AI Summary & Key Takeaways
AI InsightAccording to empirical studies performed on available databases, the proposed scheme gives better results when compared to both keypoint-based and block-based references even under attacks with challenging parameters.
📌 3 Key Takeaways
Abstract
Copy-move forgery, in which copied a region of the image and pasted onto another region on the same image, is the most encountered image forgery technique recently. Many frameworks have been presented to detect such forgeries. The main drawback with these approaches is their performance can be degraded when the duplicated image has undergone to some attacks. In this work, it is aimed to propose a hybrid approach, which uses deep features and DCT-based block features in a combined manner, to achieve higher detection performance even if under various attack scenarios. The proposed method uses a global contrast correction technique called LDR during the preprocessing phase and then extracts deep features from the image patches using a deep neural network. The method also obtains block features from the image to robustness against JPEG compression attacks. Hybrid features (deep and block-based features) are matched using Patch Match and then the proposed post-processing operation is realized on the matching results to minimize false matches. According to empirical studies performed on available databases, the proposed scheme gives better results when compared to both keypoint-based and block-based references even under attacks with challenging parameters.
Özet
Görüntünün bir kısmının kopyalayıp aynı görüntü üzerinde başka bir bölgeye bölge gizlemek veya çoğaltmak amacıyla yapıştırılarak oluşturulan kopya-taşı sahteciliği, son yıllarda en çok karşılaşılan görüntü sahteciliği tekniğidir. Literatürde bu tür sahtecilikleri tespit etmek için birçok çalışma önerilmiştir. Bu yaklaşımların ana dezavantajı, sahte görüntü bazı işleme öncesi veya sonrası saldırılara maruz kaldığında performanslarının düşebilmesidir. Bu çalışmada, derin öznitelikler ile DCT tabanlı blok özniteliklerinin bir arada kullanıldığı hibrit bir yaklaşım ile çeşitli saldırı senaryolarında dahi daha iyi tespit oranlarının elde edilmesi amaçlanmaktadır. Önerilen yöntem, ön işleme aşamasında LDR adı verilen global bir kontrast düzeltme tekniği kullanır ve daha sonra derin bir sinir ağı kullanarak görüntü yamalarından derin öznitelikler çıkarır. Yöntem ayrıca, yöntemi JPEG sıkıştırma saldırılarına karşı daha sağlam hale getirmek için görüntüden blok özellikleri alır. Hibrit özellikler (derin ve blok tabanlı özellikler) Yama Eşleştirme kullanılarak eşleştirilir ve ardından yanlış eşleşmeleri en aza indirmek için eşleştirme sonuçları üzerinde önerilen son işleme işlemi gerçekleştirilir. Mevcut veri tabanları üzerinde gerçekleştirilen deneysel çalışmalara göre önerilen şema, yüksek oranda parametrelerle yapılan saldırılar altında bile hem anahtar nokta tabanlı hem de blok tabanlı referanslara kıyasla daha iyi sonuçlar vermektedir.