Neural-PRNU-Extractor
Project Overview
Neural-PRNU-Extractor è progetto basato su un’implementazione modificata della rete di denoising FFDNet. Questo progetto è stato sviluppato nell’ambito del corso Signal, Image, and Video del corso di laurea magistrale in Sistemi di Intelligenza Artificiale e Informatica dell’Università di Trento.
Caratteristiche principali
-
Estrazione del PRNU: A differenza di FFDNet originale, questa versione modificata si concentra sull’estrazione del PRNU (Photo Response Non-Uniformity) delle fotocamere.
-
Opzioni di addestramento: Neural-PRNU-Extractor offre la possibilità di addestrare la rete utilizzando il filtro di Wiener come strategia di estrazione del rumore.
Obiettivo del progetto
L'obiettivo principale di Neural-PRNU-Extractor è la riduzione del rumore nelle immagini. Esso mira a prevedere e rimuovere il rumore dalle immagini catturate da fotocamere digitali e a pellicola, migliorandone l'idoneità per varie applicazioni di computer vision. Inoltre, è in grado di prevedere efficacemente i livelli di rumore (\(\sigma \ in [0, 75]\)) nelle immagini.Neural-PRNU-Extractor può calcolare e valutare PRNU basati su un set di dati di immagini piatte, consentendo l’identificazione del dispositivo specifico che ha generato un’immagine. PRNU, o Photo Response Non-Uniformity, è un fattore cruciale nei sensori di immagini digitali, comunemente presenti nelle fotocamere e negli strumenti ottici, rendendolo uno strumento prezioso per l’identificazione e la verifica dei dispositivi.
La pipeline di estrazione PRNU può essere visualizzata qui: Scarica PDF
Contributori
- Samuele Bortolotti
- Simone Alghisi
- Massimo Rizzoli