IFD : Image Forgery Detection

مقاله ی روشی مبتنی بر SIFT برای کشف جعل کپی-انتقال

One of the principal problems in image forensics is determining if a particular image is authentic or not. This can be a crucial task when images are used as basic evidence to influence judgment like, for example, in a court of law. To carry out such forensic analysis, various technological instruments have been developed in the literature. In this paper the problem of detecting if an image has been forged is investigated; in particular, attention has been paid to the case in which an area of an image is copied and then pasted onto another zone to create a duplication or to cancel something that was awkward. Generally, to adapt the image patch to the new context a geometric transformation is needed. To detect such modifications, a novel methodology based on Scale Invariant Features Transform (SIFT) is proposed

یکی از مشکلات اصلی در زمینه پزشکی قانونی تعیین این است که آیا یک تصویر خاص معتبر است یا خیر. این امر می تواند یک وظیفه حیاتی باشد که تصاویر به عنوان شواهد اساسی برای تأثیرگذاری بر قضاوت مانند دادگاه مورد استفاده قرار می گیرند.
در این مقاله مسئله تشخیص اینکه آیا یک تصویر جعلی شده است بررسی شده. به ویژه توجه به موردی است که در آن یک منطقه از یک تصویر کپی می شود و سپس در یک منطقه دیگر قرار می گیرد تا یک تکرار ایجاد شود یا چیزی که ناخوشایند است را لغو کند. به طور کلی، برای تطبیق تکه تصویر به زمینه جدید، یک تبدیل هندسی لازم است. برای شناسایی چنین تغییراتی، یک روش جدید بر مبنای تبدیل ویژگی های مقیاس پذیر (SIFT) پیشنهاد شده است.

در این مقاله روش پیشنهادی میتواند دستیابی پیدا کند به مناطقی که دستکاری کپی-انتقال شده اند، و همچنین پارامترهای استفاده شده تبدیلات افقی و عمودی، مقیاس بزرگنمایی، زاویه چرخش را برآورد کند. هنگامی که این نقطه های کلیدی شناسایی می شوند و جهت های کانونی تعیین می شوند، توصیفگرهای SIFT در مکان های خود در هر دو تصویر و مقیاس فضا محاسبه می شوند.

الگوریتم SIFT دو گام دارد اولین گام تشخیص است که،  در آن نقاط مورد نظر محلی می شوند،  در حالی که در مرحله دوم، توصیفگرهای محلی قوی به گونه ای ساخته می شوند که با توجه به جهت گیری، مقیاس و تحولات وابسته غیر قابل تغییر باشد.
این روش می تواند تقریبا به عنوان چهار مرحله زیر خلاصه شود:

  • تشخیص مقیاس فضا
  • محلی سازی نقاط کلیدی
  • تخصیص یک (یا بیشتر) جهت گیری های کانونی
  • تولید توصیفگرهای نقاط کلیدی

منبع:

دانلود مقاله ی A SIFT-Based Forensic Method for Copy–Move

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

مقاله COVERAGE، یک پایگاه داده ی جدید برای کشف جعل کپی-انتقال

We present COVERAGE – a novel database containing copy-move forged images and their originals with similar but gen-uine objects. COVERAGE is designed to highlight and address tamper detection ambiguity of popular methods, caused by  self-similarity within natural images. In COVERAGE,forged–original pairs are annotated with (i) the duplicated and forged region masks, and (ii) the tampering  factor/similarity metric. For benchmarking, forgery quality is evaluated using (i) computer vision-based methods, and (ii) human detection performance
 
COVERAGE یک پایگاه داده ی جدید که حاوی تصویر کپی شده ی جعلی و اصلی است. پایگاه داده های مختلفی وجود دارند مانند Columbia، Micc، Grip، Comofod که هر کدام به نحوی دارای تصویر جعل شده و یا اصلی هستند. اما همانطور که ذکر شد COVERAGE هم حاوی تصویر جعل است و هم حاوی تصویر اصلی.
COVERAGE به صراحت ماسک های تکثیر شده ی جعلی را مشخص می کند. COVERAGE حاوی 100 جفت تصویر اصلی جعلی است. برای تطبیق دادنش آن را با چندین الگوریتم CMDF (کشف جعل کپی-انتقال) مبتنی بر دیدگاه رایانه(cv) و دیدگاه مبتنی بر ادراک بصری (vp) مقایسه می کنیم.

منبع
دانلود COVERAGE– A NOVEL DATABASE FOR COPY-MOVE FORGERY DETECTION

مقاله ی یک پیشنهاد تسریع شده در تشخیص جعل کپی-انتقال

Abstract—

Image forgery detection is currently one of the interested research fields of image processing. Copy-Move (CM) forgery is one of the frequently used techniques. In this paper, we propose a method which is efficient and fast for detect copy-move regions. The proposed method accelerates block matching strategy. Firstly, the image is divided into fixed-size overlapping blocks then discrete cosine transform is applied to each block to represent its features. Fast k-means clustering technique is used to cluster the blocks into different classes. Zigzag scanning is performed to reduce the length of each block feature vector. The feature vectors of each cluster blocks are lexicographically sorted by radix sort. correlation between each nearby blocks indicates their similarity. The experimental results demonstrate that the proposed method can detect the duplicated regions efficiently, and reduce processing time up to 50% of other previous works

در این مقاله یک روش سریع و کارامد جهت تشخیص مناطق کپی-انتقال ارائه شده است. از روش خوشه بندی k-means استفاده می شود و در تطبیق بلاک دارای سرعت و قوی است.

منبع

A Proposed Accelerated Image Copy-Move Forgery Detection

مقاله ی کشف جعل کپی-انتقال به روش خوشه بندی

Abstract

. Due to rapid advancement of powerful image processing software, digital images are easy to manipulate and modify by ordinary people. Lots of digital image are edited for a specific purpose and more difficult to distinguish form their originality. We propose a clustering method to detect a copy-move image forgery of JPEG, BMP and TIFF. The process starts with reducing the color of the photos. Then we use the clustering technique to divide information of measuring data by Hausdorff Distance. The result shows that the purposed methods is capable of inspecting the image file and correctly identify the forgery

با توجه به پیشرفت سریع نرم افزار پردازش تصویر دستکاری تصاویر دیجیتال خیلی آسان شده است.  در این مقاله روش خوشه بندی برای کشف جعل کپی-انتقال تصویر bmp، jpeg، TIFF پیشنهاد شده است. این فرآیند با کاهش رنگ از عکس شروع می شود.

منبع

Detection of Copy-Move Forgery by Clustering Technique

1 2 >>