مقاله تشخیص متاداده ها از طریق اختلاف بین محتوای تصویر و متاداده

Image content or metadata editing software availabilit and ease of use has resulted in a high demand for automatic image tamper detection algorithms. Most previous work has focused on detection of tampered image content whereas we develop techniques to detect metadata tampering in outdoor images using sun altitude angle and other meteorological information like temperature, humidity and weather, which can be observed in most outdoor image scenes. To train and evaluate our technique, we create a large dataset of outdoor images labeled with sun altitude angle and other meteorological data (AMOS+M2), which to our knowledge, is the largest publicly available datase of its kind
محتویات تصویر و یا در دسترس بودن نرم افزار ویرایش اطلاعات فراداده و سهولت استفاده، موجب تقاضای زیاد برای الگوریتم های تشخیص خودکار تصادفی تصویر شده است. اکثر کارهای قبلی بر تشخیص محتوای محرمانه متمرکز شده است، در حالیکه ما تکنیک هایی را برای تشخیص دستکاری متاداده در تصاویر در فضای باز با استفاده از زاویه ارتفاع خورشید و دیگر اطلاعات هواشناسی مانند دما، رطوبت و هوا، که می توان در بیشتر صحنه های تصویری در فضای باز مشاهده کرد ارائه کرده ایم. 
در این مقاله
برای آموزش و ارزیابی تکنیک ما یک مجموعه داده بزرگ از تصاویر فضای باز با زاویه ارتفاع خورشید و سایر اطلاعات هواشناسی (AMOS + M2) ایجاد می کنیم که به عقیده ما بزرگترین مجموعه داده های موجود در نوع خود است. با استفاده از این مجموعه داده ها، ما مدل های رگرسیون مجزا برای زاویه ارتفاع خورشید، دما و رطوبت و مدل طبقه بندی آب و هوا برای تشخیص هر گونه اختلاف بین محتوای تصویر و ابرداده آن را آموزش می دهیم.
 
در نهایت، یک شبکه چند منظوره مشترک برای این چهار ویژگی  بهبود نسبتا 15.5٪ در مقایسه با هر یک از آنها به صورت جداگانه
نشان می دهد. ما یک تحلیل دقیق برای استفاده از این شبکه ها برای شناسایی انواع مختلف اصلاح اطلاعات مکان و زمان در ابرداده های تصویری ارائه می کنیم.
یکی از زمینه هایی که در صحت ابرداده تصویر بسیار مهم است، موارد قانونی است که در آن یک تصویر به عنوان مدرک از یک فعالیت خاص در یک زمان خاص نشان داده می شود. نشانه زمانی تصویر تنها به خودی خود قابل اعتماد نیست زیرا به راحتی قابل تغییر است. در صورت وجود، باید با برخی اطلاعات اضافی در تصویر تایید شود.ما تکنیک های اتوماتیک را برای انجام انواع مشابهی از تجزیه و تحلیل در تصاویر در فضای باز با استفاده از اطلاعات هواشناسی را ارائه داده ایم. ما بر روی موقعیت تصویر و تشخیص تایمر زمان بندی تمرکز می کنیم، زیرا این دو مهمترین عوامل در ابرداده تصویر هستند. تحقیق حاضر بر بررسی اعتبار اطلاعات مکان با تطبیق محتوای تصویر در برابر یک پایگاه داده تصویری در مقیاس بزرگ مانند تصاویر نمای خیابان های گوگل با استفاده از تکنیک های بازیابی تصویر مبتنی بر محتوا متمرکز شده است. در زیر نمونه ای از تکنیک این مقاله را با ارائه تصویر  بیان می کنیم.

نقشه های حرارت از اختلاف مطلق در پیش بینی زاویه ارتفاع خورشید هنگامی که بخش های کوچکی از تصاویر مسدود می شوند. دو عکس از یک وب کم در زمان های مختلف استفاده می شود. در مجموعه اول، می توانیم ببینیم که شبکه در هنگام تصویر در تصویر قابل توجه است. در مجموعه دوم شبکه به سطوح بازتابنده سنگ اهمیت می دهد.
در زیر نمونه ی دیگری است در زمان ها و ساعات مختلفی عکسبرداری شده است.






برای دانلود این مجموعه و مجموعه های دیگر اینجا را کلیک کنید.
منبع
دانلود مقاله Detection of Metadata
نظرات 0 + ارسال نظر
امکان ثبت نظر جدید برای این مطلب وجود ندارد.