技术详细介绍
在飞速发展的信息时代，数字图像已经渗透到社会生活的每一个角落。人们可以随时使用相机或者手机记录生活日常。数字图像的广泛使用也促进了数字图像编辑软件的开发与应用。用户可以通过图像编辑软件随时随地按照个人需求对图像进行修改以达到更好的视觉效果。然而这在方便了用户的同时，也使得不法分子有机可乘。不法分子可拍摄一些非法图片并进行传播，更有甚者在未经授权的情况下，对他人拍摄的图像内容进行违规编辑、合成虚假图像等，从而造成篡改图像和盗版行为在社会生活中泛滥成灾。
图像取证研究就是在这样的背景下提出的，旨在通过盲分析手段认证图像数据的来源，鉴别和分析其原始性和真实性，进而解决图像版权问题和图像安全问题。项目主要通过深度学习方法获得成像设备的指纹，并基于设备指纹进行成像设备的溯源、重辨识以及图像篡改检测等。相关系统可以完成利用相机指纹追溯图像（包括原始图像和篡改图像）来源，对不同品牌，型号甚至不同个体的相机（包括手机相机）进行识别；同时鉴别图像是否经过篡改并准确定位篡改区域和篡改类型。本项研究有利于解决网络信息安全和知识产权保护问题，在图像取证和信息安全领域具有重大价值和实用意义。
项目成熟度
（1）针对单幅图像相机溯源问题，其识别准确率已达到或超过国际上最前沿算法的识别效果。相机品牌识别准确率达99。5%，型号识别准确率为97。1%，尤其是相机个体识别，准确率达52。4%。该项目在手机等移动设备的相机溯源问题上也同样适用。其中针对手机个体设备的识别率已达84。3%。另，本项目突破篡改图像的相机溯源技术，使得即使是经过增强、锐化、模糊等篡改操作的图像也能较为准确的识别出拍摄该照片的相机源。
（2）在公开的篡改检测数据集NIST上，本项目所提出方法的检测mAP可达到76%，尤其针对图像拼接这一种篡改类型，mAP可达到97%。在分辨率较高的图像上基本可以准确判断图像是否篡改并定位出篡改区域。
目前已有成果：
[1] Y。 Chen， Y。 Huang， and X。 Ding。 Camera model identification with residual neural network。 In Image Processing （ICIP）， 2017 IEEE International Conference on， pages 4337-4341。 IEEE， 2017。
[2] X。 Ding， Y。 Chen， Z。 Tang， Y。 Huang。 Camera identification based on Domain Knowledge-driven Deep Multi-task Learning。 IEEE Transactions on Information Forensics and Security （submitted）。
[3] 专利《一种基于深度学习的单幅图像相机溯源方法》
[4] 专利《一种基于深度学习的手机源重辨识方法》
应用范围
（1）数字图像来源检测。数字图像文件中的EXIF头文件包含了拍摄该照片的时间、日期、相机源等信息，但这类信息在图像传输和压缩过程中很容易丢失。本系统通过盲分析手段提取蕴含在图像像素点中的指纹信息，并以此来识别相机源。这一类特征微弱但是稳定，不会随着图像传播过程的压缩而有所损失。
（2）手机相机溯源。手机的广泛使用以及手机摄像效果的飞速提高，使得越来越多的人们放弃笨重的单反相机选择手机来记录生活中的点点滴滴。但由于手机成本以及尺寸的限制，硬件工艺自然不及相机。迫切需要针对手机成像的特点，设计适合手机相机溯源的网络。本系统也可以解决手机相机溯源问题。
（3）篡改图像来源检测。图像编辑软件的广泛使用，使得多数流传在网络平台上的大多数图像都经过美化、修改。甚至有不法分子对原始图像进行篡改，伪造生成图像。迫切需要一种相机源识别系统识别经过篡改的图像。本系统有足够的泛化能力以识别经过篡改的图像。
（4）图像篡改区域检测。数字媒体技术的飞速发展，在给内容编辑、艺术设计等领域带来便利的同时，也给了不法分子通过篡改图像内容谋取非法利益的机会。针对篡改图像，本系统可以鉴别和分析图像所经历的处理操作，准确定位出篡改区域，并判断篡改类型（包括图像拼接、图像擦除等）。
生产条件与经济效益评估
（1） 生产条件评估：
本团队为厦门大学信息科学与技术学院智能数据分析与处理团队，包括教授1名，副教授3名，研究生30余名。团队与哥伦比亚大学、杜克大学等国际名校保持密切的合作关系。团队带头人为丁兴号教授、博导，福建省高等学校新世纪优秀人才，福建省智慧城市感知与计算重点实验室副主任，厦门大学通信工程系系主任。团队近年来已经在IEEE TIP，CVPR， ICCV， ECCV，ACM MM，AAAI，IJCAI等人工智能、机器视觉、图像处理和信号处理领域顶级期刊会议上发表论文60余篇。团队主要研究方向是深度学习、计算机视觉与图像处理、数字图像取证等，拥有多种自主知识产权的针对数字图像取证方法，同时对传统算法与深度学习算法在数字图像取证有关应用上深有研究，并已通过有机结合数字图像高频边缘噪声信息与低频图像内容信息，以及深度学习高低层语义信息融合模块，大幅提升数字图像取证的准确性，同时在多类期刊会议上均有相关文章发表。
（2） 经济效益评估：
互联网以及移动相机的飞速发展深入各行各业，而数字图像也随其发展更简单快速地出现大众的视野中。数字图像取证一直是关系国家与社会安全的问题，传统的方法主要是利用不同的数字图像中存在对其来源鲁棒的数字图像指纹来进行取证操作，然而数字图像具有指纹特征微弱、图像内容多变、图像噪声丰富多样等特点，传统方法在图像取证上进展困难。深度学习技术因其强大的特征提取能力，在图像识别与重识别领域上得到飞速的发展与应用。将深度学习技术运用在数字图像取证上，对国家数字信息技术的安全有着不可低估的作用
合作方式
出资+资源合作：一方出资，另一方以非现金资源投入（技术）