کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6938869 1449966 2018 39 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Fast copy-move forgery detection using local bidirectional coherency error refinement
ترجمه فارسی عنوان
تشخیص جعلی سریع با استفاده از اصلاح خطای دو طرفه محلی
کلمات کلیدی
تشخیص تقلبی کپی و حرکت، جستجوی حساس به هماهنگی پیشرفته خطای مختلط دو طرفه محلی،
ترجمه چکیده
در این مقاله، ما یک الگوریتم ارائه می دهیم که می تواند به طور دقیق و قوی مناطق جعل محرک کپی را شناسایی کند. ما در ابتدا یک روش آشفتگی حساس به هماهنگی برای ایجاد مطابقت ویژگی در یک تصویر را تطبیق می دهیم. سپس یک خطای مختلط دو طرفه محلی برای اصلاح متناسب با ویژگی ها از طریق تکرار در جستجوی جستجوی حساس همگرا پیشنهاد شده است. هنگامی که تنوع خطای مختلط محلی دو طرفه تصویر میزبان بزرگتر از یک آستانه مشخص نیست، روند تکرار متوقف می شود، که نشان می دهد که سازگاری های ویژگی پایدار هستند. در نهایت، از مطابقت ویژگی های پایدار، مناطق جعلی کپی - حرکت به راحتی با استفاده از خطای مختلط دو طرفه محلی هر یک از ویژگی های تشخیص داده می شود. نتایج تجربی نشان می دهد که روش تشخیص پیشنهادی، اثربخشی زمان واقعی یا نزدیک به زمان واقعی را به دست می دهد؛ در عین حال، می تواند نتایج تشخیص بسیار خوبی را در مقایسه با الگوریتم های تشخیص جعلی نسخه برداری از حالت پیشرفته، حتی در شرایط مختلف چالش برانگیز، به دست آورد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
In this paper, we present an algorithm that can accurately and robustly detect regions of copy-move forgery. We firstly adapt and enhance a coherency sensitive hashing method to establish the feature correspondences in an image. Then, a local bidirectional coherency error is proposed to refine the feature correspondences via iteration over the enhanced coherency sensitive search. When the variation in the local bidirectional coherency error of the host image is not larger than a specified threshold, the iterative process stops, indicating that the feature correspondences are stable. In the end, from the stable feature correspondences, the copy-move forgery regions are easily detected using the local bidirectional coherency error of each feature. The experimental results show the proposed detection method achieves real-time or near real-time effectiveness; at the same time, it can achieve very good detection results compared with the state-of-the-art copy-move forgery detection algorithms, even under various challenging conditions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 81, September 2018, Pages 161-175
نویسندگان
, ,