1.一种从视频文件中提取PRNU噪声的方法，其特征在于，具体如下：步骤一、对视频进行部分解码；

步骤二、得到无噪声的干净视频帧的估计值，对每一个部分解码的视频帧Fi进行小波分解，在小波的高通子带进行维纳滤波；

步骤三、利用最大似然估计方法得到PRNU噪声因子K。

2.如权利要求1所述的方法，其特征在于，所述步骤一中，所述对视频进行解码通过修改后的H.264解码器对拍摄的视频进行部分解码；所述部分解码是指略过帧内和帧间补偿模块，直接输出经过了反量化和反变换后的残差信息；称每一帧所对应的所述残差信息为残差帧；

与帧完全的被解码一样，部分解码后的残差帧同样也包括了传感器模式噪声和一些其他噪声，因此残差帧表示为：(0) (0) (0)

R＝I +I ·K-P +ψ          (1)

其中I(0)是理想无噪声视频，K为PRNU噪声的乘性因子，P(0)是预测信号，Ψ为其他噪声；

由公式(1)可知，残差R看成是零均值的平稳信号(I(0)-P(0))和高斯白噪声(I(0)·K+Ψ)的加性混合组成的。

3.如权利要求1所述的方法，其特征在于，所述步骤二中，对部分解码的视频帧进行处理得到无噪声的干净视频帧的估计值；首先，对部分解码后的视频帧进行小波分解，得到分解后的水平、垂直和对角高频子带；其次，由于PRNU属于高频信号，且与图像内容有关，因此很难直接获取，需要通过低通滤波器进行操作；其表达式为：其中，F(·)是用来估计理想无噪声图像的滤波函数。

4.如权利要求1所述的方法，其特征在于，步骤三中，为了得到PRNU噪声的乘性因子，需要对部分解码压缩视频后得到的残差与通过一个维纳滤波后得到的理想无噪声残差进行作差，得到一个差值，然后通过这个差值，利用最大似然估计法求得乘性因子K；具体处理方法如下：

4-1)利用步骤一得到的残差帧与步骤二得到的无噪声的干净视频帧的估计值进行相减得到一个期望与传感器模式噪声近似的噪声；用W表示这个差值，从W中估计PRNU噪声；其中W表示为：为了便于观测和理解，这里将式(1)和式(2)代入到式(3)，整理得：为了利用最大似然估计的方法来估计PRNU噪声的乘性因子K，需要假设除了R·K之外，所有的参数都非常的小；所以这里对R进行修改，将其中的每个元素都加上一个固定的整数d用公式表示为：R'＝R+d                            (5)然后把求出的R'代入到式(4)中，整理得

W＝R'·K+Θ                          (6)其中，

由上式(7)知，为了估计K，实验中依然不能假设θ是一个随机变量，这是因为在θ中含有许多与K有关的参数；但是，因为所拍摄的一个视频中含有大量的帧，和由同一设备拍摄的每个帧中包含相同的乘性因子，因此，对与帧序列相关联W进行平均，得：即

在上述表达式中，其中，i表示帧的数量；只要帧的数量足够的多，则 就会与K不相关，并且认为是一个均值为0，方差为σ2高斯随机变量；

4-2)如果有m个残差帧来自几个部分解码的视频中，那么这些帧就要先进行分类，将其分为 组，每组有n个帧，这些帧将被过滤并平均得到 然后重写式(9)得：其中，j表示残差帧组的数目；

4-3)由于 是一个均值为0，方差为σ2高斯随机变量，在这里需要强调的是与噪声项相比，PRNU信号的能量是小的，因此假设PRNU信号与噪声项无关；从式(9)，对于每一个可整合成式(10)；那么首先得到K的对数似然估计函数，即表达式为：然后用最大似然估计去估计K并且令其等于0，则表达式为：

由上式计算，得：

在式(13)中，应该注意，为了从部分解码视频中提取PRNU噪声，因此在实验的过程中需要注意两点；其中一个是，有相当多的视频帧存在于一个视频文件中；才能使用式(13)去估计乘性因子 另外一个是，为了去估计 值，实验中利用了R'和W的均值进行处理的。