بخشی از مقاله
خلاصه
جعل کپی- انتقال از رایج ترین روشهای جعل تصاویر دیجیتالی میباشد که در آن قسمتی از تصویر کپی شده و جایی دیگر از همان تصویر انتقال مییابد. معمولا این جعل با هدف پنهان کردن بخشی از جزئیات تصویر انجام میشود. یک روش خوب برای تشخیص جعل تصویر باید نسبت به نویز مقاوم و مستقل از انواع تبدیلات هندسی باشدگشتاورهای شبه زرنیک با ویژگیهایی همچون عدم وابستگی به چرخش و تغییر اندازه تصویر و حساسیت کم نسبت به نویز، کارایی بالایی در استخراج بردارهای ویژگی تصویر دارند. . در این مقاله روشی مقاوم در برابر نویز و تبدیلات هندسی ارائه شده است که برای رفع مشکلات موجود و بهبود عملکرد سیستمهای تشخیص تصاویر جعلی، از یک روش ترکیبی با استفاده از تبدیل گسسته موجک و گشتاورهای شبه زرنیک بهره میبرد.
با استفاده از تبدیل گسسته موجک میتوان با کاهش ابعاد تصویر ورودی، زمان محاسبات را کاهش داد. پس از تجزیه تصویر به چهار زیر باند، از زیر باند LL برای بلاک بندی و استخراج گشتاورهای شبهزرنیک متناظر با هر بلاک استفاده میشود. بردارهای ویژگی هر بلاک به عنوان سطرهای ماتریس ویژگی، مرتبسازی الفبائی میشوند. سپس شباهت سطرهای متوالی ماتریس ویژگی به دست آمده و بر اساس آن بلاکهای تکراری بر روی تصویر، با رنگ مشخصی نمایش داده میشوند. با توجه به آزمایشات انجام گرفته، روش پیشنهادی نسبت به انواع تبدیلات هندسی و نویز مقاوم است و قادر به تشخیص جعل در نواحی تار تصویر نیز میباشد.
کلمات کلیدی: جعل تصاویر دیجیتالی، جعل کپی- انتقال، تبدیل گسسته موجک، گشتاورهای شبه زرنیک.
.1 مقدمه
مفهوم اصلی جعل تصویر به معنای دستکاری دیجیتالی تصویر با هدف تحریف قسمتی از اطلاعات تصویر میباشد. این روزها با ظهور ابزار قدرتمند اصلاح و ویرایش تصاویر نظیر Adobe Photoshop،Corel draw و ... هر فردی به راحتی بدون داشتن تخصص خاصی میتواند بدون به جا گذاشتن هر گونه ردپایی، ویژگیهایی به تصویر اضافه یا کم کرده و تصویری را جعل نماید. از این رو تمایز قائل شدن بین تصویر اصلی و تصویر دستکاری شده کار دشواری است. امروزه به دلیل دسترسی به تکنولوژی تولید تصاویر دیجیتال و استفاده گسترده از عکسهای دیجیتالی در جلد مجلات، روزنامهها، اینترنت و شبکههای اجتماعی، رسانههای دیجیتالی به منابع اطلاعاتی تبدیل شدهاند. به طور همزمان روشهای دستکاری تصاویر دیجیتالی و جعل آنها نیز رشد سریعی پیدا کردهاند. به همین دلیل از مسائل اساسی که در بحث قانونی تصاویر1 مطرح میشود، تشخیص اصلی یا جعلی بودن تصاویر است.
اهمیت این موضوع زمانی خود را نشان میدهد که تصاویر به عنوان مدرک در محاکم قانونی و اسناد مالی، علمی و پزشکی مورد استفاده قرار گیرند.[1,2] از این رو گسترش تکنیکهایی که قادر به شناسایی صحت و درستی یک تصویر باشند، امری ضروری به نظر میرسد.روشهای مختلفی برای بررسی صحت تصاویر و عدم جعلی بودن آنها وجود دارند که به دو دسته روشهای فعال و غیر فعال تقسیم میروند. در روشهای فعال نیاز به پیش پردازشهایی نظیر درج یک واترمارک2 یا ایجاد یک امضا دیجیتالی در تصویر میباشد. در این روشها که بر پایه روشهای واترمارکینگ استوارند، به وسیله آشکارسازی تغییرات به وجود آمده در دادههای پنهان شده، میتوان تصویر جعلی را از تصویراصلی شناسایی کرد. ازانجائیکه درج واتر مارک باید هنگام تصویر برداری صورت گیرد و تمام دوربینهای دیجیتال مجهز به چنین امکاناتی نیستند، کاربرد این روش در عمل با محدودیتهایی روبرو است.[3,4]
روشهای غیرفعال نیاز به اطلاعات پیشین نظیر درج واترمارک نداشته و جعلی بودن تصاویر دیجیتالی را تحت یک ساختار مانند شبکه عصبی یا براساس خصوصیات آماری موجود در تصویر بررسی میکنند. این روشها را میتوان به پنج دسته تقسیم بندی نمود که عبارتند از: روشهای مبتنی بر پیکسل، مبتنی بر فرمت، مبتنی بر دوربین، مبتنی بر محیط فیزیکی و روش هندسی.[5] [2] [1]1روشهای مبتنی بر پیکسل، بر پیکسلهای تصاویر تاکید دارند و هر یک به طور مستقیم یا غیرمستقیم روابط موجود در سطح پیکسل را در یک تصویر آنالیز میکنند. کپی-انتقال2 از متداول ترین روشهای این تکنیک به شمار میرود. در این روش، بخشی از شی یا اشیاء یک تصویر کپی شده و در جایی دیگر درون همان تصویر جهت پوشاندن قسمتهایی از آن تصویر چسباتده میشود. قسمتهای کپی شده عموما دارای ویژگیهای یکسانی نظیر بافت، رنگ، مولفههای نویزی و... هستند. راه حلهای موجود در تکنیکهای مبتنی بر پیکسل به دو دسته اصلی مبتنی بر بلاک و مبتنی بر نقاط کلیدی تقسیم میشوند.
در روشهای مبتنی بر بلاک تصویر حاصل به بلاکهای همپوشان3 با سایزهای مختلف تقسیم شده و ضرائب هر بلاک به عنوان بردار ویژگی آن بلاک استخراج شده و درون یک ماتریس ذخیره میشود. در پایان، پس از مرتب سازی الفبائی4 ماتریس و جستجوی بلاکهای مشابه، نواحی جعلی با رنگهای مشخصی بر روی تصویر اولیه نمایش داده میشوند.اولین روش مورد استفاده در تشخیص جعل کپی-انتقال، روش جستجوی جامع تصویر میباشد که زمان اجرای بالا و پیچیدگی محاسباتی از معایب عمده آن به شمار میرود. در [6] از ضرائب کوانتیزه تبدیل گسسته کسینوسی - 5 - DCTبرای استخراج ویژگیهای تصویر استفاده شد. در [7] روشی ارائه شد که در آن ضرائب DCT استخراج شده هر بلاک به صورت زیگزاکی در سطرهای ماتریس ذخیره شود تا با حذف تعدادی از ضرائب فرکانس بالا، ابعاد بردار ویژگی کاهش یابد.
در مقاله [8] با استفاده از محاسبه فاصله اقلیدسی و فاصله بردار شیفت دو سطر متوالی از ماتریس ویژگی ها، روشی ارائه شد که تطبیق بلاک ها را بهبود بخشید. مزیت این روش پیشنهادی، شناسایی نواحی تکراری حتی با وجود نویز گوسی سفید، محو شدگی و فشردگی JPEG میباشد. درمرجع [9] روشی جدیدی با استفاده از DWT برای کاهش پیچیدگی محاسبات، پیشنهاد نمودند. با اعمال این تبدیل در هر سطح، تصویر به چهارزیر باند که هر یک، یک چهارم تصویر اولیه قبل از تبدیل میباشد، تجزیه می شود. زیر باند LL که تخمینی از تصویر است، معمولا برای بلاکبندی، استخراج ویژگی و سایر پردازشها مورد استفاده قرار میگیرد. به طور مشابه [10] روش ترکیبی DWT و PCA را پیشنهاد نمودند. اعمال PCA بر روی ماتریس ویژگی ها باعث کاهش ابعاد آن و افزایش سرعت می شود.
این روش در شناسایی نواحی جعلی دارای چرخش و تغییر مقیاس، دقیق نیست. به دلیل تلفات زیاد و انتقال ناپذیر بودن6 تبدیل DWT، در [11] استفاده از DyWT7 پیشنهاد شده است که به طور همزمان از دو زیر باند LL و HH برای استخراج ویژگی ها استفاده می شود. در [13] برای تشخیص تصاویری که در آن ناحیه جعلی قبل از چسباندن، تحت دوران قرار گرفته است، استفاده از مقادیر گشتاورهای زرنیک به منظور استخراج بردار ویژگی های تصویر پیشنهاد شده است. در مرجع [14] از هیستوگرام گرادیان جهت - 8 - HOG به عنوان بردار ویژگی استخراج شده از بلاکهای تصویر، استفاده شده است. ضعف این روش، تشخیص بخش های جعلی موجود در نواحی بزرگ که تحت چرخش و تغییر مقیاس، قرار گرفته اند، می باشد.
استخراج ویژگیها در الگوریتمهای مبتتنی بر نقاط کلیدی، بر اساس ویژگیهای محلی تصویر میباشد. در هر تصویر تعداد زیادی نقطه وجود دارد که به عنوان نقاط کلیدی استخراج میشوند و با استفاده از آنها، بردارهای توصیف کننده ویژگیهای تصویر تشکیل میشود. روش پیشنهادی در[15] استفاده از توصیف گر SIFT برای تولید این بردارها می باشد. در [16] ضمن بسط روش SIFT ازDWT برای افزایش سرعت محاسبات استفاده شده است. در مرجع [17] روش ترکیبی جدیدی با استفاده از DCT و SIFT ارائه شده است. در این میان، روش DCT نسبت به نویز گوسی و فشردگی مقاوم است و روش SIFT نیز مستقل از چرخش و تغییر اندازه تصویر می باشد. در [18] از توصیف گر FAST در فضای سطح مقیاس گوسی9 استفاده شده است. نقطه ضعف این روش، زمانبر بودن آن، در تصاویر با رزولوشن بالا، می باشد.
در [19] نیز روش جدیدی با استفاده از عملگر DoG1 و توصیف گر MROG پیشنهاد شده است. این روش در حالی که از نرخ منفی کاذب بالایی برخوردار است، در برابر چرخش و نویز اضافی مقاوم است .ما در این مقاله، روش جدیدی برای بهبود شناسایی جعل و دستکاری ناشی از کپی و انتقال در تصویر با استفاده از ویژگی های به دست آمده از گشتاورهای شبه زرنیک استفاده کرده ایم. همچنین به منظور کاهش تعداد ویژگی های استخراج شده و افزایش سرعت محاسبات الگوریتم پیشنهادی از تبدیل گسسته موجک - - DWT1 استفاده کردیم.ساختار این مقاله نیز به شرح زیراست: در بخش دوم نیز مراحل مختلف الگوریتم پیشنهادی شرح داده می شود. بخش سوم به نتایج آزمایش و مقایسه الگوریتم با روش های قبلی می پردازد و در نهایت در بخش چهارم نیز نتیجه گیری مقاله آورده می شود.
.2 الگوریتم پیشنهادی
در این مقاله، روش جدیدی به منظور تشخیص تصاویر جعلی ارائه شده است که ترکیبی از روشهای DWT و گشتاورهای شبه زرنیک میباشد. یکی از اهداف ارتقاء سیستمهای تشخیص تصویر جعلی، کاهش بار محاسباتی است که برای این منظور از DWT استفاده میشود. بدین ترتیب که با کاهش ابعاد تصویر ورودی، تعداد بردارهای استخراج شده از آن نیز کاهش مییابد. استفاده از گشتاور شبهزرنیک که دارای ویژگیهای مطلوبی نظیر مستقل بودن از چرخش، اندازه و حساسیت کم نسبت به نویز است، به منظور تولید بردار ویژگی از تصویر، پیشنهاد شده است. در ادامه گشتاور شبه زرنیک و چگونگی به دست آوردن آن شرح داده شده است.
1 . 2 گشتاور شبه زرنیک2
گشتاورهای شبه زرنیک، نگاشتی از تابع روشنایی تصویر بر روی مجموعه ای از چندجملهایهای مختلط متعامد3 هستند. این چندجملهایها یک مجموعه کامل داخل دایره واحد - 2 + 2 ≤ 1 - تشکیل میدهند. مجموعهی این چندجملهایها را با { - , - } نشان داده و به صورت زیر تعریف میشود:[20]
که در آن عددی صحیح وغیر منفی - 0 در شرط | | ≤ ، صدق می کند. - - ≥ است و مرتبه چند جمله ای شعاعی نامیده میشود. m عددی صحیح، بیان گر تکرار چند جمله ای است که , - , نیز چند جملهای شعاعی است و به صورت زیر تعریف میشود:
با توجه به معادلات فوق ,− - , - = , - , - است، بنا بر این - , - = ∗ - , - خواهد بود. گشتاور شبه زرنیک از مرتبه و تکرار برای تابع گسسته و دو بعدی - , - ، که در داخل دایره واحد تعریف میشود، از رابطه زیر قابل محاسبه میباشد:
