboratory of University of Florence is used to select a set of eligible digital cameras, and from this image database, for each digital camera, a set of disputed flat images, a set of disputed natural images, and a set of flat reference images were selected. Thus, the fingerprint of each digital camera was calculated from the probability density function (PDF) of the photo-response nonuniformity (PRNU) extracted from its reference images. Therefore, in order to identify the source digital camera of a natural disputed image, the Jensen–Shannon divergence (JSD) was implemented to statistically compare the PRNU-based fingerprint of each eligible source camera against the noise residual of that disputed image. The proposed method has a similar effectiveness to methods based on the peak-to-correlation energy or the Kullback–Leibler divergence when the disputed images are flat images and the PRNU is considered, but it is significantly more effective than those methods when the disputed images are natural images.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
فيما يتعلق بمشكلة التعرف على الكاميرا الرقمية، تم اقتراح العديد من الطرق، وبالنسبة للعديد منها، تم التحقق من فعاليتها على أساس الصور المسطحة المتنازع عليها. ومع ذلك، في الحالات الحقيقية، تكون الصور المتنازع عليها صورًا طبيعية، وليست صورًا مسطحة. في هذه الحالة، فإن العديد من الطرق المقترحة بالفعل ليست فعالة. وبالتالي، في هذه الورقة، يتم اقتراح طريقة لتحديد الكاميرا الرقمية من الصور الطبيعية بناءً على المقارنة الإحصائية بين الضوضاء المتبقية في الصور الطبيعية المتنازع عليها وبصمة الإصبع المحددة للكاميرات الرقمية المؤهلة. في دراسات الحالة المبلغ عنها، يتم استخدام قاعدة بيانات تقرير التنمية البشرية التي يوفرها مختبر الاتصالات ومعالجة الإشارات بجامعة فلورنسا لاختيار مجموعة من الكاميرات الرقمية المؤهلة، ومن قاعدة بيانات الصور هذه، لكل كاميرا رقمية، تم اختيار مجموعة من الصور المسطحة المتنازع عليها، ومجموعة من الصور الطبيعية المتنازع عليها، ومجموعة من الصور المرجعية المسطحة. وهكذا، تم حساب بصمة كل كاميرا رقمية من دالة كثافة الاحتمال (PDF) لعدم انتظام الاستجابة الضوئية (PRNU) المستخرجة من صورها المرجعية. لذلك، من أجل تحديد الكاميرا الرقمية المصدر لصورة طبيعية متنازع عليها، تم تنفيذ تباعد جنسن- شانون (JSD) لمقارنة البصمة المستندة إلى PRNU إحصائيًا لكل كاميرا مصدر مؤهلة مقابل الضوضاء المتبقية من تلك الصورة المتنازع عليها. تتمتع الطريقة المقترحة بفعالية مماثلة للطرق القائمة على طاقة الذروة إلى الارتباط أو تباعد Kullback - Leibler عندما تكون الصور المتنازع عليها صورًا مسطحة ويتم النظر في PRNU، ولكنها أكثر فعالية بشكل ملحوظ من تلك الطرق عندما تكون الصور المتنازع عليها صورًا طبيعية.Translated Description (French)
En ce qui concerne le problème de l'identification des appareils photo numériques, de nombreuses méthodes ont été proposées, et pour plusieurs d'entre elles, leur efficacité a été vérifiée sur la base d'images plates contestées. Cependant, dans les cas réels, les images contestées sont des images naturelles, plutôt que des images plates. Dans ce cas, plusieurs des méthodes déjà proposées ne sont pas efficaces. Par conséquent, dans cet article, une méthode est proposée pour l'identification de l'appareil photo numérique à partir d'images naturelles sur la base de la comparaison statistique entre le bruit résiduel dans les images naturelles contestées et l'empreinte digitale définie pour les appareils photo numériques éligibles. Dans les études de cas rapportées, la base de données HDR fournie par le Laboratoire de traitement des communications et du signal de l'Université de Florence est utilisée pour sélectionner un ensemble d'appareils photo numériques éligibles, et à partir de cette base de données d'images, pour chaque appareil photo numérique, un ensemble d'images plates contestées, un ensemble d'images naturelles contestées et un ensemble d'images de référence plates ont été sélectionnés. Ainsi, l'empreinte digitale de chaque appareil photo numérique a été calculée à partir de la fonction de densité de probabilité (PDF) de la non-uniformité de photo-réponse (PRNU) extraite de ses images de référence. Par conséquent, afin d'identifier la caméra numérique source d'une image naturelle contestée, la divergence Jensen–Shannon (JSD) a été mise en œuvre pour comparer statistiquement l'empreinte digitale basée sur PRNU de chaque caméra source éligible au bruit résiduel de cette image contestée. La méthode proposée a une efficacité similaire aux méthodes basées sur l'énergie de crête à corrélation ou la divergence de Kullback–Leibler lorsque les images contestées sont des images plates et que le PRNU est considéré, mais elle est nettement plus efficace que ces méthodes lorsque les images contestées sont des images naturelles.Translated Description (Spanish)
En cuanto al problema de la identificación con cámara digital, se han propuesto muchos métodos, y para varios de ellos se ha comprobado su eficacia sobre la base de imágenes planas en disputa. Sin embargo, en casos reales, las imágenes en disputa son imágenes naturales, en lugar de imágenes planas. En ese caso, varios de los métodos ya propuestos no son efectivos. Por lo tanto, en este documento, se propone un método para la identificación de la cámara digital a partir de imágenes naturales basado en la comparación estadística entre el ruido residual en las imágenes naturales en disputa y la huella dactilar definida para las cámaras digitales elegibles. En los estudios de casos reportados, la base de datos HDR proporcionada por el Laboratorio de Comunicaciones y Procesamiento de Señales de la Universidad de Florencia se utiliza para seleccionar un conjunto de cámaras digitales elegibles, y de esta base de datos de imágenes, para cada cámara digital, se seleccionaron un conjunto de imágenes planas en disputa, un conjunto de imágenes naturales en disputa y un conjunto de imágenes de referencia planas. Así, la huella dactilar de cada cámara digital se calculó a partir de la función de densidad de probabilidad (PDF) de la foto-respuesta de no uniformidad (PRNU) extraída de sus imágenes de referencia. Por lo tanto, para identificar la cámara digital fuente de una imagen natural en disputa, se implementó la divergencia de Jensen–Shannon (JSD) para comparar estadísticamente la huella digital basada en PRNU de cada cámara fuente elegible con el ruido residual de esa imagen en disputa. El método propuesto tiene una efectividad similar a los métodos basados en la energía de pico a correlación o la divergencia de Kullback–Leibler cuando las imágenes en disputa son imágenes planas y se considera el PRNU, pero es significativamente más efectivo que esos métodos cuando las imágenes en disputa son imágenes naturales.Files
1574024.pdf.pdf
Files
(15.9 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:7daebae7d2d8ed92554936ef72b60f6a
|
15.9 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحديد الكاميرا الرقمية من الصور الطبيعية باستخدام الضوضاء المتبقية وتباعد جنسن- شانون
- Translated title (French)
- Identification de l'appareil photo numérique à partir d'images naturelles à l'aide du bruit résiduel et de la divergence Jensen–Shannon
- Translated title (Spanish)
- Identificación de la cámara digital a partir de imágenes naturales utilizando ruido residual y la divergencia de Jensen–Shannon
Identifiers
- Other
- https://openalex.org/W4304136621
- DOI
- 10.1155/2022/1574024
References
- https://openalex.org/W1965555277
- https://openalex.org/W1990438568
- https://openalex.org/W1997664804
- https://openalex.org/W2014687456
- https://openalex.org/W2022503816
- https://openalex.org/W2037023837
- https://openalex.org/W2063703901
- https://openalex.org/W2077889468
- https://openalex.org/W2096410324
- https://openalex.org/W2096754397
- https://openalex.org/W2107461197
- https://openalex.org/W2114667516
- https://openalex.org/W2144533910
- https://openalex.org/W2146950091
- https://openalex.org/W2154947579
- https://openalex.org/W2164324816
- https://openalex.org/W2171152518
- https://openalex.org/W2364293642
- https://openalex.org/W2569045678
- https://openalex.org/W2739257828
- https://openalex.org/W2751471013
- https://openalex.org/W2753759026
- https://openalex.org/W2790248660
- https://openalex.org/W2791242236
- https://openalex.org/W2792052036
- https://openalex.org/W2885533020
- https://openalex.org/W2899697768
- https://openalex.org/W2946246863
- https://openalex.org/W2952757700
- https://openalex.org/W3011172498
- https://openalex.org/W3013626038
- https://openalex.org/W3034854296
- https://openalex.org/W3093175413
- https://openalex.org/W3105385324
- https://openalex.org/W3134838646
- https://openalex.org/W3134987169
- https://openalex.org/W3163407364
- https://openalex.org/W3168746219
- https://openalex.org/W4220982033
- https://openalex.org/W4221080509
- https://openalex.org/W4247245157
- https://openalex.org/W4281753300
- https://openalex.org/W4283074508