تشخيص جعل در تصاوير ديجيتالي با استفاده از روش يادگيري عميق تركيبي

امروزه از تصاوير به‌ عنوان ابزار ارتباطي قوي و منبعي از اطلاعات استفاده مي‌شود. تصاوير در برخي از كاربردها مانند پزشكي، قضايي و پزشكي قانوني به‌ عنوان مدرك و شاهد استفاده مي‌شوند، بنابراين صحت تصوير مهم است. امروزه با گسترش و دردسترس ‌بودن ابزارهاي ويرايش تصوير، افراد مي‌توانند به‌راحتي تصاوير را دست‌كاري كنند. آن‌ها با اضافه‌كردن بخشي به تصوير يا حذف‌كردن بخشي از تصوير و توزيع اطلاعات غلط اهداف و مشكل‌هاي سياسي، فرهنگي، اقتصادي و اجتماعي را دنبال مي‌كنند. ازاين‌رو تشخيص جعل تصاوير ديجيتال يكي از موضوع‌هاي مهم و چالش‌برانگيز در حوزه بينايي كامپيوتر است. در اين پژوهش هدف شناسايي تصاوير و پيكسل‌هاي جعلي و سالم با استفاده از شبكه يادگيري عميق تركيبي است. در روش پيشنهادي از سه شبكه از پيش آموزش‌داده‌شده VGG16، MobileNet و EfficientNetB0 در سه انشعاب مختلف استفاده‌شده است. براي تشخيص جعل در دو سطح تصوير و پيكسل، ابتدا نقشه‌هاي ويژگي خروجي سه انشعاب با هم ادغام‌شده و با استفاده از لايه پولينگ ميانگين جهاني و لايه امتيازدهي، تصاوير جعل و سالم تشخيص داده مي‌شوند. در ادامه با استفاده از نقشه‌هاي ويژگي تركيب‌شده از سه انشعاب بر روي تصاوير جعل، يك تصوير نقشه حرارتي ايجاد مي‌شود و محدوده پيكسل‌هاي جعل مشخص مي‌شوند. لازم به ذكر است تشخيص پيكسل‌هاي جعل تنها با استفاده از تصوير نقشه حرارتي ساخته‌شده از شبكه تركيبي و بدون نياز به استفاده از تصاوير حقيقي باينري مشخص‌كننده ناحيه جعل در فرآيند آموزش انجام‌شده است. روش پيشنهادي بر روي پايگاه‌داده CoMoFod ارزيابي‌شده است. نتايج ارزيابي‌ها عمل‌كردن مطلوب روش پيشنهادي را در برابر تصاوير جعل با انواع تبديل‌هاي هندسي و عمليات پس ‌پردازش نشان مي‌دهد.