Die Studie untersucht eine neue Methode zur Erkennung von Bildausschnitten, indem ein Klassifikator entwickelt wird, der die ursprüngliche Auflösung eines Bildes anhand der Statistiken der Diskreten Kosinus-Transformation (DCT) bestimmt.
Der Ansatz basiert auf der Beobachtung, dass die physischen Abmessungen eines Bildes zwar durch Bildausschnitte verändert werden können, die intrinsischen Eigenschaften, die in den Verteilungsparametern der DCT-Koeffizienten (insbesondere dem β-Wert) kodiert sind, jedoch relativ stabil bleiben. Durch die Analyse dieser β-Werte zielt der Klassifikator darauf ab, die ursprüngliche Auflösung eines Bildes zu identifizieren, unabhängig davon, ob es beschnitten wurde oder nicht.
Das Verfahren wurde auf Basis des RAISE-Datensatzes entwickelt und getestet. Zunächst wurde der Datensatz aufbereitet, indem die Bilder zentriert zugeschnitten und auf verschiedene Auflösungen skaliert wurden. Anschließend wurden die DCT-Statistiken extrahiert und zur Entwicklung eines SVM-Klassifikators verwendet, der die Auflösung der Bilder in fünf Klassen (2048x2048, 1024x1024, 512x512, 256x256, 128x128) klassifiziert.
Die Ergebnisse zeigen, dass der Klassifikator eine Genauigkeit von 76,55% bei der Auflösungsklassifizierung erreicht. Darüber hinaus wurde getestet, wie gut der Klassifikator Bildausschnitte erkennen kann. Dabei zeigte sich, dass die Erkennungsgenauigkeit mit zunehmender Auflösung des Bildausschnitts ansteigt und bis zu 99% erreicht.
Die Studie demonstriert das Potenzial der DCT-Statistiken für die Erkennung von Bildmanipulationen und eröffnet neue Perspektiven für die Bildforensik und Authentifizierung digitaler Inhalte.
翻譯成其他語言
從原文內容
arxiv.org
深入探究