KaydedilenlerDerginizi ekleyin

Dergiler / Bilgisayar Bilimleri / 2021 / Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special Özel Sayı

Merkezi Simetrik Yerel İkili Örüntü Temelli Görüntü Sahteciliği Tespiti

Central Symmetric Local Binary Pattern Based Image Forgery Detection

Bilgehan Gürünlü(Kahramanmaras Sutcu Imam Universitesi)0000-0001-9185-1908
Serkan Öztürk(ERCİYES ÜNİVERSİTESİ)0000-0002-0309-3420
Sayfa
288–294
Yayın Tarihi
2021-10-20
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada daha önce bu alanda kullanılmamış, başarılı bir doku çıkarım algoritması olan, Merkezi Simetrik Yerel İkili Örüntü algoritması güncel bir görüntü veriseti üzerinde denenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Multimedya düzenleme araçlarındaki ilerleme ile birlikte günümüzde özellikle görüntüler üzerinde sahtecilik işlemleri sıklıkla karşılaşılmaya başlanmıştır.
📊
Temel Bulgular & Veri:Buna yönelik olarak son yıllarda, bilgisayar bilimlerinde, görüntü sahteciliği altında birçok yeni algoritmaya ihtiyaç duyulmaktadır.
💡
Sonuç & Katkı:Bu çalışmada daha önce bu alanda kullanılmamış, başarılı bir doku çıkarım algoritması olan, Merkezi Simetrik Yerel İkili Örüntü algoritması güncel bir görüntü veriseti üzerinde denenmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Görüntü işleme · bilgi güvenliği · kopyala taşı sahteciliği

Özet

Multimedya düzenleme araçlarındaki ilerleme ile birlikte günümüzde özellikle görüntüler üzerinde sahtecilik işlemleri sıklıkla karşılaşılmaya başlanmıştır. Buna yönelik olarak son yıllarda, bilgisayar bilimlerinde, görüntü sahteciliği altında birçok yeni algoritmaya ihtiyaç duyulmaktadır. Bu çalışmada daha önce bu alanda kullanılmamış, başarılı bir doku çıkarım algoritması olan, Merkezi Simetrik Yerel İkili Örüntü algoritması güncel bir görüntü veriseti üzerinde denenmiştir.

Abstract

With the progress in multimedia editing tools, fraud operations, especially on images, have begun to be encountered frequently. For this purpose, in recent years, many new algorithms are needed in computer science under image forgery detection. In this study, the Central Symmetric Local Binary Pattern algorithm, which is a successful texture extraction algorithm, to the best of our knowledge, that has not been used in this field before, has been tested on a current image dataset.

🔖

Bu Makaleye Atıf Yap

Gürünlü, B., Öztürk, S. (2021). Merkezi Simetrik Yerel İkili Örüntü Temelli Görüntü Sahteciliği Tespiti. Bilgisayar Bilimleri, Cilt: IDAP-2021 : 5th International Artificial Intelligence and Data Processing symposium Sayı: Special Özel Sayı, 288–294. https://doi.org/10.53070/bbd.990064

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (27)

  1. Gurunlu, B., Ozturk, S., “A Survey on Photo Forgery Detection Methods”, ITM Web of Conferences CMES 2018, vol.22, pp.1-5, 2018.
  2. Fridrich J, Soukal D, LukášJ. Detection of copy-move forgery in digital images. Digit Forensic Res Work 2003; 3:652–63, 2003
  3. Meena KB, Tyagi V. Image forgery detection: survey and future directions, Data, Engineering and Applications, 2. Singapore: Springer;. p. 163–95, 2009
  4. Cozzolino D, Poggi G, Verdoliva L. Efficient dense-field copy-move forgery detection. IEEE Transaction on Information Forensics Security;10(11):2284–97, 2015
  5. Wang X-Y, Jiao L-X, Wang X-B, Yang H-Y, Niu P-P. Copy-move forgery detection based on compact color content descriptor and delaunay triangle matching. Multimed Tools Appl;78(2):2311–44, 2018
  6. Al-Qershi OM, Khoo BE. Enhanced block-based copy-move forgery detection using k-means clustering. Multidimensional System Signal Process;30:1671–95, 2018
  7. Chen B, Yu M, Su Q, Li L. Fractional quaternion cosine transform and its application in color image copy-move forgery detection. Multimedia Tools Application;78:8057–73, 2018
  8. Mahmood T, Irtaza A, Mehmood Z, Tariq Mahmood M. Copy–move forgery detection through stationary wavelets and local binary pattern variance for forensic analysis in digital images. Forensic Sci Int Oct.;279:8–21, 2017
  9. Meena KB, Tyagi V. A copy-move image forgery detection technique based on Gaussian-Hermite moments. Multimed Tools Application;78:33505–26, 2019
  10. Pan X, Lyu S. Region duplication detection using image feature matching. IEEE Transaction on Information Forensics Security;5:857–67, 2010.
  11. Pun C, Yuan X, Bi X. Image forgery detection using adaptive oversegmentation and feature point matching. IEEE Transaction on Information Forensics Security;10(8):1705–16, 2015.
  12. Liu K, et al. Copy move forgery detection based on keypoint and patch match. Multimed Tools Application:82–4, 2019.
  13. Heikkilä M., Pietikäinen M., Schmid C. Description of Interest Regions with Center-Symmetric Local Binary Patterns. In: Kalra P.K., Peleg S. (eds) Computer Vision, Graphics and Image Processing, 2006
  14. Ojala, T., Pietikainen, M., Harwood, D., "A Comparative Study of Texture Measures with Classification Based on Feature Distributions,", Pattern Recognition,29:51-59, 1996.
  15. Tralic, D., Zupancic, I., Grgic S., Grgic M., CoMoFoD - New Database for Copy-Move Forgery Detection, in Proc. 55th International Symposium ELMAR-2013, pp. 49-54, September 2013.
  16. Fridrich J, Soukal D, LukášJ. Detection of copy-move forgery in digital images. Digit Forensic Res Work 2003; 3:652–63, 2003
  17. Meena KB, Tyagi V. Image forgery detection: survey and future directions, Data, Engineering and Applications, 2. Singapore: Springer;. p. 163–95, 2009
  18. Cozzolino D, Poggi G, Verdoliva L. Efficient dense-field copy-move forgery detection. IEEE Transaction on Information Forensics Security;10(11):2284–97, 2015
  19. Wang X-Y, Jiao L-X, Wang X-B, Yang H-Y, Niu P-P. Copy-move forgery detection based on compact color content descriptor and delaunay triangle matching. Multimed Tools Appl;78(2):2311–44, 2018
  20. Al-Qershi OM, Khoo BE. Enhanced block-based copy-move forgery detection using k-means clustering. Multidimensional System Signal Process;30:1671–95, 2018
  21. Chen B, Yu M, Su Q, Li L. Fractional quaternion cosine transform and its application in color image copy-move forgery detection. Multimedia Tools Application;78:8057–73, 2018
  22. Mahmood T, Irtaza A, Mehmood Z, Tariq Mahmood M. Copy–move forgery detection through stationary wavelets and local binary pattern variance for forensic analysis in digital images. Forensic Sci Int Oct.;279:8–21, 2017
  23. Meena KB, Tyagi V. A copy-move image forgery detection technique based on Gaussian-Hermite moments. Multimed Tools Application;78:33505–26, 2019
  24. Pan X, Lyu S. Region duplication detection using image feature matching. IEEE Transaction on Information Forensics Security;5:857–67, 2010.
  25. Pun C, Yuan X, Bi X. Image forgery detection using adaptive oversegmentation and feature point matching. IEEE Transaction on Information Forensics Security;10(8):1705–16, 2015.
  26. Liu K, et al. Copy move forgery detection based on keypoint and patch match. Multimed Tools Application:82–4, 2019.
  27. Ojala, T., Pietikainen, M., Harwood, D., "A Comparative Study of Texture Measures with Classification Based on Feature Distributions,", Pattern Recognition,29:51-59, 1996.