簡短答案
是的，可以將照片與使用它拍攝的分立相機匹配（沒有元數據），而且非常可靠。該技術可在一些軟件產品中輕鬆獲得，其中之一是由 Amped Software生產的 Amped Authenticate（免責聲明：我是公司首席執行官兼創始人）。
基本思想
基本思想是，每台設備在生成的每張照片上都會留下不同的“噪聲指紋”。該組件稱為PRNU（光響應非均勻性），並且在文獻中已得到廣泛研究。事實證明：
- 隨時間恆定
- 隨溫度恆定不變，與其他相機設置（曝光，對焦等）無關
- 對重新壓縮相當魯棒（約5-60％的JPEG質量）
- 對強度和顏色調整（對比度，亮度……）相當魯棒
- 對局部修改（例如如果圖像的一部分已被篡改-整體上仍認為該圖像來自特定的相機）
但是，在以下情況下它不能正常工作：
- 如果圖像已被裁剪或具有數字縮放，因為它將僅佔據傳感器的一部分而不是其整個區域（可以解決，但是調整大小不會很健壯）
- 用於非常強的增強效果
- 用於非常暗或非常明亮的圖像，因為這些區域中不存在噪聲）
它是如何工作的
要提取圖像的PRNU，您基本上需要提取特定的組件t的噪音。您可以對圖像進行去噪並減去原始圖像。在文獻中，建議使用小波濾波器，但是即使使用更簡單，更快的濾波器，您也可以獲得類似的結果。
實際上，該過程是通過以下方式完成的：
-
您需要創建相機參考圖案（CRP）：這是從測試設備的某些圖像中提取PRNU來完成的。為了獲得最佳效果，建議使用約30至50張圖片，並儘可能少地顯示細節，並且不要太暗或太白，並逐像素進行平均。我們稱這些為參考圖片。如果您有相機，則可以拍攝牆壁或天空的焦點照片。如果您沒有相機，則可以拍攝一般照片，但可能需要更多照片才能通過平均過濾掉細節。
-
然後，您可以提取從正在分析的圖片中提取PRNU，併計算與CRP的相關性。相關性越高，圖片來自同一相機的可能性就越高。
-
您可以自動對圖片進行分類，從而計算出閾值。相關性：相關性高於閾值的圖片很有可能來自相機，否則可能來自其他設備。
ol> 可以獲取閾值計算以下相關性：
- 來自同一設備的圖片（正）
- 來自其他相機型號的圖片（負）
- 來自其他設備的圖片相同相機模型（負）的另一個示例
通常，正集和負集很可能不會完全分開，因此您必須在每個案例中要獲得的誤報與誤報之間設置理想的平衡。
如果使用得當，該方法將被證明是非常可靠的，即使已證明可以用非常相似的PRNU找到相同模型的兩個樣例。例如，如果兩個設備的傳感器是由同一矽片製成的，則可能會發生這種情況。
作為一個例子，下面的圖像是從沒有任何重要內容（牆的焦點圖片之外）的圖像中提取的PRNU。
篡改
也可以在本地應用PRNU相關性來檢測圖像上的篡改。這個想法是在整個圖像的n x n像素的滑動窗口上計算PRNU，以創建相關圖。相關度較低的區域很可能遭到篡改。
下圖是所分析圖片的示例。
以下是CRP與從圖像中提取的PRNU逐塊相關的結果。白色區域表示噪音最可能被篡改的區域。在桌子中間有明顯的篡改跡象。
實際上，這是原始圖片，
參考文獻
有無數的論文可以分析從不同的角度來看PRNU，但這可能是最重要的：
摘要
用於區分來自不同相機的照片的技術（即使它們具有相同的品牌和型號）已經存在，並且在學術界和法醫界已經相當成熟。市場上有一些軟件產品，它們使您可以相對輕鬆地進行操作，並可以通過類似的過程評估圖像的真實性。