(41-6) 18 * << * >> * Русский * English * Содержание * Все выпуски

Обнаружение встраиваний на изображениях путем анализа артефактов, обусловленных параметрами сенсора регистрирующего устройства
Варламова А.А., Кузнецов А.В.

 

Самарский национальный исследовательский университет имени академика С.П. Королева, Самара, Россия,

Институт систем обработки изображений РАН – филиал ФНИЦ «Кристаллография и фотоника» РАН, Самара, Россия

 PDF, 609 kB

DOI: 10.18287/2412-6179-2017-41-6-920-930

Страницы: 920-930.

Аннотация:
Встраивание в изображение областей, скопированных из другого изображения, является одним из часто осуществляемых видов подделки изображений. Данная статья посвящена исследованию одного из методов их обнаружения, работа которого основана на анализе артефактов, обусловленных параметрами сенсора регистрирующего устройства, при помощи которого было получено изображение. Для проверки подлинности изображение разбивается на блоки, для каждого из которых вычисляется критерий, определяющий вероятность наличия/отсутствия на нем артефактов и, как следствие, вероятность того, является ли блок встроенным. В экспериментальной части работы проводится анализ точности обнаружения встроенных областей, а также исследование устойчивости метода к различным видам искажений: аддитивному гауссовскому шуму, сжатию JPEG и линейному контрастированию. Результаты экспериментов показали, что метод позволяет обнаруживать встроенные области различной природы, формы и размера, а также обладает устойчивостью к аддитивному гауссовскому шуму и линейному контрастированию для заданного диапазона параметров, но не устойчив к сжатию JPEG. Отличительной особенностью метода является возможность выявления встроенных областей с минимальным размером 2×2.

Ключевые слова:
искажение изображения, массив цветных фильтров, фильтр Байера, интерполяция, артефакт, карта вероятностей искажения.

Цитирование:
Варламова, А.А. Обнаружение встраиваний на изображениях путем анализа артефактов, обусловленных параметрами сенсора регистрирующего устройства / А.А. Варламова, А.В. Кузнецов // Компьютерная оптика. – 2017. – Т. 41, № 6. – С. 920-930. – DOI: 10.18287/2412-6179-2017-41-6-920-930.

Литература:

  1. Как бороться с подделками фотоотчетов [Электронный ресурс]. – URL: https://club.esetnod32.ru/articles/analitika/kak-borotsya-s-poddelkami-fotootchetov/ (дата обращения 14.08.2017).
  2. Choi, C.-H. Estimation of color modification in digital images by CFA pattern change / C.-H. Choi, H.-Y. Lee, H.-K. Lee // Forensic Science International. – 2013. – Vol. 226, Issues 1-3. – P. 94-105. – DOI: 10.1016/j.forsciint.2012.12.014.
  3. Chakraverti, A.K. A review on image forgery and its detection procedure / A.K. Chakraverti, V. Dhir // International Journal of Advanced Research in Computer Science. – 2017. – Vol. 8, No. 4. – P. 440-443.
  4. Евдокимова, Н.И. Локальные шаблоны в задаче обнаружения дубликатов / Н.И. Евдокимова, А.В. Кузнецов // Компьютерная оптика. – 2017. – Т. 41, № 1. – С. 79-87. – DOI: 10.18287/2412-6179-2017-41-1-79-87.
  5. Глумов, Н.И. Поиск дубликатов на цифровых изображениях / Н.И. Глумов, А.В. Кузнецов, В.В. Мясников // Компьютерная оптика. – 2013. – Т. 37, № 3. – C. 360-367.
  6. Burvin, P.S. Analysis of digital image splicing detection / P.S. Burvin, J.M. Esther // IOSR Journal of Computer Engineering (IOSR-JCE). – 2014. –Vol. 16, Issue 2. – P. 10-13. – DOI: 10.9790/0661-162111013.
  7. Snigdha, K.M. Image forgery types and their detection / K.M. Snigdha, A.G. Ajay // International Journal of Advanced Research in Computer Science and Software Engineering. – 2015. – Vol. 5, Issue 4. – P. 174-178.
  8. Ferrara, P. Image forgery localization via fine-grained analysis of CFA artifacts / P. Ferrara, T. Bianchi, A. De Rosa, A. Piva // IEEE Transactions on Information Forensics and Security. – 2012.– Vol. 7, Issue 5. – P. 1566-1577. – DOI: 10.1109/TIFS.2012.2202227.
  9. Popescu, A.C. Exposing digital forgeries in color filter array interpolated images / A.C. Popescu, H. Farid // IEEE Transactions on Signal Processing. – 2005. – Vol. 53, Issue 10. – P. 3948-3959. – DOI: 10.1109/TSP.2005.855406.
  10. Gallagher, A.C. Image authentication by detecting traces of demosaicing / A.C. Gallagher, T. Chen // IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops (CVPRW '08). – 2008. – 8 p. – DOI: 10.1109/CVPRW.2008.4562984.
  11. Li, L. A robust approach to detect digital forgeries by exploring correlation patterns / L. Li, J. Hue, X. Wang, L. Ti­an // Pattern Analysis and Applications. – 2015. – Vol. 18, Issue 2. – P. 351-365. – DOI: 10.1007/s10044-013-0319-9.
  12. Bayram, S. Source camera identification based on CFA interpolation / S. Bayram, H. Sencar, N. Memon, I. Avcibas // IEEE International Conference on Image Processing. – 2005. – Vol. 3. – P. 63-72. – DOI: 10.1109/ICIP.2005.1530330.
  13. Bishop, C.M. Pattern recognition and machine learning / C.M. Bishop. – New York: Springer Verlag, 2006. – 738 p. – ISBN: 978-0-387-31073-2.
  14. Fawcett, T. An introduction to ROC analysis / T. Fawcett // Pattern Recognition Letters. – 2006. – Vol. 27, Issue 8. – P. 861-874. – DOI: 10.1016/j.patrec.2005.10.010.
  15. The original RAW-samples website [Electronical Resources]. – URL: http://rawsamples.ch (date request 27.08.2017).
  16. CS. Centro Studi Progresso Fotografico. Dcraw [Electronical Resource]. – URL: http://www.centrostudiprogresso­fotografico.it/en/dcraw/ (date request 27.08.2017).
  17. Photo database [Electronical Resource]. – URL: http://www.zermatt.ch/ru/Media/Media-corner/Photo-database (date request 30.08.2017).
  18. Columbia University Image Library (COIL-100) [Electronical Resource]. – URL: http://www.cs.columbia.edu/CAVE/ software/softlib/coil-100.php (date request 30.08.2017).
© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru ; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20