کشف دستکاری به وسیله فیلتر میانه در تصاویر فشرده Journal Article

بررسی فیلتر میانه، به‌عنوان فرآیندی حافظ محتوا، که برای هموارسازی و حذف نویز از تصاویر به‌کار می‌رود، مورد توجه جدی پژوهشگران حوزه مستندسازی بوده است. در این مقاله، روشی برای کشف به کارگیری فیلتر میانه در تصاویر فشرده بر اساس تجزیه مقادیر تکین ماتریس فرآیند، پیشنهاد شده است. در این روش، ماتریس فرآیند از تخمین خطی فرآیند کدگشایی، اعمال فیلتر میانه و فشرده‌سازی مجدد تصویر حاصل می‌گردد. سپس از تصویر داده‌های ورودی بر فضاهای ویژه این ماتریس به‌عنوان ویژگی‌های تصویر استفاده می‌شود. به کمک تعداد اندکی از ویژگی‌های مذکور، طبقه‌بندی تصویر به‌عنوان تصویری اصیل یا پردازش‌شده انجام می‌پذیرد تا روشی سریع و موثر برای کشف فیلتر میانه طراحی گردد. شبیه‌سازی‌ها نشان می‌دهند که روش پیشنهادی بالاخص در نرخ فشرده‌سازی بالا، عملکرد بهتری نسبت به سایر روش‌های موجود دارد و خطای آشکارسازی آن در مقایسه با روش‌های دیگر 2% تا 5% کمتر است. تجزیه مقادیر تکین ماتریس فرآیند را که در این مقاله معرفی شده است، می‌توان برای کشف سایر دست‌کاری‌های صورت‌گرفته روی تصویر نیز به‌کار برد.

Median filtering, as a nonlinear content preserving process that is often employed for smoothing and denoising images, has received significant attention from the forensics and documentation research community. In this paper, a detection scheme for median filtering of compressed images is proposed, based on singular value decomposition of the process matrix. In the proposed method, the process matrix is obtained by linear estimation of the decoding process, implementation of median filtering and recompression of the image. The projections of input data over eigenspaces of this process matrix is then used as features of the image. A small number of such features are utilized to classify the image as either original or processed, thus leading to a fast and effective detection scheme for median filtering. The experimental evaluations show that the proposed scheme outperforms the existing methods, particularly over highly compressed images, and its detection error is 2% to 5% lower in comparison to the errors introduced by other detection schemes. The singular value decomposition of the process matrix introduced in this paper, may also be used in detection of other cases of image content manipulation.

در این مقاله، روشی برای کشف به کارگیری فیلتر میانه در تصاویر فشرده بر اساس تجزیه مقادیر تکین ماتریس فرآیند، پیشنهاد شده است. تجزیه مقادیر تکین ماتریس فرآیند را که در این مقاله معرفی شده است، می‌توان برای کشف سایر دست‌کاری‌های صورت‌گرفته روی تصویر نیز به‌کار برد. در این مقاله برای آشکارسازی فیلتر میانه در تصویر از روش SVD با بردار ویژگی‌های سه‌بعدی استفاده می‌شود. این ویژگی‌های ۶۸۶ بعدی، از روی ماتریس احتمال گذار مربوط به یک مدل مارکوف مرتبه بالا برای تصویر مرتبه اول ساخته می‌شوند و توسط نویسندگان ]5[ برای آشکارسازی فیلتر میانه در تصاویر فشرده مورد استفاده قرار می‌گیرند. هر یک از این پنجره‌ها متناظر با پنجره‌ای در تصویر ویرایش‌شده است، که بردار دیگری را به دست می‌دهد: (رجوع شود به تصوير صفحه) با استفاده از دنباله نمونه‌های آموزشی 1 , 1 , 2 , 2 ,…, , ماتریس فرآیند همان‌گونه که قبلاُ به آن اشاره شد، تعیین می‌شود و ویژگی‌های تکین 1 , 2 ,…, استخراج می‌گردند. Bovik, “Streaking in median filtered images,” IEEE Trans. H. Yuan, “Blind forensics of median filtering in digital images,” IEEE Trans. Huang, “Blind detection of median filtering in digital images: A difference domain based approach,” IEEE Trans. Liu, “Robust median filtering forensics using an autoregressive model,” IEEE Trans. J. Wang, “Median filtering forensics based on convolutional neural networks,” IEEE Signal Process. C. Stamm, “Constrained Convolutional Neural Networks: A New approach Towards General Purpose Image Manipulation Detection,” IEEE Tran. De Natale, “A deterministic approach to detect median filtering in 1D data,” IEEE Trans. Xiong, “Median filtered image quality enhancement and anti-forensics via variational deconvolution,” IEEE Trans.