sensor op• データ種: images → fingerprint
• 呼び出し: import imgforensics; imgforensics.sensor_fingerprint(images, denoiser: 'str' = 'wiener', sigma: 'float' = 0.02, zero_mean: 'bool' = True) -> 'np.ndarray' (または opsimgforensics.get("sensor_fingerprint"))
複数枚から PRNU センサ指紋 K を最尤推定する(Chen et al. 2008)。
`K = Σ_i W_i I_i / Σ_i I_i²(W_i = I_i - denoise(I_i)`)。撮像モデル
`I = I⁰ + I⁰·K + Θ` の下で、これが K の最尤推定量になる —— 明るい画素ほど
PRNU が強く出る(乗法的な欠陥だから)ので、明るさで重み付けした平均である。
返りは `(H, W) の float64 で、zero_mean=True`(既定)なら行・列平均を
抜いたうえで 標準偏差 1 に正規化してある。正規化は :func:fingerprint_correlate
の PCE をスケール不変にするためで、指紋の絶対的な強さは
:func:fingerprint_strength_map が別に返す。
`images` は同じ shape の 2 枚以上。リサイズして揃えてはいけない ——
PRNU は画素の物理位置そのものなので、内挿した瞬間に指紋は消える(shape 不一致は
:class:ValueError)。
枚数と分離度の実測(`tests/test_imgforensics.py::test_prnu_separates_two_sensors`、
128x128・PRNU 強度 3%・読み出し雑音 σ=0.01、既定 `denoiser="wiener"`):
====== ======================== ================= =================
枚数 真の K との相関 同一センサの PCE 別センサの PCE
====== ======================== ================= =================
2 +0.727 5295 16.5
4 +0.809 6472 14.5
8 +0.859 7246 13.1
16 +0.892 7755 -12.3
====== ======================== ================= =================
「真の K との相関」を測ることが重要である。PCE だけを見ていると、
指紋がセンサのパターンをまったく捉えていなくても「分離しているように見える」
—— 実際この実装は一度その状態にあった(:func:_wiener_denoise の docstring)。
PCE は「同一センサで一貫して現れる何か」を測るので、それが PRNU である保証は
PCE 自体には無い。
`denoiser="wavelet"`(PyWavelets 必須)は同じ条件で相関 +0.745 〜 +0.901、
同一センサ PCE 6068 〜 8852 と一貫して強い。既定を `"wiener"` にしてあるのは
optional 依存を必須にしないためであって、精度で選んだのではない。
これは合成雑音での値であり、実カメラでは被写体の内容が残差に漏れるので
桁で小さくなる。この表は「実装が正しく動いている」ことの固定であって、
実運用のしきい値ではない。
• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。
• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。
• アルゴリズムの正典(著者・年)と用途は上記ファミリ使い方ガイドに記載。
• image_forensics_audit — py -3.11 examples/image_forensics_audit.py
fingerprint を入力に取れる)fingerprint_correlate · fingerprint_strength_map
sensor)fingerprint_correlate · fingerprint_strength_map
*Provenance: imgforensics.py — IMGFORENSICS operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.