Blind image splicing detection via noise level function

با استفاده گسترده از ابزار ویرایش تصویر پیشرفته، دستکاری تصویر دیجیتال بسیار راحت و آسان می شود، که باعث تشخیص عملیات دستکاری تصویر می شود. اسپلایشی تصویر، که به یک منطقه انتخاب شده از یک تصویر اشاره دارد، برش داده شده و بر روی تصویر دیگری قرار می گیرد، یک عمل جاسوسی تصویری همه جا است. در این مقاله، بر اساس یافته هایی که بافت ها و لبه ها بر برآورد محلی بر واریانس نویز تاثیر می گذارد، ما پیشنهاد روش جدید تشخیص اسپلایشی تصویر از طریق عملکرد سطح سر و صدا ارائه می دهیم. به طور خاص، تصویر تست برای اولین بار به بلوک های غیر همپوشانی تقسیم می شود و واریانس نویز و شدت هر بلوک محاسبه می شود. سپس، عملکرد سطح سر و صدا، که نشان دهنده رابطه بین واریانس نویز و شدت بلوک است، تخمین زده می شود. هدف این تابع تولید نقشه فاصله برای توصیف حداقل فاصله از بلوک ها به منحنی مناسب است. بلوک هایی که توسط این عملکرد تخمین زده شده محدود نمی شوند، در نقشه فاصله متمایز خواهند بود به طوری که آنها می توانند به عنوان مناطق تقسیم شده در نظر گرفته شوند. در نهایت، اطلاعات متنی نیز برای اصلاح نتایج تشخیص استفاده می شود. آزمایش های گسترده نشان می دهد برتر بودن روش پیشنهادی ما در هر دو معیار کمی و کیفی در مقایسه با روش های پیشرفته.