文献

J-GLOBAL ID：202002212655025162   整理番号：20A0504252

CFAアーチファクトを用いたディジタル画像スプライシング検出に関する深層学習【JST・京大機械翻訳】

Deep Learning on Digital Image Splicing Detection Using CFA Artifacts

著者 (3件)： Younus Hussien Nadheer (Benha University, Banha, Egypt) ,  O. Mahmoud Rasha (Benha University, Banha, Egypt) ,  Helmi Zayed Hala (Benha University, Banha, Egypt)
資料名： International Journal of Sociotechnology and Knowledge Development  (International Journal of Sociotechnology and Knowledge Development)
巻： 12  号： 2  ページ： 31-44  発行年： 2020年 
JST資料番号： W3867A  ISSN： 1941-6253  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ディジタル画像偽造は,研究社会から注目を集めている深刻な問題である。画像スプライシングは,2つ以上の画像から鍛造画像を合成する良く知られたタイプのディジタル画像偽造である。鍛造画像はいかなる複製領域も含まないので,スプライシング偽造検出は他の偽造タイプと比較してより挑戦的である。さらに,ソース画像の利用不可能性は偽造プロセスについての証拠を導入しない。本研究では,自動画像スプライシング偽造検出方式を提示した。それは,カラーフィルタアレイ(CFA)の解析に基づく画像の特徴を抽出することに依存する。主成分分析(PCA)を用いて特徴低減プロセスを実行し,得られた特徴ベクトルの次元を低減した。深い信念ネットワークに基づく分類装置を構築し訓練し,試験した画像を真正またはスプライシング画像として分類した。提案した方式を,JPEG圧縮とGauss雑音のようなスプライシング画像上に後処理を加えることを含む異なるシナリオの下で,Columbia画像スプライシング検出評価データセット(CISDED)に関する一連の実験を通して評価した。得られた結果は,提案した方式が,95.05%の精度,94.05%の再現率,94.05%の真の陽性率,および98.197%の精度を有する有望な性能を示すことを明らかにした。さらに,得られた結果は,他の最近のスプライシング検出法と比較して,提案した方式の優位性を示した。Copyright 2020 IGI Global All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アーチファクト ,  主成分分析 ,  鍛造 ,  Gauss雑音 ,  後処理 ,  複製 ,  分類装置 ,  検出法 ,  *ディジタル画像 ,  JPEG
準シソーラス用語： 再現率 ,  信念ネットワーク ,  特徴ベクトル ,  改竄 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： カラーフィルタアレイ ,  深い信念ネットワーク ,  深層学習 ,  ディジタル画像偽造 ,  スプライシングの偽造

分類 (2件)： 予防医学一般  (GB01010B) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (5件)： CFA ,  アーチファクト ,  ディジタル画像 ,  スプライシング ,  深層学習