Enhanced local binary pattern algorithm design for copy move forgery detection
| Autor: | Dağdeviren, Fatih |
|---|---|
| Přispěvatelé: | Korukoğlu, Serdar, Cinsdikici, Muhammed Gökhan, Ege Üniversitesi, Fen Bilimleri Enstitüsü, Uluslararası Bilgisayar Ana Bilim Dalı |
| Jazyk: | turečtina |
| Rok vydání: | 2021 |
| Předmět: | |
| Popis: | Teknolojinin gelişmesi ile birlikte dijital yazılımların ve yazılım araçlarının kullanımı gün geçtikçe yaygınlaşmaktadır. Yazılımlar ve yazılım araçlarındaki bu artış ve çeşitlilik görüntüler üzerinde birtakım değişiklikler yapabilmeyi mümkün kılmaktadır. Görüntü üzerindeki bir nesnenin aynı görüntüde başka bir bölgeye çeşitli yöntemler uygulanarak kopyalanmasıyla yapılan görüntü değiştirme işlemi "Kopyala Taşı Sahteciliği" olarak adlandırılmaktadır. Çalışma kapsamında, LBP ve VBSD ile kopya hareket tespiti için yeni bir hibrit yöntem önerilmektedir. İlk olarak, SIFT köşe algılama algoritması ile köşe noktaları tespit edilmektedir. Daha sonra her köşe noktasının etrafında alanlar oluşturulmaktadır. Ardından, öznitelik vektörü adı verilen bir vektör oluşturmak için alanalar LBP uygulanmaktadır. Son olarak, en yakın mesafe değerine göre VBSD kullanılarak özellikler eşleştirilmektedir. Deneysel sonuçlar, hibrit yöntemin, kopyalanmış bölgeleri orijinal LBP algoritmalarından ve DAISY, SURF ve SIFT gibi diğerlerinden daha doğru bir şekilde tespit edebildiğini göstermektedir. The rapid development of technology from day to day has made easier to meet with new technologies. This makes easier to manipulate original image as we want to create fake images. Thus, importance of detecting fakes images becomes evident here. Copy move forgery is one of the most widely used detection technique for image forgery. In this study, a new hybrid method for copy move detection by LBP (Local Binary Pattern) and VBSD (Variable Bin Size Distance) is proposed. In the proposed method, different components of the images are passed through different LBP operators. As a result of the end-to-end vector joining method, which distinguishes the study from other studies, features are created and matched. First of all, within the scope of the study, corner points were discovered by SIFT corner detection algorithm. Then square like patches were created around each corner point. After, three LBP were applied on patches to create a vector called feature vector. At last, features were matched by using variable bin size distance according to closest distance value. Experimental results show that the hybrid method can detect duplicated regions with better accuracy than original local binary pattern algorithms and others like DAISY (A Fast Local Descriptor for Dense Matching), SURF (Speeded Up Robust Features) and SIFT (Scale Invariant Feature Transform). |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|