کشف دستکاری به وسیله فیلتر میانه در تصاویر فشرده

بررسی فیلتر میانه، به عنوان فرآیندی حافظ محتوا، که برای هموارسازی و حذف نویز از تصاویر به کار 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 به عنوان ویژگی‌های تصویر استفاده می‌شود. به کمک تعداد اندکی از ویژگی‌های مذکور، طبقه‌بندی تصویر به عنوان تصویری اصیل یا پردازش‌شده انجام می پذیرد 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 دست کاری های صورت گرفته روی تصویر نیز به کار برد.

Detection of Median Filtering Manipulation in Compressed Images

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.