IFD : Image Forgery Detection

دیتاستی برای Image Tampering

در جهان امروز تصاویر حامل اطلاعات مهمی هستند به این دلیل که مفهوم را راحتتر بیان می کنند. در نتیجه امروزه تصاویر یک منبع گواه در زندگی روزمره هستند.

در دهه های اخیر به علت اتصال تعداد زیادی از کامپیوترهای شخصی به شبکه ی جهانی  اینترنت، توزیع و استفاده ی تصاویر آسان شده است. داده های دیجیتال مزایای زیادی نسبت به آنالوگ دارد اما ولی یک نقطه ضعفی که دارند این است که به راحتی مورد دستکاری قرار می گیرند.

با توجه به رایانه های قدرتمند و ابزارهای پیشرفته ویرایش عکس، دستکاری تصاویر به یک کار آسان تبدیل شده است.

در حال حاضر انقلاب دیجیتال، فرمت دستکاری و به اشتراک گذاری اطلاعات را تغییر داده است، اما این تحولات نیز باعث مسائل امنیتی مختلف شده است.

تکنولوژی دیجیتال  و نرم افزار ویرایش عکس مختلف مانند Adobe Photoshop، جهانی هستند و تصاویر را دستکاری و جعل می کنند. در نتیجه، اعتماد به تصاویر دیجیتال فرسوده شده است.دستکاری تصویر با عنوان «اضافه کردن یا حذف ویژگی های مهم از یک تصویر تعریف می شود. در نتیجه زمانی  تهاجم و دستکاری تصویر انجام میشود که اهداف مخربی دارند.

تکنیک های مختلف برای تقلید تصاویر وجود دارد و می توان آنها را به سه دسته گسترده تقسیم کرد:

  • حمله کپی - انتقال ، یک تکنیک است که در آن به جای داشتن یک تصویر خارجی به عنوان منبع، از بخشی از تصویر پایه اصلی به عنوان منبع آن استفاده می کند.

             بنابراین، منبع و مقصد تصویر اصلاح شده از یک تصویر مشابه است. برای رسیدن به چنین نوع جعلی فتوشاپ کلون تمبر ابزار می تواند مورد استفاده قرار گیرد.

  • نوع دوم روشهای دستکاری تصویر به عنوان پیوند تصویر  شناخته می شود،که یک تکنیک است شامل  دو یا چند تصویر است که برای ایجاد یک تصویر جعلی ترکیب شده است. بنابراین، با چسباندن تصاویر عکاسی، یک تصویر مرکب به دست می آید.
  • سومین رده از تکنیک های دستکاری تصویر به عنوان رتوش تصویر شناخته می شود که در آن ویژگی های خاصی از تصویر برای افزایش جذابیت تصویر افزایش یا کاهش می یابد. بدین ترتیب، این نوع تقلبی مضر است و اغلب توسط ویراستاران مجله استفاده می شود.

این پایگاه داده شامل 48 قطعه تصویر پایه و قطعه های جداگانه از این تصاویر و یک چارچوب نرم افزاری برای ایجاد اطلاعات حقیقی است. ایده این است که با کپی کردن، پوسته پوسته شدن و چرخاندن مناطق تصویر معنی دار معنی دار "جعلی" "کپی" را دوباره پخش کنید.
علاوه بر این، نویز Gaussian و مصنوعات فشرده JPEG را می توان اضافه کرد، هر دو بر روی  تصاویر نهایی دستکاری شده است. به عنوان یک نتیجه، این مجموعه داده همچنین می تواند  برای استفاده از الگوریتم های دیگری از تشخیص جعل کپی-انتقال مورد استفاده قرار گیرد.

برای درک بهتر مطالب ذکر شده به مثال زیر به همراه تصویر  دقت کنید.



ردیف اول:  تصویر اصلی قرار دارد.

ردیف دوم: دو قایق از سمت چپ و قایق تنها از سمت راست یک مورد دیگر کپی می شوند.

ردیف سوم: تجسم جایی که قسمت های مختلف تصویر کپی می شوند.

ردیف چهارم: هنگام محاسبه حقیقت  برای این جعل کپی-انتقال،   انسداد باید با توجه به الگوی تقسیم بندی تصویر محاسبه شود.

حال تصاویر مثال فوق را دقیقتر نشان می دهیم: