مقاله کشف جعل کپی-انتقال تصویر با استفاده از توصیفگر گابور

In this paper a new forgery detection system which uses a novel feature extraction and located algorithm is proposed. The Gabor feature of image is used to detect the forged image caused by copy and move operations. The Gabor filter with different scaling factors, rotation angles and frequencies are considered to generate the Gabor feature representation of an image. For comparing two images, their Gabor features are applied to find if there is any similarity between them. To reduce the processing time and detect the small copy and move area, an image is divided into small blocks. In each block, it extracts a new descriptor and key points from the Gabor feature of the block image. Furthermore, the proposed method can also locate the duplicated regions precisely and detects the rotation angles and scale factors of the forged image

در این مقاله یک سیستم تشخیص جعل جدید برای استخراج ویژگی ها استفاده شده است. ویژگی گابور تصویر برای تشخیص تصویر جعل ناشی از عملیات کپی-انتقال استفاده می شود. فیلتر گابور با فاکتورهای مقیاس بندی مختلف، زاویه چرخش و فرکانس ها در نظر گرفته می شود که نمایه تصویر گابور را تولید می کند. برای مقایسه ی دو تصویر، ویژگی های گابور آنها برای پیدا کردن شباهت استفاده می شود. برای کاهش زمان پردازش و شناسایی منطقه ی کپی-انتقال، یک تصویر به بلو ک های کوچک تقسیم می شود.در هر بلوک، یک توصیفگر جدید و نکات کلیدی از ویژگی گابور تصویر بلوک را استخراج می کند. علاوه بر این روش پیشنهادی همچنین می تواند مناطق تکراری را دقیقا در اختیار شما قرار دهد و زاویه ی چرخش و مقیاس تصویر جعلی را تشخیص دهد.  نتایج تجربی نشان می دهد که روش پیشنهادی می تواند نرخ درست، زاویه چرخش و فاکتور پوسته پوسته شدن را بدست آورد. روش پیشنهادی دارای استحکام و قابلیت اطمینان است.

فیلتر گابور را  برای توصیف ویژگی های تصویر اعمال می کنند. از آنجایی که خصوصیات مورد نظر در تصویر مقیاس ها و جهت های گوناگونی دارند لذا استخراج اطلاعات و ویژگی های جهت دار در مقیاس های مختلف از تصویر یکی از گام های اساسی می باشد. امروزه فیلتر گابور به علت خواص مناسبی که دارند برای رسیدن به این منظور به طور وسیع مورد استفاده قرار می گیرد. با استفاده از تبدیل موجک دو بعدی گابور می توان ویژگی های جهت دار تصویر را در مقیاس های مختلف استخراج کرد.

روش پیشنهادی: روش پیشنهادی بر اساس فضای ویژگی گابور است.

1) استخراج نقاط کلیدی

2) فیلتر نقاط کلیدی

3) تعیین منطقه ی تکراری:

با توجه به اندازه ی بلوک، اگر 2 منطقه ی تصویر بسیار شبیه باشند بسیاری از نقاط همگرا وجود دارد.  سپس الگوریتم طبقه بندی می تواند برای کمک به طبقه بندی این نقاط استفاده شود. پس از یک الگوریتم طبقه بندی استفاده می کنیم.

در کل در این مقاله یک سیستم تشخیص جعلی جدید بر اساس فیلتر گابور برای استخراج ویژگی و الگوریتم طبقه بندی برای کشف منطقه ی جعلی پیشنهاد شده است.

منبع

دانلود مقاله Detection of Copy-Move Forgery Image Using Gabor

مقاله ی تشخیص جعل کپی -انتقال در تصاویر دیجیتال بر اساس برآورد ابعاد محلی

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

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