کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6552363 160430 2014 28 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Common source identification of images in large databases
ترجمه فارسی عنوان
شناسایی منبع مشترک از تصاویر در پایگاه داده های بزرگ
کلمات کلیدی
شناسایی دوربین دیجیتال، شناسایی منبع مشترک در مقیاس بزرگ، یکنواختی عکسبرداری، جرم پزشکی دیجیتال،
ترجمه چکیده
الگوهای نویز غیر یکنواخت عکس برداری یک راه قوی برای شناسایی منبع یک تصویر است. با این حال، شناسایی یک منبع مشترک از تصاویر در یک پایگاه داده بزرگ ممکن است به دلیل زمان محاسبات طولانی غیر عملی باشد. در این مقاله یک راه حل برای شناسایی دوربین های دیجیتال با حجم بزرگ پیشنهاد شده است که ترکیبی از آن و گاهی کمی اصلاح روش های موجود برای بهبود 500 برابر سرعت شناسایی منبع مشترک است. مقایسه های تصویر تنها اغلب با آلودگی قابل توجه سر و صدا از محتوای صحنه و سر و صدا تصادفی، که باعث می شود برای شناسایی منبع قابل اعتماد مشترک، مشکل تر شود. بنابراین یک روش جدید معرفی شده است که می تواند نرخ های واقعی واقعی را بیش از 45 درصد در هزینه های بسیار محاسبه شده افزایش دهد. تجزیه و تحلیل داده های واقعی از یک پرونده تقلب، اثربخشی روش پیشنهادی را نشان می دهد. به طور کلی، راه حل پیشنهادی امکان تجزیه و تحلیل یک پایگاه داده بزرگ را در زمان معین و بدون استفاده از خوشه های کامپیوتری بزرگ و گران قیمت فراهم می کند.
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی آنالیزی یا شیمی تجزیه
پیش نمایش مقاله
شناسایی منبع مشترک از تصاویر در پایگاه داده های بزرگ
چکیده انگلیسی
Photo-response non-uniformity noise patterns are a robust way to identify the source of an image. However, identifying a common source of images in a large database may be impractical due to long computation times. In this paper a solution for large volume digital camera identification is proposed, which combines, and sometimes slightly modifies, existing methods for a 500 times improvement in the speed of common source identification. Single image comparisons are often plagued by considerable noise contamination from scene content and random noise, which makes it harder to accomplish reliable common source identification. Therefore a new method is introduced that can increase true positive rates by more than 45% at very low computation costs. Analysis of real data from a fraud case shows the effectiveness of the proposed method. As a whole the proposed solution makes it possible to analyze a large database in forensically relevant time, without resorting to large and expensive computer clusters.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Forensic Science International - Volume 244, November 2014, Pages 222-230
نویسندگان
, , , , , , ,