한국정보통신학회 논문지 (Journal of the Korea Institute of Information and Communication Engineering)
Current Result Document :
| 한글제목(Korean Title) |
접합 영상 검출을 위한 마르코프 천이 확률 및 동시발생 확률에 대한 선택적 특징 추출 방법 |
| 영문제목(English Title) |
Selective Feature Extraction Method Between Markov Transition Probability and Co-occurrence Probability for Image Splicing Detection |
| 저자(Author) |
한종구
엄일규
문용호
하석운
Jong-Goo Han
Il-Kyu Eom
Yong-Ho Moon
Seok-Wun Ha
|
| 원문수록처(Citation) |
VOL 20 NO. 04 PP. 0833 ~ 0839 (2016. 04) |
한글내용
(Korean Abstract) |
본 논문에서는 효율적인 접합 영상 검출을 위한 마르코프 천이 및 동시발생 확률에 대한 선택적 특징 추출 방법을 제안한다. 제안하는 방법에서는 이산 코사인 변환 영역에서 블록간 계수의 차이를 이용하여 특징들을 구성하고, 특징들의 각 위치에서 원 영상과 접합영상의 특징 분포의 상이성을 확인하기 위해 Kullback-Leibler 수렴값을 구한다. 이를 바탕으로, 마르코프 확률 특징과 동시발생 확률 특징 가운데 해당 위치에서 가장 큰 차이값을 갖는 특징을 선택하여 최종 특징으로 선택하고, SVM 분류기를 이용하여 학습 및 테스트한 후 그 유효성을 판별한다. 실험 결과를 바탕으로 제안하는 방법이 기존의 방법보다 제한된 특징수로 높은 영상접합 조작 결과를 보임을 확인하였다.
|
영문내용
(English Abstract) |
In this paper, we propose a selective feature extraction algorithm between Markov transition probability and co-occurrence probability for an effective image splicing detection. The Features used in our method are composed of the difference values between DCT coefficients in the adjacent blocks and the value of Kullback-Leibler divergence(KLD) is calculated to evaluate the differences between the distribution of original image features and spliced image features. KLD value is an efficient measure for selecting Markov feature or Co-occurrence feature because KLD shows non-similarity of the two distributions. After training the extracted feature vectors using the SVM classifier, we determine whether the presence of the image splicing forgery. To verify our algorithm we used grid search and 6-folds cross-validation. Based on the experimental results it shows that the proposed method has good detection performance with a limited number of features compared to conventional methods.
|
| 키워드(Keyword) |
이산코사인 변환
마코프 특징
동시발생 특징
영상 조작
영상 접합조작
SVM
DCT
Markov feature
Co-occurrence feature
Image forgery
Image splicing
SVM
|
| 파일첨부 |
PDF 다운로드
|
