Quantization-based Markov feature extraction method for image splicing detection

Han, Jong Goo; Park, Tae Hee; Moon, Yuseok; Eom, Il Kyu

doi:10.1007/s00138-018-0911-5

Cited by 16 publications

(4 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Methods based on the picture essence properties, 5 – 8 imaging device attributes, 9 – 11 image compression attributes, 12 – 14 and hash techniques 15 , 16 can be broadly characterized as the four categories of traditional image splicing forgery detection methods. However, the four methods listed above have some drawbacks regarding forgery detection, such as the following: (1) the image essence attribute approach may not work for an overall processed image that has been blurred.…”

Section: Introductionmentioning

confidence: 99%

Dual encoder network with efficient channel attention refinement module for image splicing forgery detection

Tan,

Zhang,

Wang

et al. 2023

J. Electron. Imag.

View full text Add to dashboard Cite

.In the realm of picture forensics, it might be difficult to find and locate an image-splicing forgery. To improve the accuracy of the picture forensic evaluation, we introduce a dual encoder network (DAE-Net) with an efficient channel attention (ECA) module. The ECA module creates a fusion approach with an attention mechanism that enables the model to concentrate on local objects’ tampering characteristics and increases the accuracy of multi-region tampering identification. We suggest combining a dual-coding network with a multi-scale dilated convolutional feature fusion module to better detect small target tampering zones. Experimental evidence suggests that DAE-Net outperforms state-of-the-art methods. The attack experiments also demonstrate the DEA-Net model’s stability and noise resistance.

show abstract

Section: Introductionmentioning

confidence: 99%

Dual encoder network with efficient channel attention refinement module for image splicing forgery detection

Tan,

Zhang,

Wang

et al. 2023

J. Electron. Imag.

View full text Add to dashboard Cite

show abstract

“…Therefore, identifying the different statistical characteristics of the parts of a tampered image is the basis for detecting or localizing image splicing. Splicing detection [5][6][7][8][9][10] can determine whether a given image is authentic or tampered. In practical forensic applications, localizing splicing regions [11][12][13] compared with splicing detection is more effective.…”

Section: Introductionmentioning

confidence: 99%

“…Author Name: Preparation of Papers for IEEE Access (May 2019)9 VOLUME XX, 2019C. QUANTITATIVE COMPARISON…”

mentioning

confidence: 99%

Image Tampering Localization Using Demosaicing Patterns and Singular Value Based Prediction Residue

2021

Self Cite

View full text Add to dashboard Cite

Almost all image sensors measure only one color per pixel through the color filter array. Missing pixels are estimated using a demosaicing process. For this reason, a demosaiced image leaves a particular trace. When an image is manipulated or tampered, the demosaicing trace can be changed. This change can serve as a basic clue for detecting or localizing image tampering. Demosaicing pattern-based tampering localization algorithms require a re-interpolation process, and the prediction residue between the given image and the re-interpolated image is commonly used to localize tampered regions. However, the prediction residue is not always valid because the demosaicing interpolation kernel cannot be known, which deteriorates the localization performance. This paper presents an effective re-interpolation process using singular value decomposition for an unknown demosaicing method. First, the green channel of the given image is decomposed into four sub-images according to the Bayer pattern. For a small block of each subimage, the singular value decomposition is performed. The prediction residue is obtained by reconstructing the image block after removing the largest singular value. The feature to localize the forged regions is extracted by the logarithm ratio of the prediction residue variance. The proposed method does not require any statistical model for the extracted feature, because the prediction residue is more accurate than that of conventional methods. We perform intensive experiments for three test datasets and compare the proposed method with state-of-the-art tampering localization methods, the results of which indicate that the proposed scheme outperforms existing approaches.INDEX TERMS Image tampering localization, demosaicing trace, singular value decomposition, prediction residue, re-interpolation kernel, color filter array, image splicing.

show abstract

“…Bu yüzden internet üzerinden rastgele elde edilen görüntülerin orijinalliğinin denetlenmesinde aktif yöntemler yetersiz kalmaktadır. Kopyala-yapıştır [6,7] ve ekleme [8] gibi pasif görüntü sahteciliği tespiti yöntemlerinde ise herhangi bir ek bilgiye ihtiyaç duyulmaksızın görüntü özellikleri çıkartılarak sahtecilik tespiti yapılmaktadır.…”

Section: Introductionunclassified

Ön Eği̇ti̇mli̇ Evri̇şi̇mli̇ Si̇ni̇r Ağlari Destekli̇ Görüntü Sahteci̇li̇k Tespi̇ti̇ Yöntemi̇

Gül¹,

Öztürk²

2020

Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

İnternet ve bilgisayar teknolojilerinin gelişmesi ile görüntü sahteciliği tespiti önem kazanmıştır. Ayrıca, görüntü iyileştirme uygulamalarında kullanılan tekniklerin iyi başarım göstermesi için görüntülere uygulanan saldırı çeşitlerinin ve bölgelerinin doğru bir şekilde tespit edilmesi gerekmektedir. Bu çalışmada, görüntülere uygulanan saldırı çeşitlerini ve saldırı bölgelerini tespit etmek için ön eğitimli AlexNet ve GoogLeNet evrişimli sinir ağları destekli görüntü sahtecilik tespiti yöntemi önerilmiştir. Öncelikle; MICC-F2000 veri kümesinde bulunan görüntüler kullanılarak orijinal ve saldırılmış görüntülerin olduğu görüntü sahteciliği tespiti veri kümesi oluşturulmuştur. Saldırılmış görüntüleri elde etmek için Gauss bulanıklaştırma, medyan filtreleme, Gauss gürültü ekleme, Poisson gürültü ekleme ve keskinleştirme saldırıları kullanılmıştır. Daha sonra, ön eğitimli AlexNet ve GoogLeNet ağlarının tam bağlantılı katmanları deneysel veri kümesindeki altı veri sınıfı için yeni tam bağlantılı katmanlar ile değiştirilmiştir. Oluşturulan AlexNet ve GoogLeNet destekli ağlar hazırlanan görüntü sahteciliği tespiti veri kümesi ile eğitilerek test edilmiştir. Faklı hiperparametre değerleri için ağların başarımları ölçülmüştür. AlexNet destekli ağlarda en yüksek başarım %99,48'lik doğruluk oranı ile elde edilirken, GoogLeNet destekli ağlarda ise en yüksek başarım %99,92'lik doğruluk oranı ile elde edilmiştir. Ayrıca, geliştirilen AlexNet ve GoogLeNet destekli sahtecilik tespiti yönteminin CoMoFoD veri kümesinden alınan görüntüler üzerindeki saldırıları tespit edebilme başarısı gözlemlenmiştir. Deneysel sonuçlar önerilen yöntemin başarılı bir şekilde görüntü sahteciliği tespiti için kullanılabileceğini göstermiştir.

show abstract

Quantization-based Markov feature extraction method for image splicing detection

Cited by 16 publications

References 17 publications

Dual encoder network with efficient channel attention refinement module for image splicing forgery detection

Dual encoder network with efficient channel attention refinement module for image splicing forgery detection

Image Tampering Localization Using Demosaicing Patterns and Singular Value Based Prediction Residue

Ön Eği̇ti̇mli̇ Evri̇şi̇mli̇ Si̇ni̇r Ağlari Destekli̇ Görüntü Sahteci̇li̇k Tespi̇ti̇ Yöntemi̇

Contact Info

Product

Resources

About