先进的数字图像取证:在多媒体安全中用于复制移动伪造检测的混合框架

科学领域:

• 数字图像法医学 数字图像法医学
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 数字图像分析对于法医调查至关重要,但先进的编辑工具为验证图像完整性带来了挑战.
• 依赖于数字成像需要强大的方法来检测复杂的图像操纵,如复制移动伪造.

研究的目的:

• 开发一个结构化的混合框架,用于准确检测复制移动图像伪造.
• 通过解决传统方法的局限性,提高数字图像法医学的可靠性.

主要方法:

• 使用快速福里埃转换 (FFT) 进行频域过和规模不变特征转换 (SIFT),以及定向快速和旋转简报 (ORB) 进行关键点提取.
• 使用MobilenetV2和VGG16模型在关键点区域提取特征,结合注意力机制.
• 应用欧几里德距离用于关键点匹配和DBSCAN集群用于对象本地化以检测复制移动伪造.

主要成果:

• 拟议的混合框架在检测复制移动伪造时,与现有方法相比,表现优越.
• 该框架证明了对各种后处理技术的稳定性,包括模糊,对比度改变,压缩和亮度变化.
• 对基准数据集进行了广泛的测试,证实了该战略在超越当前技术方面的有效性.

结论:

• 开发的方法提供了一个复杂的,自动化解决方案,以保证数字图像的完整性.
• 深度学习模型和集群技术的结合提供了更准确的图像操纵检测.
• 这项工作在先进的数字图像编辑时代为法医分析提供了一种可靠的方法.