PRNU，Photo Response Non-Uniformity，中文譯為光響應非均勻性。整體上來說，PRNU是相機SPN（Sensor Pattern Noise，SPN）的一種。SPN一般認為有兩種， 一種就是我們講的PRNU，另一種叫做DSNU（Dark Signal Non uniformity），也就是暗電流。
PRNU是由於“the non homohomogeneity that is naturally present in the silicon in sensors”【1】。也就是在傳感器制造過程中，感光元件（CMOS/CCD）上的硅的薄厚不同造成的。我們可以這么理解：在相同的光條件下，感光元件的每個像素塊的表現並不是完全相同的。通常來說，每個不同的相機的PRNU都是不同的，就像人類的指紋一樣。因此早在2006年就有人提出可以使用模式噪聲來做源相機檢測，一些富有建設性的工作被發表在IEEE TIFS上。
PRNU在經過之后相機的一些處理（如gamma correction等等）和其他噪聲的添加之后，PRNU仍然存在，很難被消除。雖然難以消除，但是PRNU被糅合在一些圖像處理過程中產生的其他噪聲中，是一個很弱的信號。這就給PRNU的提取帶來了很大困難。
由於PRNU的特性，PRNU可以應用到很多方向上。主要的應用方向是兩種：第一種是圖像來源檢測（Image Origin Identification），這一領域中主要的應用是圖像來源檢測和源相機驗證。前者的主要目標是，通過一張或者一組圖片，在可疑的相機中檢測出照片的源相機。后者的目標是檢測圖片是否由特定的相機拍攝。這在公安和司法上有很大的用途。第二種PRNU的應用方向是圖像偽造檢測（Image Forgery Detection），PRNU可以被當做一種用來檢測圖像偽造的水印。因為一些偽造的圖像例如復制或者移動等方法會改變圖像的特征PRNU，可以利用這一特性來檢測圖像是否經過偽造。
有時間再寫一下PRNU的提取方法，要是編輯器能支持latex，估計能更得快一點（笑）。
唯一的一個引用：Mustafa Al-Ani and Fouad Khelifi “On the SPN Estimation in Image Forensics: A Systematic Empirical Evaluation” IEEE Transaction on Information Forensics and Security, VOL.12 NO.5, MAY 2017
如有錯誤，煩請指正