[논문 리뷰] Camera identification by grouping images from database, based on shared noise patterns

Teun Baar, Wiger van Houten외 1명|arXiv (Cornell University)|2012. 07. 11.

Digital Media Forensic Detection참고 문헌 5인용 수 11

한 줄 요약

이 논문은 최적화된 노이즈 추출 필터와 상관관계 기반 매칭을 사용하여 대규모 이미지 데이터베이스에서 동일한 카메라에서 유래한 이미지를 빠르고 확장성 있게 그룹화하는 방법을 제안한다. 이 방법은 카메라 고유의 노이즈 패턴(_PRNU_)을 식별함으로써, 기존 방법에 비해 계산 시간을 크게 줄이며 높은 정확도로 카메라 출처를 식별하는 노이즈 패턴 클러스터링을 가능하게 한다.

ABSTRACT

Previous research showed that camera specific noise patterns, so-called PRNU-patterns, are extracted from images and related images could be found. In this particular research the focus is on grouping images from a database, based on a shared noise pattern as an identification method for cameras. Using the method as described in this article, groups of images, created using the same camera, could be linked from a large database of images. Using MATLAB programming, relevant image noise patterns are extracted from images much quicker than common methods by the use of faster noise extraction filters and improvements to reduce the calculation costs. Relating noise patterns, with a correlation above a certain threshold value, can quickly be matched. Hereby, from a database of images, groups of relating images could be linked and the method could be used to scan a large number of images for suspect noise patterns.

연구 동기 및 목표

• 대규모 데이터베이스에서 동일한 카메라에서 유래한 이미지를 효율적으로 식별하고 그룹화하는 데 도전하는 것.
• 확장 가능한 이미지 정밀 감시를 위한 PRNU(Photo-Response Non-Uniformity) 노이즈 패턴 추출 및 매칭의 계산 비용을 줄이는 것.
• 공유된 노이즈 패턴을 활용하여 대규모 이미지 컬렉션을 신속하게 스캔하여 의심되는 카메라 출처를 식별하는 것.
• MATLAB에서의 알고리즘 최적화를 통해 노이즈 패턴 추출 및 상관관계 매칭의 속도를 향상시키는 것.
• 실제 현장에서의 정밀 감시 응용 프로그램에서 공유된 카메라 지문을 기반으로 이미지를 그룹화하는 것이 가능한지 입증하는 것.

제안 방법

• 이미지에서 PRNU 패턴을 계산하는 데 있어 계산 속도를 높이기 위해 더 빠른 노이즈 추출 필터를 적용하는 것.
• 노이즈 패턴 추출 과정에서 계산 비용을 줄이기 위해 신호 처리 기법을 적용하는 것.
• 사전 정의된 임계값 이상의 유사한 노이즈 패턴을 가진 이미지를 상관관계 기반 매칭으로 연결하는 것.
• 공유된 PRNU 패턴을 기반으로 이미지를 클러스터로 그룹화하여 동일한 카메라 출처를 식별하는 것.
• 대규모 이미지 데이터베이스 처리를 위한 효율적 운영을 가능하게 하기 위해 MATLAB에서 이 방법을 구현하는 것.
• 카메라 고유의 노이즈 패턴의 안정성을 바탕으로 이미지 출처 식별을 위한 신뢰할 수 있는 정밀 감시 지문으로 활용하는 것.

실험 결과

연구 질문

• RQ1 대규모 데이터베이스에서 PRNU 기반의 이미지 그룹화가 계산 비용을 크게 줄여가며 수행될 수 있는가?
• RQ2 대규모 환경에서 공유된 노이즈 패턴을 얼마나 효과적으로 사용하여 동일한 카메라에서 유래한 이미지를 식별하고 그룹화할 수 있는가?
• RQ3 최적화된 노이즈 추출 필터가 정확도를 희생시키지 않으면서 PRNU 분석 속도를 얼마나 향상시킬 수 있는가?
• RQ4 노이즈 패턴 간의 상관계수에 대해 어떤 임계값이 동일한 카메라에서 온 이미지의 신뢰성 있는 그룹화를 보장하는가?
• RQ5 제안된 방법이 수천 개의 이미지를 포함하는 실제 데이터베이스에 확장 가능한가?

주요 결과

• 제안된 방법은 기존 접근 방식에 비해 대규모 이미지 세트의 노이즈 패턴 추출 속도가 크게 향상되어 처리 시간을 단축시켰다.
• PRNU 패턴의 상관관계 기반 매칭을 통해 동일한 카메라에서 유래한 이미지의 정확한 그룹화가 가능했다.
• 최적화된 필터와 계산 비용 절감을 통해 의심되는 이미지 출처를 대규모 데이터베이스에서 효율적으로 스캔할 수 있었다.
• 이 방법은 공유된 카메라 지문을 기반으로 이미지 그룹을 성공적으로 식별하고 클러스터링하여 확장성을 입증했다.
• 결과적으로 카메라 고유의 노이즈 패턴이 대규모 데이터셋에서 안정적이고 신뢰할 수 있는 정밀 감시 그룹화 수단으로 유지됨을 확인했다.
• MATLAB에서의 구현은 이미지 컬렉션에 대한 실시간 또는 실시간에 가까운 분석에 효과적이었다.