fullseye

fingerprint_correlate — IMGFORENSICS sensor op

• データ種: image2d × fingerprint → table
• 呼び出し: import fullseye as fs; fs.ledger.fingerprint_correlate(image, fingerprint, denoiser: 'str' = 'wiener', sigma: 'float' = 0.02, exclude: 'int' = 11) -> 'dict' (実装を直接呼ぶなら import imgforensics; imgforensics.fingerprint_correlate(image, fingerprint, denoiser: 'str' = 'wiener', sigma: 'float' = 0.02, exclude: 'int' = 11) -> 'dict'、台帳から引くなら opsimgforensics.get("fingerprint_correlate"))

使い方

1 枚の画像を指紋に照合する。判定は返さない —— 証拠量と注意書きを返す。

残差 W = I - denoise(I) と参照信号 I·K の巡回相互相関を FFT で取り、 正規化相互相関のピークと PCE(peak-to-correlation energy)を返す。

返り(table 語彙の dict):

pce PCE。しきい値は同梱しない(下の caveats 参照) ncc_peak 正規化相互相関のピーク値([-1, 1]) peak_shift ピークの位置 (dy, dx)。(0, 0) でなければ位置がずれている = 切り出し / 手ぶれ補正 / リサイズを疑う手がかり n_pixels 使った画素数 caveats この数値が言えないことの列(文字列)

peak_shift を返すのは重要で、(0, 0) 以外のピークは「同じセンサだが 切り出されている」か「たまたまの相関」のどちらかである。どちらかは この op には決められない。実測では別センサの照合はいつも (0, 0) 以外に ピークが立ち((-51, -60) (31, -8) など毎回ばらばら)、同一センサは 必ず (0, 0) に立つ。

再圧縮で PRNU は消える(tests/test_imgforensics.py::test_prnu_dies_under_recompression、 8 枚から作った指紋・128x128):

========== ========== ========== 再圧縮 PCE 無圧縮比 ========== ========== ========== 無圧縮 7246 1.00 品質 95 6174 0.85 品質 90 4214 0.58 品質 75 1412 0.19 品質 50 530 0.07 品質 30 207 0.03 ========== ========== ==========

つまり 低い PCE は「別のカメラ」ではなく「情報が残っていない」かもしれない。 ここでしきい値を同梱すると、圧縮された画像を機械的に「別カメラ」と判定する 道具になってしまう。

黙って間違う経路(実測): fingerprint に指紋ではなく普通の画像を渡すと、 shape は合っているので例外は出ず、PCE も有限値が返る。指紋は (H, W) の float64 なので既存の image2d 述語を完全に満たし、実行時には区別できない。 そこで入口で「ゼロ平均でない」ものを :class:ValueError で弾く (|mean| > 0.05 * std)。実測 (tests/test_imgforensics.py::test_fingerprint_gate_rejects_plain_images):

============================== ============== 渡したもの |mean|/std ============================== ============== :func:sensor_fingerprint の返り 4.8e-18 普通の自然画像 4.626 暗い画像(平均 0.015) 4.626 高コントラスト画像 1.801 ============================== ==============

比はスケール不変なので、暗い画像でも明るい画像でも同じように弾ける (0.05 のしきい値から 1.5 桁以上離れている)。

それでも完全ではない: 自分でゼロ平均化した画像を渡すとゲートは通り、 PCE = -5.97 という有限値が返る(実測)。つまり実行時チェックは 片側しか守れない。これが「指紋を image2d に相乗りさせず語彙を分ける」 判断の根拠で、詳細は opsimgforensics の docstring にある。

参考(サンプルデータ・文献)

• 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。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• image_forensics_audit — py -3.11 examples/image_forensics_audit.py
• poc_prnu_camera_fingerprint — py -3.11 examples/poc_prnu_camera_fingerprint.py

型が繋がる次の op(table を入力に取れる)

evidence_quantile

同カテゴリ(sensor)

sensor_fingerprint · 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.

This site is open source. Improve this page.