5101520253010203000.20.40.60.8Cross

5
10
15
20
25
30
10
20
30
0
0.2
0.4
0.6
0.8
Cross−Correlation Output
Fig. 6. Cross-correlation output of dust speck in fig. 4
confidence value of the contour region. If there is not any
significant intensity loss inside of the contour plot then the
confidence value is assigned to zero. After contour analysis,
according to the confidence values, each candidate is evaluated
to determine the dust specs.
2 4 6 8 10 12 14 16 18
2
4
6
8
10
12
14
16
18
120
125
130
135
140
145
150
Fig. 7. Contour analysis of dust speck in fig. 4 (Num. of
closed loops inside of the speck : 16, intensity loss : 24.3)
2.3. Camera Dust Pattern Generation
To be able to address a forensic setting we assumed two relevant
scenarios of dust pattern generation.
² Digital camera is available: In this case the dust pattern
of an image can be generated by taking the picture of
distant smoothly varying scenery by manually setting
the focal length to high values (f/32 or f/36). Then proposed
dust detection method is applied to create dust
pattern of the camera.
² Images acquired with the DSLR camera are available:
When the camera is not available but rather a number of
images taken by the camera is present, the dust points
that are determined by correlation and through shape
characteristics in each image is superimposed together
to form the dust pattern/template of the camera. Once
the template is created, a threshold is applied to the
template to reduce the number of falsely labeled specks
in the dust pattern. The underlying idea of applying a
threshold to the template is that the actual dust specks
should show up at least in two or more images. Since
the probability of getting a false dust candidate at the
same position in multiple images is very low, we expect
that false positives due to image content will be eliminated
after thresholding. The dust candidates which
have higher confidence values than a fixed threshold are
considered to represent the dust pattern of the camera.
Finally, source camera identification model is realized by matching
camera dust template with the estimated dust pattern of a
given image
3. EXPERIMENTAL RESULTS
Our experiments are based on the assumption that the digital
camera is not available and that the sensor dust pattern has to
be obtained from a number of images taken by a DSLR camera
where obtaining a precise dust template is not easy. To
create an image set we have downloaded DSLR images from
three different personal galleries at www.pbase.com. All
images are taken with Sigma SD10. We also created an alternative
image data set taken from compact consumer cameras.
In order to reduce computation time of cross-correlation, all
images are resized to 800x533 pixels. Since dust spots are
almost invisible at large aperture rates, images with low fnumbers
(below than 8) are not used at experiments.
From each three gallery, we randomly select 10 images to
create a dust template. As described in Section 2, we computed
the cross-correlation outputs for each image and then
superimposed all the outputs to create a camera dust pattern.
The contour analysis is then used to refine the final result. After
dust patterns of three cameras are computed, in the testing
and verification step previously unseen images in each image
gallery are analyzed to determine if they include any traces of
dust patterns in the locations pointed in the dust template of
the camera.
In Figures 8,9,10 we provide results, when the dust template
is generated only from 10 images, and tested on 20 images
taken by the same and 60 random images taken by other
cameras. Our matching results indicate that, we achieve a
detection rate around 92% with 0% false positive rate by setting
the confidence threshold 1.2. In the figures x-axes shows

ผลลัพธ์ (ไทย) 1:

5101520253010203000.20.40.60.8แสดงผล Cross−Correlationรูป 6 ความสัมพันธ์ระหว่างผลลัพธ์ของแว๊กฝุ่นในรูป 4ค่าความเชื่อมั่นของภูมิภาครูปร่าง ถ้าไม่มีการความเข้มที่สำคัญสูญเสียภายในพล็อตรูปร่างนั้นมีกำหนดค่าความเชื่อมั่นเป็นศูนย์ หลังจากวิเคราะห์รูปร่างประเมินตามค่าความเชื่อมั่น สมัครการตรวจสอบสเปคฝุ่น2 4 6 8 10 12 14 16 1824681012141618120125130135140145150รูป 7 การวิเคราะห์ฝุ่นแว๊กใน 4 รูป (หมายเลขของรูปร่างปิดลูปแว๊กภายใน: 16 ความเข้มสูญเสีย: 24.3)2.3. กล้องฝุ่นลายรุ่นต้องการที่อยู่การตั้งค่านิติ เราสันนิษฐานว่าสองที่เกี่ยวข้องสถานการณ์ของการสร้างรูปแบบฝุ่นมีกล้องดิจิตอล²: ในกรณีนี้รูปแบบฝุ่นรูปภาพสามารถสร้าง โดยการใช้ภาพทิวทัศน์ระยะไกลที่แตกต่างกันได้อย่างราบรื่น โดยการตั้งค่าด้วยตนเองความยาวโฟกัสให้สูงค่า (f/32 หรือ f/36) แล้ว นำเสนอใช้วิธีการตรวจฝุ่นสร้างฝุ่นรูปแบบของกล้องมีภาพ²ที่มากับกล้อง DSLR:เมื่อกล้องไม่มีแต่มีจำนวนภาพที่ถ่ายจากกล้องที่มีอยู่ จุดฝุ่นที่ถูกกำหนด จากความสัมพันธ์ และรูปร่างลักษณะในแต่ละรูปซ้อนกันแบบรูปแบบ/แม่แบบฝุ่นของกล้อง ครั้งสร้างแม่แบบ เกณฑ์การใช้การแม่เพื่อลดจำนวนของจุดที่แอบใช้ชื่อin the dust pattern. The underlying idea of applying athreshold to the template is that the actual dust specksshould show up at least in two or more images. Sincethe probability of getting a false dust candidate at thesame position in multiple images is very low, we expectthat false positives due to image content will be eliminatedafter thresholding. The dust candidates whichhave higher confidence values than a fixed threshold areconsidered to represent the dust pattern of the camera.Finally, source camera identification model is realized by matchingcamera dust template with the estimated dust pattern of agiven image3. EXPERIMENTAL RESULTSOur experiments are based on the assumption that the digitalcamera is not available and that the sensor dust pattern has tobe obtained from a number of images taken by a DSLR camerawhere obtaining a precise dust template is not easy. Tocreate an image set we have downloaded DSLR images fromthree different personal galleries at www.pbase.com. Allimages are taken with Sigma SD10. We also created an alternativeimage data set taken from compact consumer cameras.In order to reduce computation time of cross-correlation, allimages are resized to 800x533 pixels. Since dust spots arealmost invisible at large aperture rates, images with low fnumbers(below than 8) are not used at experiments.From each three gallery, we randomly select 10 images tocreate a dust template. As described in Section 2, we computedความสัมพันธ์ระหว่างเอาต์พุสำหรับแต่ละรูปแล้วซ้อนผลการสร้างรูปแบบฝุ่นกล้องการวิเคราะห์รูปร่างถูกใช้เพื่อกำหนดผลลัพธ์สุดท้าย หลังจากที่รูปแบบฝุ่นของกล้องที่สามจะคำนวณ ในการทดสอบและตรวจสอบขั้นตอนก่อนหน้านี้มองไม่เห็นภาพแต่ละรูปแกลเลอรีจะถูกวิเคราะห์เพื่อตรวจสอบว่า มีร่องรอยใด ๆ ของรูปแบบฝุ่นในตำแหน่งชี้ในแบบฝุ่นของกล้องเลขที่ 8,9,10 เราเป็นผู้ให้ผล เมื่อแบบฝุ่นสร้างขึ้นจากภาพที่ 10 และ 20 ภาพทดสอบบนเท่านั้นโดยเดียว และ 60 ภาพสุ่มโดยอื่น ๆกล้อง ผลลัพธ์ที่ตรงกันระบุว่า เราได้ตรวจสอบอัตราประมาณ 92% 0% อัตราการบวกเท็จ โดยการตั้งค่าขีดจำกัดความเชื่อมั่น 1.2 ในการแสดง x-axes ตัวเลข

ผลลัพธ์ (ไทย) 2:

5
10
15
20
25
30
10
20
30
0
0.2
0.4
0.6
0.8
ข้ามความสัมพันธ์เอาท์พุท
รูป เอาท์พุท 6. ข้ามความสัมพันธ์ของจุดฝุ่นในมะเดื่อ 4
ค่าความเชื่อมั่นของภูมิภาครูปร่าง ถ้ามีไม่ใด ๆ
สูญเสียความเข้มอย่างมีนัยสำคัญภายในของพล็อตให้เหมาะกับรูปร่างแล้ว
ค่าความเชื่อมั่นที่ได้รับมอบหมายให้เป็นศูนย์ หลังจากการวิเคราะห์รูปร่าง
ตามค่าความเชื่อมั่นของผู้สมัครแต่ละคนได้รับการประเมิน
เพื่อตรวจสอบรายละเอียดฝุ่น.
2 4 6 8 10 12 14 16 18
2
4
6
8
10
12
14
16
18
120
125
130
135
140
145
150
รูป 7. การวิเคราะห์รูปร่างของจุดฝุ่นในมะเดื่อ 4 (NUM ของ.
ลูปปิดภายในของจุดนี้: 16, การสูญเสียความเข้ม: 24.3)
2.3 กล้องฝุ่นแบบรุ่น
เพื่อให้สามารถที่จะแก้ไขการตั้งค่านิติวิทยาศาสตร์เราสันนิษฐานว่าทั้งสองมีความเกี่ยวข้อง
. สถานการณ์ของการสร้างรูปแบบฝุ่น
²กล้องดิจิตอลที่มีอยู่: ในกรณีนี้รูปแบบฝุ่น
ของภาพที่สามารถสร้างขึ้นโดยการถ่ายภาพของ
ไกลทิวทัศน์ได้อย่างราบรื่นที่แตกต่างกันโดย ตนเองตั้งค่า
ความยาวโฟกัสให้เป็นค่าที่สูง (f / 32 หรือ f / 36) จึงเสนอ
วิธีการตรวจสอบฝุ่นถูกนำไปใช้ในการสร้างฝุ่น
รูปแบบของกล้อง.
²แสดงสินค้าที่ได้มาพร้อมกับกล้อง DSLR นี้:
เมื่อกล้องไม่สามารถใช้ได้ แต่จำนวนของ
ภาพที่ถ่ายโดยกล้องเป็นปัจจุบันจุดฝุ่น
ที่มีความมุ่งมั่น โดยความสัมพันธ์และผ่านการรูปร่าง
ลักษณะในภาพแต่ละภาพซ้อนทับด้วยกัน
ในรูปแบบฝุ่นรูปแบบ / แม่แบบของกล้อง เมื่อ
แม่แบบการสร้างเกณฑ์ที่จะถูกนำไปใช้กับ
แม่แบบเพื่อลดจำนวนของจุดที่มีข้อความอันเป็นเท็จ
ในรูปแบบฝุ่น ความคิดพื้นฐานของการใช้
เกณฑ์กับแม่แบบก็คือฝุ่นที่เกิดขึ้นจริง
ควรจะแสดงขึ้นอย่างน้อยในสองคนหรือมากกว่าภาพ เนื่องจาก
ความน่าจะเป็นของการเป็นผู้สมัครฝุ่นเท็จที่ที่
ตำแหน่งเดียวกันในหลายภาพอยู่ในระดับต่ำมากเราคาด
ว่าผลบวกปลอมเนื่องจากเนื้อหาของภาพจะถูกยกเลิก
หลังจากกำหนดเกณฑ์ขั้นต่ำ ผู้สมัครฝุ่นซึ่ง
มีค่าความเชื่อมั่นสูงกว่าเกณฑ์คงที่
ถือว่าเป็นตัวแทนของรูปแบบฝุ่นของกล้อง.
ในที่สุดแหล่งที่มาของรูปแบบบัตรประจำตัวกล้องจะรู้โดยการจับคู่
แม่แบบฝุ่นกล้องที่มีรูปแบบฝุ่นประมาณของ
ภาพที่ได้รับ
3 ทดลองผล
การทดลองของเราอยู่บนสมมติฐานที่ว่าดิจิตอล
กล้องจะไม่สามารถใช้ได้และว่ารูปแบบฝุ่นเซ็นเซอร์มีการ
ได้รับจากจำนวนภาพที่ถ่ายด้วยกล้อง DSLR
ที่ได้รับแม่แบบฝุ่นได้อย่างแม่นยำไม่ง่าย เพื่อ
สร้างชุดภาพที่เราได้ดาวน์โหลดภาพ DSLR จาก
สามแกลเลอรี่ส่วนบุคคลที่แตกต่างกัน www.pbase.com ทุก
ภาพที่ถ่ายด้วย Sigma SD10 นอกจากนี้เรายังได้สร้างทางเลือกที่
ภาพชุดข้อมูลที่ถ่ายจากกล้องของผู้บริโภคที่มีขนาดกะทัดรัด.
เพื่อลดเวลาในการคำนวณข้ามความสัมพันธ์ทุก
ภาพจะถูกปรับขนาด 800x533 พิกเซล ตั้งแต่จุดฝุ่น
เกือบมองไม่เห็นในอัตราที่รูรับแสงขนาดใหญ่ภาพด้วย fnumbers ต่ำ
(ต่ำกว่า 8) จะไม่ได้นำมาใช้ในการทดลอง.
จากแต่ละสามแกลเลอรี่เราสุ่มเลือก 10 ภาพเพื่อ
สร้างแม่แบบฝุ่น ตามที่อธิบายไว้ในส่วนที่ 2 เราคำนวณ
ผลที่ข้ามความสัมพันธ์แต่ละภาพแล้ว
ทับขาออกทั้งหมดเพื่อสร้างรูปแบบฝุ่นกล้อง.
การวิเคราะห์รูปร่างที่ใช้แล้วเพื่อปรับแต่งผลสุดท้าย หลังจากที่
รูปแบบฝุ่นในสามของกล้องจะคำนวณในการทดสอบ
และการตรวจสอบขั้นตอนภาพที่มองไม่เห็นก่อนหน้านี้ในแต่ละภาพ
แกลเลอรี่มีการวิเคราะห์เพื่อตรวจสอบว่าพวกเขามีร่องรอยใด ๆ ของ
รูปแบบฝุ่นในสถานที่ตั้งชี้ไปในแม่แบบฝุ่น
กล้อง.
ในรูปที่ 8 9,10 เราให้ผลเมื่อแม่แบบฝุ่น
จะถูกสร้างขึ้นจาก 10 ภาพและการทดสอบบน 20 ภาพ
ที่ถ่ายโดยเดียวกันและ 60 ภาพที่ถ่ายโดยการสุ่มอื่น ๆ
กล้อง ผลการจับคู่ของเราแสดงให้เห็นว่าเราบรรลุ
อัตราการตรวจจับรอบ 92% 0% อัตราบวกปลอมโดยการตั้งค่า
ความเชื่อมั่นของเกณฑ์ 1.2 ในรูป X-แกนแสดงให้เห็นว่า