|
عنوان
|
احراز اصالت و اعتبار در تصاویر دیجیتال با استفاده از الگو های ذاتی تصویر
|
|
نوع پژوهش
|
پایان نامه
|
|
کلیدواژه‌ها
|
جرایم دیجیتال،احراز اصالت و اعتبارتصویر مدل نویزPRNU،جعل کپی نواحی،تحلیل مؤلفه های اصلی
|
|
چکیده
|
امروزه پیشرفت تکنولوژی دیجیتال باعث شده است که افراد مختلف با کمترین هزینه و مهارت قادر به دستکار تصاویر باشند. از این رو تغییر محتوای تصویر با مقاصد سودجویانه و تخریب جایگاه اجتماعی افراد به عنوان یک تهدید جدی در عصر دیجیتال مطرح شده است که اعتماد به تصاویر را دشوار کرده است. محققان برای مبارزه با این تهدید یک تصویر را یا از لحاظ اعتبار منبع تولیدکننده آن یا از لحاظ صحت محتوی مورد بررسی قرار می دهند. در این روش ها برای احراز اصالت و اعتبار تصویر معمولاَ از الگوهای ذاتی تصویر استفاده می شود. این الگوها یا بواسطه وسیله تصویربرداری یا الگوریتم های پس پردازشی در تصویر ایجاد می شوند. در این پایان نامه به ارائه سه روش جدید برای بهبود الگوریتم های احراز اصالت و اعتبار تصاویر میپردازیم. روش پیشنهادی اول با استفاده از الگوی نویز سنسور و اطلاعات محلی تصویر به تشخیص منبع که یکی از زیرشاخه های اصلی در احراز اصالت و اعتبار تصویر است می پردازد. در این روش بر اساس مشخصه های محلی تصویر و توجه به این نکته که توان نویز در همه نواحی تصویر یکسان نیست، بهترین نواحی برای استخراج الگوی نویز انتخاب می شود. سپس بر اساس میزان همبستگی الگوی نویز مناطق انتخاب شده ی تصویر با الگوی نویز دوربین های موجود، منبع مولد تصویر تعیین می شود. روش دوم با هدف مرتفع نمودن ضعف اصلی الگوریتم اول، که ضعیف بودن الگوی نویز و وابسته بودن آن به نواحی تصویر است، ارائه شده است. در این روش با توجه به اینکه همه پیکسل های سنسور در شرایط یکسان دارای واکنش یکسانی به نور نیستند یک مدل جدید برای دوربین معرفی می شود که رفتار پیکسل های سنسور در برابر نور های مختلف را مدل می کند. در این روش ابتدا مدل مقادیر که بیانگر رفتار متعارف سنسورها است استخراج شده و سپس مدل دوربین بر اساس مدل مقادیر و موقعیت پیکسل ها بدست می آید. دوربین منبع با توجه به میزان هبستگی مدل تصویر با مدل دوربین های موجود تعیین می شود. روش سوم به ارایه یک راهکار جدید برای تشخیص جعل کپی نواحی می پردازد. در جعل کپی نواحی واقعیتی در تصویر توسط نواحی از همان تصویر پوشانده می شود بنابراین در تشخیص این نوع جعل باید بدنبال نواحی مشابه در تصویر بود. برای این کار در روش پیشنهادی ابتدا اطلاعات بافت نواحی با استفاده از فیلتر گابور استخراج، سپس برای کاهش پیچیدگی زمانی و
|
|
پژوهشگران
|
فردین اخلاقیان طاب (استاد راهنما)، سید بهرام ظهیر اعظمی (استاد راهنما)، فرشته غریبی (دانشجو)
|