പ്രകാശവർണ്ണവ്യത്യാസത്തെ   അടിസ്ഥാനമാക്കി വ്യാജ ഡിജിറ്റൽ ഇമേജ് റീജിയൺ  കണ്ടെത്തുന്ന സങ്കേതം

ദിവ്യ എസ് വിദ്യാധരൻ, സാബു എം. തമ്പി

സംഗ്രഹിക്കുക


കണ്ണ് കൊണ്ട് കാണുന്നവയൊക്കെ വിശ്വസിക്കുന്നതാണ് നമ്മുടെ ശീലം. ഫോട്ടോകളുടെയും കാര്യം വ്യത്യസ്തമല്ല. എന്നാൽ, ഡിജിറ്റൽ ഇമേജസ് ആർക്കും ഒറ്റ നോട്ടത്തിൽ തിരിച്ചറിയാത്ത വിധം മാറ്റം വരുത്തുവാൻ അനായാസേന സാധിക്കും. ഈ മാറ്റങ്ങൾ നഗ്നനേത്രങ്ങൾ കൊണ്ട് തിരിച്ചറിയാൻ പ്രയാസമായതിനാൽ, അവയെ കണ്ടെത്താൻ വളരെ സൂക്ഷമമായ സാങ്കേതിക വിദ്യകൾ തന്നെ വേണ്ടി വരുന്നു. ഡിജിറ്റൽ ഇമേജ്സ്ന്റെ യാഥാര്‍ത്ഥ്യം , അവ ഒറിജിനൽ ആണോ അതോ മാറ്റം വരുത്തിയ (ടാംപർഡ് അല്ലെങ്കിൽ   വ്യാജ ) ഇമേജ് ആണോ, അല്ലെങ്കിൽ അവ ഏതു ഉപകരണം വെച്ച് റെക്കോർഡ് ചെയ്തതാണ്  എന്നറിയാൻ സഹായിക്കുന്ന സാങ്കേതികവിദ്യകളെയാണ്   ഡിജിറ്റൽ ഇമേജ് ഫോറൻസിക്സ് എന്ന് പറയുന്നത്. ഈ ലേഖനത്തിൽ, ഡിജിറ്റൽ ഇമേജ് ഫോറെൻസിക്സിന്റെ ഉപ വിഭാഗമായ ഡിജിറ്റൽ ഇമേജ് ടാമ്പറിങ് ഡിറ്റെക്ഷനെക്കുറിച്ചാണ് പ്രതിപാദിക്കുന്നത്. ഒരു ഇമേജ് ഏതു തരത്തിൽ മാറ്റിയാലും, അത് തിരിച്ചറിയാൻ തക്ക തെളിവുകൾ ആ ഇമേജിൽ അവശേഷിച്ചിരിക്കും. ഈ തെളിവുകളെയാണ്  ഡിജിറ്റൽ ഇമേജ് ടാമ്പറിങ് കണ്ടെത്തുന്ന സാങ്കേതിക വിദ്യകൾ ആശ്രയിക്കുന്നത്. അത്തരത്തിലുള്ള ഒരു തെളിവായ പ്രകാശവർണ്ണ വ്യത്യാസം (ഇല്ല്യൂമിനേഷൻ കളർ ഇലെ വ്യത്യാസം) ഉപയോഗിച്ച് എങ്ങനെയാണ് വ്യാജ ഡിജിറ്റൽ ഇമേജ് പ്രദേശം (region) കണ്ടെത്തുന്നതെന്ന്  സോദാഹരണം  ഈ ലേഖനത്തിൽ വ്യക്തമാക്കുന്നു.


ലേഖനത്തിന്റെ പൂർണരൂപം:

PDF

അവലംബങ്ങള്‍


Dong, J., Wang, W., Tan, T., “Casia image tampering detection evaluation database”,

IEEE China Summit & International Conference on Signal and Information

Processing (ChinaSIP), pp. 422-426, 2013.

Gijsenij, A., Gevers, T., van de Weijer, J., “Computational color constancy: Survey and experiments”. IEEE Transactions on Image Processing. 20(9), pp. 2475-89. 2011.

Riess, C., Angelopoulou, E., “Scene illumination as an indicator of image manipulation”. Information Hiding. Vol. 6387. pp. 66-80. 2010.

De Carvalho, T.J., Riess, C., Angelopoulou, E., Pedrini, H., de Rezende Rocha, A.,

“Exposing digital image forgeries by illumination color classication”. IEEE Transactions on Information Forensics and Security. 8(7), pp.1182-94. 2013.

De Carvalho, T., Faria, F.A., Pedrini, H., da S. Torres, R., Rocha, A., “Illuminant-basedtransformed spaces for image forensics”, IEEE Transactions on Information Forensics and Security. 11(4), pp. 720-33.2016.

Vidyadharan, D.S., Thampi, S., “Brightness distribution based image tampering detection”, IEEE International Conference on Signal Processing, Informatics, Communication and Energy Systems (SPICES), 2015.

Vidyadharan, D.S., Thampi, S.M., “Detecting spliced face in a group photo using PCA”, 7th International Conference of Soft Computing and Pattern Recognition (SoCPaR 2015), pp. 175-180, 2015.

Gholap, S., Bora, P.K., “Illuminant colour based image forensics”, IEEE Region 10 Conference TENCON 2008 , pp. 1-5, 2008.

Shafer, S.A.. “Using color to separate reflection components”. Color Research & Application, 10(4), pp. 210-18. 1985.

Wu, X., Fang, Z., “Image splicing detection using illuminant color inconsistency”,

Third International Conference on Multimedia Information Networking and Security (MINES 2011), pp. 600-03, 2011.

Gijsenij, A., Gevers, T., “Color constancy using natural image statistics and scene semantics”.IEEE Transactions on Pattern Analysis and Machine Intelligence, 33(4), pp. 687-98, 2011.

Banic, N., and Loncaric, S., “Using the random sprays retinex algorithm for

global illumination estimation", Croatian Computer Vision Workshop, September 19, 2013.

Provenzi, E., Fierro, M., Rizzi, A., De Carli, L., Gadia, D. and Marini, D., “Random spray retinex: A new retinex implementation to investigate the local properties of the model”. IEEE Transactions on Image Processing, 16(1), pp.162-171, 2007.

Provenzi, E., Marini, D., De Carli, L. and Rizzi, A., “Mathematical definition and analysis of the Retinex algorithm”. JOSA A, 22(12), pp.2613-2621, 2005.


##plugins.generic.referral.referrals##

  • ##plugins.generic.referral.all.empty##


ശാസ്ത്രദർശിനി © 2016