الگوریتم تشخیص نوع دوربین براساس spn و با استفاده از svd/pca و طبقه بندی کننده svm

شناسایی دوربین مبدأ یک تصویر، یکی از موضوعات مهم در علوم قانونی دیجیتال است و در بسیاری از کاربردها مثل تصاویری که در دادگاه به عنوان مدرک ارائه می شود مفید است. در اکثر روش ها از خصوصیات نویز تصویر، استخراج الگوی نویز سنسور، همبستگی آن با غیریکنواختی پاسخ نور (prnu) استفاده شده است. در این پژوهش علمی ما روشی را ارائه داده ایم که بر پایه prnu است و ویژگی هایی را برای طبقه بندی به وسیله ماشین بردار پشتیبان (svm) فراهم می کند. همچنین به مسأله زمان الگوریتم نیز توجه شده است به این ترتیب از نظریه پردازش چند دقتی و تبدیل موجک استفاده شده تا علاوه بر کاهش ابعاد تصویر، مهم ترین اجزای نویز را استخراج کنیم. همچنین ما با استفاده از آرایه فیلتر رنگ (cfa) سعی در کاهش خطاهای درونیابی رنگ و افزایش هر چه بیشتر دقت شناسایی داشته ایم و با به کارگیری تجزیه مقادیر منفرد (svd) یا آنالیز مولفه های اصلی (pca) داده ها را ساده و خلاصه کرده ایم. روش پیشنهادی را با روش های پیشین که اساس آن prnu می باشد مقایسه کرده ایم.نتایج در مقایسه با روش های پیشین از نظر صحت و زمان الگوریتم مناسب تر است.