视频源相机识别是数字多媒体信息取证领域中一个非常重要的研究课题。由于成像设备的普及,社交网络平台中涌现出各种数码相机或智能手机所拍摄的视频。这些视频中有些是涉及犯罪的,是法庭诉讼时的有力证据,而追溯其拍摄设备的来源是司法取证中的关键环节之一。但是,大量的视频信息中并不含有主动写入或内嵌的关于其拍摄设备的任何信息，需要从视频数据本身去分析其来源设备。视频源相机识别被动取证正是这样一种技术,在没有任何关于成像设备的元数椐或主动内嵌的数字签名水印等信息的情况下,仅从视频数椐本身分析出其拍摄设备。本论文主要针对数码相机和智能手机所拍摄的视频数据进行研究,探索如何更好的获取能充分表征拍摄设备物理指纹的传感器模式噪声等特征信息的新方法,旨在进一步提高视频源相机识別的正确性和有效性。具体的创新点包括以下几个方面:1.提出基于二维离散分数阶Fourier变换的多旋转角度下传感器模式噪声的相位提取算法。针对现有的模式噪声提取方法在处理低比特率视频信号时所提取的相机指纹表征能力有限,导致视频源相机识别性能不高的问题,本论文提出,首先将每一个视频帧的总噪声模式变换到多个不同旋转角度的分数阶Fourier变换域;然后对每个变换矩阵的每个元素的模进行规范化处理;其次对规范化处理后的每一个矩阵进行相应角度的分数阶Fourier逆变换并取它们的实部;最后将同一帧的多个旋转角度对应的处理结果求平均,该视频的传感器模式噪声为所有帧中经过以上处理过程后结果的平均值。仿真实验结果表明,与现有的两种算法相比,本论文提出的算法明显改善了低比特率视频源相机识别的性能。2.提出基于视频帧模式噪声奇阶统计矩特征向量零空间投影变换的特征提取方法。针对具有时变统计特点的低比特率视频源数码相机识别率存在进一步改善的空间,本论文提出,首先,将每个视频帧的总噪声模式转换为一维向量,计算它们的奇阶统计矩矩阵。为了减少计算量,使用主成份分析方法对这些奇阶统计矩构成的矩阵进行降维处理,仅获得各统计矩矩阵的主要成份。然后将所有帧的这些分量构成每个视频的初始特征向量。为了使初始特征向量的类内距离从最小化,类间距离最大化,接着进行了线性判别分析。由于类内类间距阵的许多特征值接近于零，于是求解了这一矩阵的零空间解向量,然后将每个视频的特征向量变换到解向量所构成的投影矩阵中,形成最终的特征向量。经研究发现这些新的特性向量是成对线性可分的。因此,使用一组感知器来对视频源相机进行识别。计算机仿真结果表明,该方法明显优于传统的基于相关性的方法和基于支持向量机的方法。3.提出基于经验模式分解的传感器模式噪声预处理算法。目前的源相机识别研究中大多是从图像中提取表征相机指纹信息的传感器模式噪声来进行的,但是这些方法应用到智能手机所拍摄的视频上时,其识别性能还存在提高的可能。考虑到表征相机指纹的传感器模式噪声属于一种特殊的中频成份,而帧中提取的初始的噪声模式中不仅含有相似功能处理单元带来的其它低频噪声,也同样残留有表示视频内容细节的高频成份,本论文提出,针对视频中选定的少数帧,将帧中的初始的噪声模式分别按行和列转换为一维向量,然后进行经验模式分解,得到多个表征瞬时频率成份的本征内模函数IMFs,通过数值仿真实验的方式确定了经验模式分解后得到的频率分量的选取问题,最后,将这种方法应用到三种智能手机视频源的识别中,实验结果表明本论文所提出的这种算法比现有的五种算法的识别性能都要更优。