Fotomontaj tespiti için görüntü işleme yönteminin geliştirilmesi
Küçük Resim Yok
Dosyalar
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Bursa Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde bilgisayar teknolojilerinin gelişmesi ile görüntü işleme yazılımları sayesinde dijital görüntüler üzerinde belirgin bir iz bırakmadan manipülasyonlar yapılarak basitçe sahte görüntüler oluşturulmaktadır. Bu manipüle edilmiş sahte görüntülerin kötü niyetli kişiler tarafından medyada kullanılması ile görüntülerin sahte veya gerçek olup olmadığı tartışma konusu olmaktadır. Bu nedenle siyaset, hukuk, adli tıp gibi önemli alanlarda sahte görüntülerin manipüle edilen bölgenin tespit edilmesine büyük ihtiyaç duyulmaktadır. Sahte görüntülerin manipüle edilen bölgelerin tespit edilmesi için çok sayıda çalışma yapılmış ve çeşitli algoritmalar geliştirilmiştir. Günümüzde, görüntü sahteciliği tespiti için geleneksel yöntemlerin gelişmiş görüntü işleme yazılımları ile elde edilen sahte görüntüleri tespit etmede yetersiz kalması nedeniyle derin öğrenme yöntemleri araştırmacılar tarafından yaygın olarak tercih edilmektedir. Bu yöntemler, görüntülerin karmaşık özelliklerini elde ederek otomatik öğrenmeleri ve sahte ve gerçek görüntüleri sınıflandırabilmeleri gibi yetenekleri sayesinde daha yüksek başarı elde etmektedir. Derin öğrenme, özellikle evrişimsel sinir ağları gibi yenilikçi görüntü işleme yöntemlerinin geliştirilmesine olanak tanımaktadır. Bundan dolayı evrişimsel sinir ağları görüntülerdeki örüntüleri daha etkili bir şekilde yakalayabilmektedir ve sahte görüntüleri tespit etmede daha hassas olmaktadır. Bu çalışmada, ayrık kosinüs ve ayrık dalgacık dönüşümü gibi geleneksel yöntemlerin avantajları ile derin öğrenme tekniklerinin avantajlarını birleştirerek kullanan sahte görüntülerde manipüle edilen bölgeyi tespit eden bir yöntem önerilmiştir. Önerilen yöntemde evrişimsel sinir ağları ile birlikte ayrık dalgacık dönüşümü ve ayrık kosinüs dönüşümlerinin paralel olarak kullanıldığı bir mimari tasarlanmıştır. Yöntemin başarısını kıyaslayabilmek için sadece ayrık kosinüs ve evrişimsel sinir ağlarını kullanan ve sadece ayrık dalgacık dönüşümü ile evrişimsel sinir ağlarını kullanan ve her iki dönüşümü de kullanmayan sadece evrişimsel sinir ağlarını kullanan üç farklı yöntem uygulanmıştır. Toplamda dört farklı yöntem iki farklı veri seti üzerinde test edilerek Doğruluk (Accurancy), Kesinlik (Presicion), Duyarlılık (Recall), Dice Benzerlik Katsayısı (Dice Coefficient) ve F1 skoru gibi başarı metrikleri açısından karşılaştırılmıştır. Kıyaslamadan elde edilen sonuçlar önerilen yöntemin etkinliğini ve yüksek sınıflandırma doğruluğunu açıkça göstermiştir.
Nowadays, with the development of computer technologies, digital images are manipulated without leaving a clear trace, and simply forgerd images are created thanks to image processing software. With the use of these manipulated forgered images by malicious people in the media, it is a matter of debate whether the images are forgered or original (authentic). For this reason, there is a great need to determine the region where forgered images are manipulated in important fields such as politics, law and forensic medicine. Many studies have been carried out and various algorithms have been developed to detect the manipulated regions of forgered images. Today, deep learning methods are widely preferred by researchers because traditional methods for detecting image forgery are insufficient to detect forgered images obtained with advanced image processing software. These methods achieve higher success thanks to their automatic learning by acquiring complex features of images and their ability to classify forgered and original images. Deep learning enables the development of innovative image processing methods, especially convolutional neural networks. Therefore, convolutional neural networks can capture patterns in images more effectively and are more sensitive in detecting forgered images. In this study, a method that uses the advantages of traditional methods such as discrete cosine and discrete wavelet transform by combining the advantages of deep learning techniques is proposed to detect the manipulated region in forgered images. In the proposed method, an architecture is designed in which discrete wavelet transform and discrete cosine transforms are used in parallel with convolutional neural networks. In order to compare the success of the method, three different methods were applied, using only discrete cosine and convolutional neural networks, using only discrete wavelet transform and convolutional neural networks, and using only convolutional neural networks without using both transformations. A total of four different methods were tested on two different data sets and compared in terms of success metrics such as Accuracy, Precision, Recall, Dice Coefficient and F1 score. The results obtained from the benchmark clearly demonstrated the effectiveness and high classification accuracy of the proposed method.
Nowadays, with the development of computer technologies, digital images are manipulated without leaving a clear trace, and simply forgerd images are created thanks to image processing software. With the use of these manipulated forgered images by malicious people in the media, it is a matter of debate whether the images are forgered or original (authentic). For this reason, there is a great need to determine the region where forgered images are manipulated in important fields such as politics, law and forensic medicine. Many studies have been carried out and various algorithms have been developed to detect the manipulated regions of forgered images. Today, deep learning methods are widely preferred by researchers because traditional methods for detecting image forgery are insufficient to detect forgered images obtained with advanced image processing software. These methods achieve higher success thanks to their automatic learning by acquiring complex features of images and their ability to classify forgered and original images. Deep learning enables the development of innovative image processing methods, especially convolutional neural networks. Therefore, convolutional neural networks can capture patterns in images more effectively and are more sensitive in detecting forgered images. In this study, a method that uses the advantages of traditional methods such as discrete cosine and discrete wavelet transform by combining the advantages of deep learning techniques is proposed to detect the manipulated region in forgered images. In the proposed method, an architecture is designed in which discrete wavelet transform and discrete cosine transforms are used in parallel with convolutional neural networks. In order to compare the success of the method, three different methods were applied, using only discrete cosine and convolutional neural networks, using only discrete wavelet transform and convolutional neural networks, and using only convolutional neural networks without using both transformations. A total of four different methods were tested on two different data sets and compared in terms of success metrics such as Accuracy, Precision, Recall, Dice Coefficient and F1 score. The results obtained from the benchmark clearly demonstrated the effectiveness and high classification accuracy of the proposed method.
Açıklama
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering, Sayısal görüntü işleme, Digital image processing
