COPY-MOVE FORGERY DETECTION IN DIGITAL IMAGES USING CONVOLUTIONAL NEURAL NETWORK

Abstract

Görüntüdeki bilgileri gizlemek veya çarpıtmak için bir görüntüyü manipüle etmek için görüntü düzenleme araçlarının yaygın kullanımının bir sonucu olarak, görüntü sahteciliği tespiti, dijital görüntü adli tıp alanında sıcak bir araştırma konusu haline geldi. En sık yapılan görüntü sahtekarlıklarından biri kopyala-taşı sahtekarlığıdır. Kopyala-taşı sahtekarlığı, görüntünün bir bölümünün kopyalanmasını ve aynı görüntünün başka bir bölümüne yapıştırılmasını içerir. Bir görüntünün gerçekliğinin gerekli olup olmadığını tespit etme ihtiyacı. Görüntü sahteciliğini tespit etmek için uygulanan mevcut yöntemler, blok tabanlı ve anahtar nokta tabanlı algoritmalar gibi geleneksel özellik çıkarma algoritmalarına dayanıyordu. Kullanılan bu geleneksel teknikler, düşük performanslı bir sonuç üretir. Derin öğrenme tekniklerinin görüntü işleme görevlerinde daha iyi performans sağladığı kanıtlanmıştır. Bu çalışmada, dijital görüntülerde kopyala-taşı sahtekarlığını tespit etmek için önceden eğitilmiş bir ResNet50 ağına dayalı evrişimli bir sinir ağı önerilmiştir. Önerilen model, deneyi gerçekleştirirken CoMoFoD görüntü veri setini kullanır. Önerilen modelde elde edilen metrik değerlendirme sonuçları, dijital görüntülerde kopyala-taşı sahteciliğini tespit etmede derin öğrenme yöntemleri performansının daha etkili ve verimli olduğunu göstermektedir.

The detection forgery in digital images has become a hot domain of research in the field of digital image forensics as a result of the prevalent use of image editing tools for manipulating an image to conceal or distort information in the image. One of the most common image forgeries performed is the copy-move forgery. This type of forgery involves copying a segment of the image which is then pasted to a different segment of the same image. The need for detecting whether an image is authentic becomes essential. The existing methods implemented for detecting image forgeries were based on traditional feature extraction algorithms such as block-based and key point-based algorithms. These traditional techniques employed produce a low-performance result. Deep learning techniques have proven to provide better performance in image processing tasks. In this research, a convolutional neural network that is based on a pre-trained ResNet50 network was proposed for the detection of copy-move forgeries in digital images. The proposed model uses the CoMoFoD image dataset in carrying out the experiment. The metric evaluation results achieved in the proposed model show that deep learning methods performance is more effective and efficient in digital image copy-move forgery detection.