Evrişimsel sinir ağları kullanılarak sayısal görüntülerde kopyalama sahteciliğinin algılanması

Görüntüdeki bilgileri gizlemek veya çarpıtmak için bir görüntüyü manipüle etmek için görüntü düzenleme araçlarının yaygın kullanımının bir sonucu olarak, görüntü sahteciliği tespiti, dijital görüntü adli tıp alanında sıcak bir araştırma konusu haline geldi. En sık yapılan görüntü sahtekarlıklarından biri kopyala-taşı sahtekarlığıdır. Kopyala-taşı sahtekarlığı, görüntünün bir bölümünün kopyalanmasını ve aynı görüntünün başka bir bölümüne yapıştırılmasını içerir. Bir görüntünün gerçekliğinin gerekli olup olmadığını tespit etme ihtiyacı. Görüntü sahteciliğini tespit etmek için uygulanan mevcut yöntemler, blok tabanlı ve anahtar nokta tabanlı algoritmalar gibi geleneksel özellik çıkarma algoritmalarına dayanıyordu. Kullanılan bu geleneksel teknikler, düşük performanslı bir sonuç üretir. Derin öğrenme tekniklerinin görüntü işleme görevlerinde daha iyi performans sağladığı kanıtlanmıştır. Bu çalışmada, dijital görüntülerde kopyala-taşı sahtekarlığını tespit etmek için önceden eğitilmiş bir ResNet50 ağına dayalı evrişimli bir sinir ağı önerilmiştir. Önerilen model, deneyi gerçekleştirirken CoMoFoD görüntü veri setini kullanır. Önerilen modelde elde edilen metrik değerlendirme sonuçları, dijital görüntülerde kopyala-taşı sahteciliğini tespit etmede derin öğrenme yöntemleri performansının daha etkili ve verimli olduğunu göstermektedir.