Copy-move forgery is one of the most commonly used forgeries in digital images, in which some regions of a digital image is coped and pasted to another part of the image with the aim of concealing certain features or objects in the original images. In this paper, a novel copy-move forgery detection scheme in digital images is proposed. It treats the digital images as high dimensional data and uses the intrinsic dimension estimation method first to segment the image and then identify the copy-move forgeries in the image regions with the same texture. Experimental results show that the proposed method is.efficient and robust to retouching and many other operations.such as lossy compression, blurring, filtering, etc
برای تشخیص در این مقاله یک طرح ردیابی تشخیص جعل کپی-انتقال در تصاویر دیجیتال ارائه شده است. تصاویردیجیتال را به عنوان داده های با ابعاد بزرگ پردازش می کند و برای اولین بار از روش برآورد ابعاد ذاتی برای تفکیک تصویر استفاده می کند و سپس شناسایی جعل کپی-انتقال در مناطق تصویر با همان بافت صورت می گیرد. نتایج تجربی نشان می دهد که روش پیشنهادی کارآیی قوی برای رتوش و بسیاری از عملیات دیگر مانند فشرده سازی از بین رفته، تار شدن، فیلتر کردن و غیره دارد.
برای ایجاد جعل طبیعی و غیر قابل تشخیص باید عوامل زیادی در نظر گرفته شود از جمله شرایط روشنایی، بافت و غیره. روش تخمین زدن و برآورد ابعاد محلی به این صورت است:
1) ارزیابی ابعاد با استفاده از الگوریتم Kنزدیکترین
2) قبول کردن الگوریتم K-NN برای برآورد ابعاد محلی : الگوریتم K-NN در اصل برای برآورد ابعاد جهانی استفاده می شود با این حال می توان آن را برای برآورد ابعاد محلی، مانند ابعاد ذاتی نمونه با محدود کردن مجوعه داده ها به محله کوچک نمونه اتخاذ کرد. در ابتدا هر نمونه در مجموعه داده به خوشه ای تعلق دارد و سپس می توان از خوشه ها با پیدا کردن همسایگان K از نمونه گسترش داد. بر اساس این خوشه ها، الگوریتم k-NN برای برآورد استفاده شده و بعد محلی هر خوشه به دست می آید.
الگوریتم پیشنهادی:
معمولا کل تصویر را به بلوکهای کوچک تقسیم بندی می کنند و سپس هر دو بلوک را بر اساس معیار تقریبی در کل تصویر مقایسه می کنند. منطقه ی نبع و هدف از تصویر جعلی باید بافت مشابه داشته باشند. در ابتدا پیش پردازش را داریم که در آن تقسیم بندی تصویر با استفاده از برآورد ابعاد محلی انجام می شود و سپس بافت مناطق منبع و هدف را مطابقت می دهیم. طرح پیشنهادی به صورت زیر است:
1) پیش پردازش: تقسیم بندی تصویر با استفاده از برآورد ابعاد محلی انجام می گیرد. یک تصویر دیجیتال از چندین بافت تشکیل شده، در یک تصویر جعلی باید همان بافت باشد(در طرح پیشنهادی تصویر جعلی با استفاده از برآورد ابعاد محلی تقسیم می شود).
2) الگوریتم تشخیص جعل بر اساس ارزیابی ابعاد محلی: روش پیشنهادی تنها شباهت بلوک ها را در همان بافت مقایسه می کند.
در کل سهم روش پیشنهادی عبارتند از :
اول: تشخیص کپی-انتقال در بلوک های تصویر با بافت مشابه انجام می گیرد به جای اینکه در کل تصویر انجام شود.
دوم: از ابعاد برآورد ابعاد محلی استفاده می کند تا بلوک مرکزی منطقه ی منبع و هدف را تعیین کند.
نتایج تجربی نشان دهنده ی اثربخشی و دقت تشخیص طرح پیشنهادی است.
منبع
دانلود مقاله Copy-Move Forgery Detection
احراز هویت یا Authentication یک فرآیند است و این فرآیند هم می تواند بسیار بسیار ساده باشد و هم می تواند بسیار بسیار پیچیده و دشوار باشد.
مسائل امنیتی تصاویر منجر به توسعه چندین روش برای تشخیص دستکاری شده است. به طور کلی، دو نوع تکنیک وجود دارد که می تواند برای کشف ناحیه ی دستکاری تصویر استفاده شود یکی احراز هویت فعال و دیگری احراز هویت غیرفعال. در شکل زیر نشان داده شده است:
1) احراز هویت فعال (Active Authentication): از یک کد احراز هویت که در محتوای تصویر تعبیه شده است استفاده می کند.
2) احراز هویت غیرفعال(Passive Authentication): این روند تأیید تصاویر دیجیتال بدون استفاده از اطلاعات اضافی از خود تصاویر است. تکنیک های منفعل به دو دسته تقسیم می شوند: شناسایی دستگاه منبع و تشخیص هویت.
حال به رغم طیف گسترده ای از الگوریتم هایی که برای تشخیص جعل نسخه برداری کپی پیشنهاد شده است، اکثر الگوریتم ها به یک خط لوله مشترک متصل می شوند، همانطور که در شکل زیر نشان داده شده است. اول، تصویر به طور پیش فرض پردازش شده است (به عنوان مثال، تبدیل به سیاه و سفید). تصویر سپس به بلوک های همپوشانی یا غیر همپوشانی پیکسل تقسیم می شود. یک بردار ویژگی استخراج می شود.روش های شناخته شده برای تطابق دستورالعمل لغوی بردارها و تعیین نزدیکترین همسایگی در یک درخت kd. شباهت دو ویژگی را می توان با معیارهای مشابه تشابه، مانند فاصله اقلیدسی تعیین کرد. در مرحله تأیید، خروجی ها حذف می شوند و سوراخ ها پر می شوند، که می تواند با استفاده از یک مرحله ی فیلتر شویی مانند عملیات مورفولوژیک بدست آید.
منبع
دانلود مقاله Passive detection of copy-move forgery
هیستوگرام تصویر نموداری است که توسط آن تعداد پیکسل های هرسطح روشنایی در تصویر ورودی مشخص می شود یا به زبانی دیگر هیستوگرام تصویر نمایشی گرافیکی از تعداد تکرار پیکسلهای با شدت رنگ مشابه در یک تصویر است. فرض کنید تصویر ورودی یک تصویر Grayscale با 252 سطح روشنایی باشد ، بنابراین هریک از پیکسل های تصویر مقداری در بازه ی 0 تا 255 می توانند داشته باشند. برای به دست آوردن هیستوگرام تصویر ،کافی است با پیمایش کل پیکسل های تصویر ، تعداد پیکسل های هر سطح روشنایی رامحاسبه می کنیم .
ورودی ما تصویر زیر است: