Core Concepts
DCT 통계를 활용하여 이미지의 원본 해상도를 분류하고, 이를 통해 크롭핑 여부를 탐지할 수 있는 새로운 접근법을 제안한다.
Abstract
이 연구는 이미지의 이산 코사인 변환(DCT) 통계를 활용하여 이미지의 원본 해상도를 분류하고, 이를 통해 크롭핑 여부를 탐지하는 새로운 접근법을 제안한다.
연구팀은 RAISE 데이터셋을 활용하여 다양한 해상도의 이미지를 생성하고, DCT 계수의 분포를 라플라시안 분포로 모델링하여 β 계수를 특징으로 추출했다.
추출된 β 계수를 바탕으로 SVM 분류기를 학습시켜 이미지의 해상도를 5개 클래스(2048x2048, 1024x1024, 512x512, 256x256, 128x128)로 분류하는 모델을 개발했다.
이 모델을 활용하여 크롭핑 탐지를 수행한 결과, 원본 해상도가 높을수록 크롭핑 탐지 정확도가 향상되는 것을 확인했다.
이는 DCT 통계가 이미지의 원본 해상도 정보를 잘 보존하고 있음을 보여주며, 이를 활용하면 이미지 조작 탐지 등 다양한 디지털 포렌식 응용 분야에 활용할 수 있다.
향후 연구에서는 더 다양한 해상도의 이미지를 활용하고, 딥러닝 기반 모델을 적용하는 등 성능 향상을 위한 추가 연구가 필요할 것으로 보인다.
Stats
원본 해상도가 2048x2048인 이미지에서 크롭핑 크기가 1024x1024인 경우, 99%의 이미지가 원본 해상도로 분류되었다.
원본 해상도가 2048x2048인 이미지에서 크롭핑 크기가 512x512인 경우, 89.5%의 이미지가 원본 해상도로 분류되었다.
원본 해상도가 2048x2048인 이미지에서 크롭핑 크기가 256x256인 경우, 82.5%의 이미지가 원본 해상도로 분류되었다.
원본 해상도가 2048x2048인 이미지에서 크롭핑 크기가 128x128인 경우, 76%의 이미지가 원본 해상도로 분류되었다.