图像采集设备和网络通讯技术的进步以及图像处理技术的发展,使得图像逐渐成为通信的重要载体。但也给不法分子带来了可乘之机,如果在新闻报道、法庭取证、保险理赔、国际事务等方面应用了篡改图像,会带来严重的社会问题及冲突。旨在利用各类图像特征对图像进行分析从而验证图像真伪的数字图像取证技术,日益受到广泛关注。相机模型识别作为一种便捷、直接的图像取证技术,可以在不添加额外信息的情况下,通过图像内隐含的相机特征判断待查图像的相机模型,这种取证方式逐渐成为图像取证的热门研究方向。此外,准确的相机模型识别算法可以有效地辅助篡改检测等其他方向,在取证领域拥有重大的应用价值。本文围绕目前研究中存在的相机模型特征易受图像内容影响、各种算法难以进行性能比较等问题,基于卷积神经网络设计不同的预处理模块,并在公平合理的实验设计和性能评价标准下,对相机模型识别进行研究。本论文主要从以下几个方面对所开展的工作进行介绍:(1)本文提出了一种基于多特征表示和丰富卷积特征网络的相机模型识别算法。首先,多特征表示由多尺度高通预处理模块和RGB通道信息构成。利用多尺度高通预处理模块可以放大相机模型特征,在此基础上融合RGB颜色通道信息能够提供更多的插值信息以丰富相机模型特征。其次,改进的丰富卷积特征网络可以充分利用网络已学习到的特征,从而获得与相机模型相关的更丰富的特征,最终提高了基于图像块的相机模型识别效果。(2)本文提出了一种可以在较大规模的数据集中进行相机模型识别的算法。此算法的网络参数量较少,但是可以获得令人满意的识别效果。首先,在ResNet的基础上构建了残差提取模块以放大原始的数字图像中与相机模型相关联的特征。其次,将改进的SqueezeNet网络用于提取相机模型特征。最后,在图像块级别的实验中证明了此算法可以显著提升相机模型识别能力。(3)本文提出了一种基于多样性图像块选择及残差预测模块的源相机识别算法。此算法不仅可以应用于相机模型识别,而且对于相机品牌、设备识别也有效。首先,本算法基于多种图像块的选择准则从每张训练、验证图像中选取具有代表性的训练和验证数据,保证此算法可以在有限的数据中能够提取到较丰富的相机特征以获得较好的识别效果。其次,为了降低图像内容干扰,设计了一个基于细粒度多尺度特性的残差预测模块,然后使用改进的VGGNet-16网络提取相机特征。最后,此算法在三种不同级别的相机识别任务中,都可以获得较好的结果。