[发明专利]一种大规模双盲相机源检测方法

权利要求书

1.一种大规模双盲相机源检测方法，其特征在于包含以下步骤：

a)训练孪生深度网络，以提取图像的相机源特征；本发明针对不同相机的不同分辨率的问题，将所有图像剪切成256×256的若干图像块，并通过训练结合了度量损失和分类损失的深度模型，得到具有较好泛化能力的相机源特征；

b)快速相似性矩阵计算方法，以应对大规模数据；借助提取的分类特征，我们利用词袋模型找出每个样本的k个最近邻，以快速地得到较为粗糙的相似性矩阵；此后，对于得到的k个最近邻，我们利用提取的度量特征计算更加准确的相似性数值，并更新相似性矩阵的对应位置；而对于非k近邻的位置，我们使用0来填充；

c)相机源检测优化方程及求解，以得到被测数据集的相机源数量和图像-相机对应关系；本发明构造分类矩阵，利用类间、类内相似性以及行稀疏性的约束，构造了优化方程；并借助ADMM算法对方程进行求解，对数据集的相机源数量和图像-相机对应关系进行了预测。

2.根据权利要求1所述的一种大规模双盲相机源检测方法，其特征在于步骤a中结合度量损失和分类损失训练特征提取模型；该模型并不局限于某种特定的深度学习结构，即所有可用于分类任务的深度学习结构皆适用与该模型。

3.根据权利要求1中所述的一种大规模双盲相机源检测方法，其特征在于步骤b中的快速相似性矩阵计算方法，即包括利用分类特征和词袋模型计算粗糙的相似性矩阵，以及利用度量特征对相似性矩阵对应位置进行精细化计算的方法。

4.根据权利要求1中所述的一种大规模双盲相机源检测方法，其特征在于步骤c中的优化方程建模和求解方法，即包括利用类内、类间相似性和行稀疏三个约束条件构建优化模型，定义分类矩阵和基于ADMM框架的优化方程求解。