شناسايي دستكاري در تصاوير ديجيتالي از طريق الگوريتم تركيبي بلوك محور و نقاط كليدي

images digital fake detection using block-based hybrid algorithm and key points

در عصر حاضر، تصاوير ديجيتالي در خيلي از مراكز قانوني، به عنوان منبع اطلاعات بوده و درخواست براي تعيين اصل بودن يك تصوير، به شدت افزايش يافته است. در اين مقاله، يك الگوريتم مؤثرتري براي بررسي و شناسايي دستكاري، پياده¬سازي مي¬شود. كه در آن تركيبي از روشهاي بلوك محور و نقاط كليدي براي استخراج نواحي جعلي، پياده¬سازي شده است. در الگوريتم پيشنهادي، ابتدا تصوير ورودي را گرفته و پس از انطباق با آزمون هدف كه مبتني بر بانك اطلاعاتي بوده، نسبت به تشخيص اينكه آيا دستكاري در تصوير صورت گرفته است يا خير، اقدام مي¬گردد. در صورت مشاهده¬ي نتيجه مثبت، بدين معني كه جعل صورت گرفته است. نخست، با استفاده از الگوريتم خوشه¬بندي¬ساده( SLIC)، تصوير ورودي به بلوكهاي نامنظم و غيرهمپوشان، تقسيم بندي مي¬شود. سپس نقاط ويژگي به عنوان مشخصه¬هاي بلوك، با استفاده از روش باينري محلي با چند رزولوشن، استخراج مي¬شود. ويژگيهاي بلوك با همديگر، انطباق داده مي¬شوند، تا نواحي مظنون به جعل، شناسايي گردند. در مرحله¬ي دوم، جهت تشخيص دقيق¬تر نواحي جعل، نقاط مشخصه با سوپرپيكسل هاي كوچك به عنوان بلوكهاي مشخصه، جايگزين شده و بلوك‎هاي ويژگيِ مجاور با ويژگي‎هاي رنگ موضعي كه مشابه با بلوك‎هاي ويژگي هستند، جابجا مي‎شوند تا نواحيِ ادغامي را توليد نمايند. در نهايت، براي حذف جورشده¬هاي اشتباه از الگوريتم RANSAC (وفاق نمونه تصادفي) روي نواحي ادغامي استفاده شده است. نتايج آزمايشات با استفاده از بانك اطلاعاتي آزمون و روشهاي جعل چرخش، محوكردن، فشرده سازي jpeg و غيره نشان مي-دهد كه الگوريتم پيشنهادي، در زمينه¬ي تشخيص جعل كپي-انتقال، به دقت 97 درصد و فراخواني 98 درصد برسد و نسبت به ساير روشهاي معتبر در فراخواني و دقت، به اندازه¬ي 3 درصد بهبود يافته است. اين الگوريتم، حتي مي¬تواند روشهاي چرخش، محوكردن و فشرده سازيjpeg را نيز به وسيله محاسباتي كه پيچيدگي كمتري دارند، شناسايي نمايد.

Now days, digital images are in many legal centers as a source of information and Request to determine the authenticity of an image is greatly increased. In this Article a more efficient algorithm to check and detect manipulation and the combination of block based and key points methods for the extraction of forged parts is implemented. In the proposed algorithm, first consider an image as input and after matching with purpose test that based on a database, detect whether an image has been manipulated or not done. Find positive result means that forgery has been made. First, by using Simple Linear Iterative Clustering (SLIC), input image is divided into irregular and non-over lapping blocks. Then, in each block, the feature points by using multiresolution Local Binary Pattern (MLBP) with some type of resolution are extracted as block features. Block Features Are Matched together to identify suspected forgery regions. In second stage Subsequently, to detect the more accurate forgery regions, in which the labeled feature points are replaced with small superpixels as feature blocks, and the neighboring feature blocks with local color features that are similar to the feature blocks are merged to generate the merged regions. Finally, to remove the wrong merged regions, RANdom SAmple Consensus (RANSAC) algorithm is used. Experimental results by using test database and rotate, blur, add noise, scaling, JPEG compression, ets … methods show that proposed algorithm for copy-move forgery detection can achive to 97 percent in accuracy and 98 percent in recall. And ratio to other valid methods in accuracy as much as 3 percent improved. This algorithm can detect even rotate, blur and JPEG compression by less computational complexity.