基于相机指纹稀疏表示的准确且可扩展图像聚类
计算机视觉与模式识别
2018-12-03 v2
摘要
根据采集设备对图像进行聚类是多媒体取证中的一个众所周知的问题，通常借助相机传感器模式噪声（SPN）来解决。该问题具有挑战性，因为 SPN 是一种类噪声信号，难以估计且易被诸多因素衰减或破坏。此外，SPN 的高维性阻碍了大规模应用。现有方法通常基于像素域中 SPN 之间的相关性，这可能无法捕捉向量子空间并集中的内在数据结构。本文提出了一种准确的聚类框架，该框架利用了 SPN 在其内在向量子空间中的线性依赖关系。这些依赖关系在稀疏表示下编码，通过求解带非负约束的 LASSO 问题获得。所提框架在聚类数估计和图像关联方面具有很高准确性。此外，我们的框架对图像数量具有可扩展性，并对双重 JPEG 压缩以及离群点的存在具有鲁棒性，具有很大的实际应用潜力。在 Dresden 和 Vision 数据库上的实验结果表明，我们提出的框架能很好地适应中等规模和大规模场景，并优于当前最优方法。
引用
@article{arxiv.1810.07945,
title = {Accurate and Scalable Image Clustering Based On Sparse Representation of Camera Fingerprint},
author = {Quoc-Tin Phan and Giulia Boato and Francesco G. B. De Natale},
journal= {arXiv preprint arXiv:1810.07945},
year = {2018}
}