📄Работа №51880
Тема: Автоматизированная система контроля достоверности фото-отчетов и выявления фактов структурного редактирования изображений
Тип работы
Бакалаврская работа
Предмет
Информационная безопасность
Объем:
64 листов
Год:
2016
Просмотров:
572
4360
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Глава 1. Структурные манипуляции с цифровыми изображениями и методы их детектирования 6
1.1. Проблема фальсификации цифровых изображений 6
1.2. Способы представления цифровых изображений 10
1.3. Обзор существующих методов выявления манипуляций с цифровым изображением 23
Глава 2. Подготовка базы данных цифровых изображений, содержащих различные типы структурных изменений 33
2.1 Цифровые копии документов 33
2.2 Изображения с дублированными объектами 35
Глава 3. Разработка методов автоматическая идентификации фрагментов изображения, содержащих структурные изменения 37
3.1. Метод идентификации на основе анализа плотности распределения артефактов, возникающих на изображениях после JPEG сжатия 37
3.1.1 Метод 1. Автоматическое детектирование участков изображения, содержащих артефакты JPEG 38
3.1.2 Метод 2. Автоматическое выявление участков изображения,
содержащих артефакты JPEG с различными статистическими характеристиками 42
3.2 Алгоритм выявления дублированных объектов на изображения
методами SURF и RANSAC 47
3.2.1 Особые точки SUFR 47
3.2.2 RANSAC 50
Глава 4 Результаты тестирования алгоритмов 51
Заключение 58
Литература 60
Приложение
Глава 1. Структурные манипуляции с цифровыми изображениями и методы их детектирования 6
1.1. Проблема фальсификации цифровых изображений 6
1.2. Способы представления цифровых изображений 10
1.3. Обзор существующих методов выявления манипуляций с цифровым изображением 23
Глава 2. Подготовка базы данных цифровых изображений, содержащих различные типы структурных изменений 33
2.1 Цифровые копии документов 33
2.2 Изображения с дублированными объектами 35
Глава 3. Разработка методов автоматическая идентификации фрагментов изображения, содержащих структурные изменения 37
3.1. Метод идентификации на основе анализа плотности распределения артефактов, возникающих на изображениях после JPEG сжатия 37
3.1.1 Метод 1. Автоматическое детектирование участков изображения, содержащих артефакты JPEG 38
3.1.2 Метод 2. Автоматическое выявление участков изображения,
содержащих артефакты JPEG с различными статистическими характеристиками 42
3.2 Алгоритм выявления дублированных объектов на изображения
методами SURF и RANSAC 47
3.2.1 Особые точки SUFR 47
3.2.2 RANSAC 50
Глава 4 Результаты тестирования алгоритмов 51
Заключение 58
Литература 60
Приложение
📖 Введение
В настоящее время наблюдается существенный рост объемов создаваемой и обрабатываемой цифровой информации, в частности, цифровых изображений. Каждый день этот объем составляет свыше миллиона новых цифровых изображений. Развитие современных вычислительных средств существенно упрощает возможность вносить различные структурные изменения на них (так называемый фотомонтаж). Фальсифицированные цифровые изображения могут нанести существенный вред в различных сферах деятельности, например, в сфере страхования (при анализе фотоотчетов с деталями происшествий), в сфере электронного документооборота (при внесении изменений в цифровые копии документов или подделке подписей или печатей). Даже в строительно-ремонтных услугах и сфере ЖКХ, где могут применяться фальсифицированные фотоотчеты о проведенных ремонтных работах, аварийных ситуациях и прочем. Нередко фальсифицированные фотографии используются различными средствами массовой информации для искажения реальных фактов. Результаты фотомонтажа можно встретить и в научных публикациях, авторы которых искажают результаты экспериментальных исследований.
На сегодняшний день существует крайне мало эффективных сервисов и программных средств, обеспечивающих достоверное выявление фактов фотомонтажа цифровых изображений. Поэтому задача разработки и совершенствования подобных алгоритмов является актуальной.
В настоящей работе прототип системы для автоматического обнаружения фактов фотомонтажа цифровых изображений, включающий в себя несколько методов. Одним из основных, является метод на основе выявления структурных изменений в метаданных цифровых изображениях в формате JPEG. Именно формат JPEG для цифровых изображений используется в большинстве цифровых камер и является самым используемым в Интернете.
Сам факт структурного редактирования цифровых изображений может быть выявлен с помощью сравнения метаданных цифровых изображений с мета-данными для конкретной модели цифрового фотоаппарата. Однако данный метод не позволяет локализовать измененные участки на изображении. Помимо метаданных, определенные искажения вносятся и на само цифровое изображений при каждом новом сохранении отредактированного изображения в формат JPEG. Для выявления участков изображения, на котором присутствуют подобные искажения, был разработан и реализован метод на основе анализа плотности распределения коэффициентов дискретного косинусного преобразования. При этом для выявления структурных искажений на отсканированных копиях документов применялся подход на основе анализа и сравнения статистических параметров шумов, созданных алгоритмом сжатия JPEG.
Помимо этого, во время фотомонтажа нередко создаются дубликаты объектов на изображении, тогда матаданные будут очень близки по значениям к друг другу. Для выявления данного типа структурных изменений был реализован алгоритм на основе анализа SIFT или SURF дескрипторов. При помощи SIFT анализа на цифровых изображениях анализировались так называемые особые точки, которые затем попарно анализировались для выявления схожих участков на изображении. Преимущество использования SIFT дескрипторов состоит в том, что они позволяют идентифицировать схожие объекты даже после искажения их размера и угла наклона.
Для тестирования прототипа системы была создана база данных из различных цифровых изображений (отсканированные копии документов, цифровые фотографии и прочее), содержащих разные типы структурных искажений.
Целью работы является разработка и программная реализация методов автоматической идентификации различных типов структурных изменений на цифровых изображениях. В связи с этим ставились следующие задачи:
1) Провести обзор существующих методов фальсификации цифровых изображений (ЦИ) и их индефикации;
2) Создать тестовую базу данных ЦИ с различными типами структурных изменений;
3) Разработать комплекс методов для выявления и локализации структурных изменений в ЦИ;
4) Сравнить эффективность различных методов.
На сегодняшний день существует крайне мало эффективных сервисов и программных средств, обеспечивающих достоверное выявление фактов фотомонтажа цифровых изображений. Поэтому задача разработки и совершенствования подобных алгоритмов является актуальной.
В настоящей работе прототип системы для автоматического обнаружения фактов фотомонтажа цифровых изображений, включающий в себя несколько методов. Одним из основных, является метод на основе выявления структурных изменений в метаданных цифровых изображениях в формате JPEG. Именно формат JPEG для цифровых изображений используется в большинстве цифровых камер и является самым используемым в Интернете.
Сам факт структурного редактирования цифровых изображений может быть выявлен с помощью сравнения метаданных цифровых изображений с мета-данными для конкретной модели цифрового фотоаппарата. Однако данный метод не позволяет локализовать измененные участки на изображении. Помимо метаданных, определенные искажения вносятся и на само цифровое изображений при каждом новом сохранении отредактированного изображения в формат JPEG. Для выявления участков изображения, на котором присутствуют подобные искажения, был разработан и реализован метод на основе анализа плотности распределения коэффициентов дискретного косинусного преобразования. При этом для выявления структурных искажений на отсканированных копиях документов применялся подход на основе анализа и сравнения статистических параметров шумов, созданных алгоритмом сжатия JPEG.
Помимо этого, во время фотомонтажа нередко создаются дубликаты объектов на изображении, тогда матаданные будут очень близки по значениям к друг другу. Для выявления данного типа структурных изменений был реализован алгоритм на основе анализа SIFT или SURF дескрипторов. При помощи SIFT анализа на цифровых изображениях анализировались так называемые особые точки, которые затем попарно анализировались для выявления схожих участков на изображении. Преимущество использования SIFT дескрипторов состоит в том, что они позволяют идентифицировать схожие объекты даже после искажения их размера и угла наклона.
Для тестирования прототипа системы была создана база данных из различных цифровых изображений (отсканированные копии документов, цифровые фотографии и прочее), содержащих разные типы структурных искажений.
Целью работы является разработка и программная реализация методов автоматической идентификации различных типов структурных изменений на цифровых изображениях. В связи с этим ставились следующие задачи:
1) Провести обзор существующих методов фальсификации цифровых изображений (ЦИ) и их индефикации;
2) Создать тестовую базу данных ЦИ с различными типами структурных изменений;
3) Разработать комплекс методов для выявления и локализации структурных изменений в ЦИ;
4) Сравнить эффективность различных методов.
✅ Заключение
Проведен обзор существующих методов фальсификации цифровых изображений и их индефикации.
Создана тестовая базы данных цифровых изображений с различными типами структурных изменений.
Реализован и протестирован алгоритм выявления структурного- изменённых фрагментов цифрового изображения.
Разработана и программно реализована методика автоматической идентификации фрагментов цифрового изображения, основанная на комплексом использовании методов:
выявления дублированных объектов на изображения методами SURF и Ransac;
автоматическое детектирование участков изображения, содержащих артефакты JPEG.
автоматическое выявление участков изображения, содержащих артефакты JPEG с различными статистическими характеристиками.
Разработанное программное обеспечение может быть использовано для выявления фактов редактирования цифровых изображений.
Материалы исследований могут быть использованы при проведении лабораторный занятий в рамках курса «Цифровая обработка изображения».
Создана тестовая базы данных цифровых изображений с различными типами структурных изменений.
Реализован и протестирован алгоритм выявления структурного- изменённых фрагментов цифрового изображения.
Разработана и программно реализована методика автоматической идентификации фрагментов цифрового изображения, основанная на комплексом использовании методов:
выявления дублированных объектов на изображения методами SURF и Ransac;
автоматическое детектирование участков изображения, содержащих артефакты JPEG.
автоматическое выявление участков изображения, содержащих артефакты JPEG с различными статистическими характеристиками.
Разработанное программное обеспечение может быть использовано для выявления фактов редактирования цифровых изображений.
Материалы исследований могут быть использованы при проведении лабораторный занятий в рамках курса «Цифровая обработка изображения».
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.