数字图像的图像源识别研究主要有基于元数据、基于数字水印、基于特征三大类方法。而与前两类相比，基于特征的图像源识别研究具有诸多优点，并具有重要科学意义，本书研究内容集中于基于特征的研究方法。基于特征的图像源识别方法可靠、廉价且可以被广泛使用。基于特征的图像源识别方法主要通过挖掘数字图像的成像机理和成像过程、分析图像伪造过程中的伪造痕迹来对图像的来源进行分析和判断。开展对数字图像图像源识别的研究工作，对于确保公共信任秩序、打击犯罪活动、维护司法公正和新闻诚信等具有十分重要的意义。同时，数字图像图像源识别涉及数字图像处理、计算机视觉、数据挖掘、模式识别和机器学习等诸多方面。开展将机器学习算法应用于图像源识别领域的研究，对促进各个学科的交叉融合，探索新技术具有广泛而深远的科学意义。

第一章 绪论
1.1 研究背景
1.2 研究意义
1.3 研究内容
1.4 本书结构
1.5 本章小结
第二章 图像源识别研究现状
2.1 引言
2.2 图像源识别研究现状
2.2.1 基于元数据的方法
2.2.2 基于数字水印的方法
2.2.3 基于图像特征的方法
2.2.4 小结
2.3 基于图像特征的图像源识别研究现状
2.3.1 图像特征表示
2.3.2 基于统计学习的图像源识别
2.4 本章小结
第三章 有未知模型的图像源识别技术
3.1 引言
3.2 有未知模型的图像源识别系统框架
3.2.1 未知图像源数据识别
3.2.2 鲁棒训练集的建立
3.2.3 算法复杂度分析
3.3 实验结果分析
3.3.1 实验数据及设置
3.3.2 实验结果及分析
3.4 本章小结
第四章 抗噪的图像源识别方法
4.1 引言
4.2 噪声样本影响的理论分析
4.3 抗噪的图像源识别系统框架
4.4 抗噪的图像源识别系统算法
4.4.1 噪声级别评估
4.4.2 基于噪声级别的采样
4.5 抗噪的图像源识别方法有效性验证
4.6 实验结果分析
4.6.1 实验数据及特征提取
4.6.2 实验评估指标
4.6.3 实验结果与分析
4.7 本章小结
第五章 基于集合约束的图像源识别技术
5.1 引言
5.2 基于约束的聚类方法
5.3 基于集合约束的图像源聚类方法
5.4 实验结果及分析
5.4.1 实验数据及设置
5.4.2 实验结果及分析
5.5 本章小结
第六章 探索图像源识别的特征耦合与模型耦合
6.1 引言
6.2 特征耦合与模型耦合问题研究
6.2.1 特征耦合
6.2.2 模型耦合
6.3 捕获特征耦合与模型耦合的方法研究
6.3.1 耦合特征表示
6.3.2 耦合概率表示
6.4 实验结果与分析
6.4.1 数据集以及实验设置
6.4.2 试验评估指标
6.4.3 耦合特征表示的评估
6.4.4 耦合概率表示的评估
6.4.5 单个模型识别性能评估
6.4.6 计算成本评估
6.4.7 方法比较
6.5 本章小结
参考文献