پدافند الکترونیکی و سایبری (Jan 2024)
تشخیص جعل در تصاویر دیجیتالی با استفاده از روش یادگیری عمیق ترکیبی
Abstract
امروزه از تصاویر به‌عنوان ابزار ارتباطی قوی و منبعی از اطلاعات استفاده می‌شود. تصاویر در برخی از کاربردها مانند پزشکی، قضایی و پزشکی قانونی به‌عنوان مدرک و شاهد استفاده می‌شوند، بنابراین صحت تصویر مهم است. امروزه با گسترش و دردسترس‌بودن ابزارهای ویرایش تصویر، افراد می‌توانند به‌راحتی تصاویر را دست‌کاری کنند. آن‌ها با اضافه‌کردن بخشی به تصویر یا حذف‌کردن بخشی از تصویر و توزیع اطلاعات غلط اهداف و مشکل‌های سیاسی، فرهنگی، اقتصادی و اجتماعی را دنبال می‌کنند. ازاین‌رو تشخیص جعل تصاویر دیجیتال یکی از موضوع‌های مهم و چالش‌برانگیز در حوزه بینایی کامپیوتر است. در این پژوهش هدف شناسایی تصاویر و پیکسل‌های جعلی و سالم با استفاده از شبکه یادگیری عمیق ترکیبی است. در روش پیشنهادی از سه شبکه از پیش آموزش‌داده‌شده VGG16، MobileNet و EfficientNetB0 در سه انشعاب مختلف استفاده‌شده است. برای تشخیص جعل در دو سطح تصویر و پیکسل، ابتدا نقشه‌های ویژگی خروجی سه انشعاب با هم ادغام‌شده و با استفاده از لایه پولینگ میانگین جهانی و لایه امتیازدهی، تصاویر جعل و سالم تشخیص داده می‌شوند. در ادامه با استفاده از نقشه‌های ویژگی ترکیب‌شده از سه انشعاب بر روی تصاویر جعل، یک تصویر نقشه حرارتی ایجاد می‌شود و محدوده پیکسل‌های جعل مشخص می‌شوند. لازم به ذکر است تشخیص پیکسل‌های جعل تنها با استفاده از تصویر نقشه حرارتی ساخته‌شده از شبکه ترکیبی و بدون نیاز به استفاده از تصاویر حقیقی باینری مشخص‌کننده ناحیه جعل در فرآیند آموزش انجام‌شده است. روش پیشنهادی بر روی پایگاه‌داده CoMoFod ارزیابی‌شده است. نتایج ارزیابی‌ها عمل‌کردن مطلوب روش پیشنهادی را در برابر تصاویر جعل با انواع تبدیل‌های هندسی و عملیات پس‌پردازش نشان می‌دهد.
