İstatistiksel ve dokusal özellikeri kullanan hibrit görüntü birleştirme sahteciliği tespit yöntemi

Abstract

Sayısal görüntüler üzerinde en sık karşılaşılan sahtecilik türleri kopyala taşı ve görüntü birleştirme sahteciliğidir. Bu tez çalışmasında görüntü birleştirme sahteciliği alanındaki problemler irdelenmiş ve bu problemlere çözüm getirecek şekilde birleştirilmiş sahte görüntüleri tespit edecek yeni yöntemler önerilmiştir. Yapılan çalışmalarla literatürde ilk kez kenar görüntüleri üzerinden Hilbert Dönüşüm Uzayından elde edilen dokusal öznitelikler değerlendirilmiş ve bu öznitelikler ile birleştirilmiş sahte görüntüler yüksek doğrulukla tespit edilmiştir. Önerilen bir başka yöntemde literatürde ilk kez görüntüdeki dokusal ve istatistiksel öznitelikler hibrit bir şekilde SWT domende sahtecilik tespiti için kullanılarak, yüksek doğruluk oranına ulaşılmıştır. Bu yaklaşımlarla farklı atak tiplerine karşı (döndürme, ölçekleme, deformasyon gibi) dayanıklılık sağlanmıştır. Yapılan çalışmalarda algılama performansını artırmak için öznitelik seçme algoritmaları gibi herhangi ek bir işleme ihtiyaç duyulmamıştır. Önerilen yöntemler sayesinde uzman bir sistemden beklenir şekilde %99'un üzerinde doğruluk oranı ile sahte görüntüler tespit edilmiştir. Önerilen birleştirilmiş sahte görüntüleri tespit etme yöntemlerinden elde edilen sonuçların literatürdeki benzer çalışmalarla kıyaslaması gerçekleştirilerek üstünlükleri ortaya konmuştur. Copy move and image splicing forgery are the most common types of forgery on digital images. In the scope of the study, problems in the field of image splicing forgery were examined and new methods to detect spliced images, were proposed. For the first time in the literature, textural properties were evaluated on the edge images on Hilbert Transform Domain and spliced images are detected with those properties. Another proposed method is utilized the textural and statistical features on a hybrid manner on SWT domain with a high accuracy rate, also the first time in the literatüre. Robustness to different attack types (rotation, scaling, deformation etc.) with these approaches is provided. In order to improve the detection performance, no additional processes such as feature selection algorithms were needed. With the proposed methods, forged images were detected with an accuracy rate of over 99%, as expected from an expert system. Results are compared with similar studies reported in the literature to reveal the strengths of proposed detecting image splicing methods