بخشی از مقاله
چکیده
جعل کپی نواحی تصویر - کپی و انتقال - ، نوع خاصی از جعل تصویر می باشد که در آن ناحیهی دیگری از آن کپی میگردد، تا بدین ترتیب قسمتهای ناخواسته تصویر حذف و یا قسمت های مورد نظر اضافه گردد. یکی از مهمترین بخشهای الگوریتمهای تشخیص جعل کپی نواحی تصویر، مرحله استخراج ویژگی از تصویر است. بعبارت دیگر، بایستی با استخراج ویژگیهای مناسب و تطابق این ویژگیها با یکدیگر بخشهای جعل شده تصویر را شناسایی نماییم. در این مقاله با انتقال تصویر به فضاهای مختلف و استخراج ویژگی در هر فضا و ترکیب آنها روشی مقاوم و کارا برای تشخیص جعل کپی نواحی ارائه شده است. برای انتقال تصویر از تبدیلهای پردازشی مختلفی همانند تبدیل کسینوسی گسسته - DCT - ، تبدیل موجک گسسته - DWT - ، تبدیل تجزیه به مولفههای تکین - SVD - ، تبدیل ملین فوریه - FMT - استفاده نمودیم. روش پیشنهادی براساس بلوکبندی تصویر و استخراج و تطابق ویژگیهای بلوکی میباشد. در روش پیشنهادی از دو تکنیک مرتبسازی براساس قواعد واژهنگاری و درخت -K بعدی برای کاهش زمان مراحل جستجو استفاده شده است. نتایج آزمایشها نیز عملکرد قابل قبول روش پیشنهادی را در شناسایی نواحی جعل شده کوچک و همچنین در برابر حملات پسپردازشی مختلف نشان میدهد.
.1 مقدمه
در دنیای امروز همواره با انبوهی از اطلاعات و اخبار مواجه هستیم که از طریق رسانههای مختلفی همانند شبکه-های تلویزیونی و ماهوارهای، رادیو، روزنامهها، مجلات و سایتهای اینترنتی منتشر میگردند. بطور کلی این اطلاعت در قالب چندرسانهای در اختیار عموم مردم قرار میگیرند. از سوی دیگر، بطورحتم اهمیت ظهور و انقلاب دادههای چندرسانه-ای دیجیتال و تاثیر آن بر تولید و انتشار اطلاعات بر کسی پوشیده نیست. قابلیتهای فوقالعاده سختافزاری و نرمافزاری در چندرسانهای دیجیتال روز به روز در حال پیشرفت و گسترش میباشد.
در این بین شاید بتوان تصاویر دیجیتال را بعنوان یکی از رایجترین و مهمترین چندرسانهای دیجیتال در عصر اطلاعات امروزی بحساب آورد، بطوریکه تصور دنیایی عاری از تصاویر دیجیتال از گمان همگان خارج است. اما نکتهیِ بسیار مهمی که در کنار مزایای فراوان چندرسانهای دیجیتال و بطور ویژه تصاویر دیجیتال بایستی حتما مدنظر قرار بگیرد، امکان سوء استفاده عدهای افراد سودجود از این ابزاراطلاعاتی است. در عصرِ دیجیتال امروز، تولید، جعل و انتشار تصاویر دیجیتال بواسطهیِ وجود سختافزارهای پیشرفته، نرمافزارهای کم هزینه و شبکههای اینترنتی گسترده به امری آسان و قابل دسترس برای عموم مردم مبدل گشته است. بنابراین بعنوان یک نتیجه بدیهی، به سرعت به موقعیتی خواهیم رسید که نمیتوان هویت اصلی و صحت تصاویر دیجیتال را به آسانی تضمین نمود.
گستره روشهای جعل تصویر بسیار زیاد بوده و با توجه به نوع سوء قصد، جعل کننده تصویر از روشهای بسیاری می-تواند برای انحراف بیننده استفاده نماید. یکی از روشهای متداول و چالشبرانگیز جعل تصویر، روش جعل کپی نواحی است. نمونهای از این نوع جعل در شکل 1 نشان داده شده است. در این مقاله با استفاده از ویژگیهای حاصل از تبدیلهای مختلف بر روی تصویر به ارائه تکنیکی مقاوم برای تشخیص این نوع از جعل پرداختیم. در این ر وش نیاز به هیچگونه اطلاعات واترمارک و یا کد درهمش نمیباشد. پیشنهاد استفاده از روش چندین بردار ویژگی موجب افزایش دقت تشخیص نواحی جعلی گردیده است. در روش پیشنهادی برای افزایش سرعت الگوریتم از روش مرتبسازی براساس قواعد واژهنگاری استفاده شده است. برای ارزیابی روش ارائه شده حالات مختلفی از تبدیلها و اعوجاجها مورد بررسی قرار گرفتند.
این مقاله در شش بخش تنظیم شده است. پس از مقدمه در بخش اول، در بخش دوم مقاله به مرور مفاهیم و روشهای پیشین تشخیص جعل کپی نواحی پرداخته شده است. در این مقاله از تبدیلهای پردازش تصویر معینی استفاده شده است، بنابراین به منظور آشنایی مقدماتی با برخی از تبدیلهای بکار رفته، بخش سوم مقاله تحت عنوان تبدیلهای پردازش تصویر تنظیم شده است. بخش چهارم به ارائه روش پیشنهادی برای تشخیص جعل کپی نواحی اختصاص دارد. نتایج تجربی روش ارائه شده در بخش پنجم آورده شده است. در انتها نتیجهگیری در بخش ششم این مقاله تنظیم شده است.
.2 مروری بر روشهای تشخیص جعل کپینواحی تصویر
جرمشناسی تصاویر دیجیتال یک شاخه تحقیقاتی جدید محسوب میشود که در آن تعیین اعتبار و صحت تصاویر با استفاده از تحلیل اطلاعات آماری و ویژگیهای ذاتی تصاویر انجام میگیرد .[3-1] در این بخش به مرور اجمالی در رابطه با روشهای جرمشناسی تصاویر دیجیتال برای تشخیص جعل کپی نواحی تصویر میپردازیم.
.1-2 روشهای برپایه بلوکبندی تصویر
یک از متداولترین روشهای ویرایش یک تصویر از لحاظ محتوی، کپی و الصاق نواحی مختلف یک تصویر میباشد .[4] هنگامیکه جعل کپی نواحی بر روی یک تصویر بدون پسپردازشهای تکمیلی صورت میگیرد، ناحیه جعل شده از لحاظ ویژگیهای ذاتی - همانند الگو نویز، جدول رنگ و الگوهای رنگی - با بقیه تصویر مشترک است. بر این اساس، اولین ایده برای تشخیص این نوع جعل در [5] ارائه گردید. فریدریک و همکاران براساس روش تطبیق بلوکهای متشابه تصویر، از ضرائب تبدیل کسینوسی گسسته - DCT - برای تشخیص جعل کپی نواحی استفاده نمودند. آنها در ابتدا برای کاهش زمان جستجوی بلوکهای مشابه، ضرائب DCT بلوکهای تصویر را با روش مرتبسازی وابسته به واژهنگاری نظم داده و سپس براساس یک مقدار آستانه مشخص، بلوکهای مشابه و نواحی جعلی را مشخص کردند .[5]
به منظور افزایش مقاومت و بهبود سرعت روند تشخیص در روش DCT، در [6] و [7] روشهایی برای کاهش بردار ویژگی و طرحی جدید برای تطبیق بین دو بردار ویژگی ارائه شد. در تحقیق تازه دیگری نیز در [8] برای افزایش مقاومت روش تشخیص جعل در برابر انواع پسپردازشهای احتمالی و همچنین تعیین دقیق نواحی جعل شده، ترکیب DCT و تجزیه به مقادیر ویژه - SVD - استفاده شده است. در این روش پس از بلوکبندی تصویر، ضرائب کوانتیزه شده DCT هر بلوک استخراج میگردد. سپس با هدف افزایش مقاومت و کاهش بردار ویژگی، بزرگترین مقادیر ویژه SVD هر بلوک بعنوان بردار ویژگی استخراج می-گردد. مرجع [9] روشی براساس نمایش بلوکهای تصویر با استفاده از تحلیل مولفههای اصلی - PCA - ارائه نموده است.
روش مذکور نسبت به فشردهسازی JPEG با سطح کیفیت برابر با 50 و افزایش نویز با نسبت سیگنال به نویز - SNR - برابر با 29 دسیبل مقاوم است. در جهت افزایش سرعت تشخیص نواحی جعل شده، لی و همکاران پیشنهادی مبنی بر کاهش تعداد بلوکهای همپوشانی شده با استفاده از تبدیل ویولت گسسته - DWT - در [10] ارائه نمودند. آنها برای استخراج بردارهای ویژگی، روش تجزیه به مقادیر ویژه - SVD - را مورد استفاده قرار دادند. این روش در برابر فشردهسازی JPEG تا سطح کیفیت 70 مقاوم است. مهدیان و همکاران برای تشخیص خودکار نواحی جعل شده تکراری در تصویر، ممانهای تغییرناپذیر نسبت به محوشدگی تصویر را بعنوان ویژگی مورد استفاده قرار دادند .[11] از آنجاییکه روش آنها براساس ممانهای نامتغیر نسبت به محوشدگی تصویر است، الگوریتم تشخیص مقاومت خوبی در برابر پسپردازشهایی همانند تغییرات روشنایی تصویر، افزایش نویز و تغییرات تباین دارد.
یکی از چالشهای اصلی در تشخیص جعل کپی نواحی، تشخیص نواحی تکراری در تصویر است که قبل از الصاق به بخش دیگری از تصویر تحت تاثیر تبدیلهای هندسی همانند چرخش و یا تغییر مقیاس قرار گرفته باشند .[13 ,12] در [14] بایرام و همکاران با استفاده از تبدیل ملین-فوریه - FMT - به استخراج ویژگیهایی از تصویر پرداختند که نسبت به تغییرات چرخش و مقیاس تغییرناپذیر بودند. با اینحال، با توجه به نتایج آزمایشها، روش FMT تنها نسبت به بازهیِ محدودی از زوایای چرخش و تغییرات مقیاس مقاوم است. روش PCA در برابر تغییرات مقیاس و چرخش مقاوم نمیباشد.
