[논문]밴포드 법칙과 색차를 이용한 컬러 영상 접합 검출

문상환; 한종구; 문용호; 엄일규

doi:10.5573/ieie.2014.51.5.160

밴포드 법칙과 색차를 이용한 컬러 영상 접합 검출
Color Image Splicing Detection using Benford's Law and color Difference 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.51 no.5, 2014년, pp.160 - 167

문상환 (부산대학교 전자공학과) , 한종구 (부산대학교 전자공학과) , 문용호 (경상대학교 정보과학과) , 엄일규 (부산대학교 전자공학과)

초록
AI-Helper

본 논문에서는 밴포드 법칙과 컬러의 차이를 이용한 영상 접합 조작 검출 방법을 제안하고자 한다. 조작이 의심되는 영상에 대하여 먼저 컬러 변환을 시행한 후, 이산 웨이블릿 변환 및 이산 코사인 변환을 수행한다. 이상적인 밴포드 분포와 의심되는 영상에 대한 밴포드 분포의 차이를 특징으로 추출한다. 아울러 컬러 성분에 대한 밴포드 분포의 차이를 특징으로 사용한다. 본 논문의 방법은 13개의 특징만으로 우수한 접합 영상 검출 성능을 보인다. 추출된 특징 벡터를 SVM(support vector machine) 분류기를 이용하여 학습한 후 영상의 접합 여부를 판별한다. 본 논문의 방법은 기존의 방법보다 적은 수의 특징으로 높은 영상 접합 조작 결과를 보임을 확인하였다.

Abstract ▼ AI-Helper

This paper presents a spliced color image detection method using Benford' Law and color difference. For a suspicious image, after color conversion, the discrete wavelet transform and the discrete cosine transform are performed. We extract the difference between the ideal Benford distribution and the empirical Benford distribution of the suspicious image as features. The difference between Benford distributions for each color component were also used as features. Our method shows superior splicing detection performance using only 13 features. After training the extracted feature vector using SVM classifier, we determine whether the presence of the image splicing forgery. Experimental results show that the proposed method outperforms the existing methods with smaller number of features in terms of splicing detection accuracy.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

웨이블릿 변환은 영상 경계성분의 특징을 잘 볼 수 있는 효과적인 분석방법 중의 하나이며, 수직, 수평 및 대각 방향의 상세 성분과 나머지 저주파 성분으로 분해할 수 있는 장점이 있다. 따라서 본 논문에서는 다양한 컬러 좌표계에서 웨이블릿 변환 및 코사인 변환을 수행한 영상에 대한 밴포드 분포를 동시에 사용하고자 한다.
본 논문에서는 각 컬러 성분에 대한 밴포드 확률의 차이를 이용하여 특징을 추출하고, 추출된 차이의 평균을 학습하여 영상 접합 검출을 수행하는 방법을 제안하고자 한다. 어떤 변환 #의 컬러 성분에 대한 밴포드 확률의 평균 차이를 #라고 한다.
웨이블릿 변환을 사용한 특징들은 LL 성분이 제외되어 각각 9개 및 3개의 특징을 가지며, 웨이블릿 변환과 이산 코사인 변환을 사용한 특징들은 각각 12개 및 4개의 특징을 가진다. 본 논문에서는 두 가지 종류의 특징 벡터를 조합하여 최고의 검출 성능을 가지는 특징 벡터의 조합을 찾아 검출 결과를 보이고자 한다.
. 본 논문에서는 영상 접합에 의해 발생되는 통계적 변화는 다양한 변환 및 컬러 좌표계에 서로 다른 효과를 발생시킬 것이라는 것에 착안하여, 다양한 컬러 좌표계에서 웨이블릿 및 이산 코사인 변환과 밴포드 법칙을 이용한 새로운 영상 접합 조작 검출 방법을 제안하고자 한다. 본 논문의 방법은 조작이 의심 되는 영상을 웨이블릿 변환 및 이산 코사인 변환하여 밴포드 법칙에 따르도록 재구성한다.
본 논문에서는 이상적인 밴포드 분포와 조작이 의심되는 영상의 밴포드 분포의 차이를 특징으로 사용하는 방법을 제안하고자 한다. 본 논문에서는 각 변환된 영상에 대한 밴포드 분포와 이상적인 밴포드 분포의 차이, #을 다음과 같이 정의한다.
본 논문에서는 조작이 의심되는 컬러 영상에 대하여 RGB 및 YCbCr의 두 개의 컬러 좌표계에서 웨이블릿 변환 및 웨이블릿 부밴드에 대한 이산 코사인 변환 영역에서의 특징 추출 방법을 제안하였다. 제안한 컬러 영상 접합 검출 방법을 실험하기 위하여 본 논문에서는 Columbia 대학의 디지털 비디오, 멀티미디어 실험실 (DVMM)에서 공개한 컬러영상 데이터 세트^[19]를 사용하였다.
본 논문에서는 컬러 접합 영상을 검출하는 방법을 제시하였다. 합 영상을 검출하기 위한 특징들은 변환 영역과 컬러 좌표계에 따라 서로 다른 특성을 보일 수 있다.
먼저 YCbCr 영상을 웨이블릿 변환한 후 밴포드 분포를 이용한 특징을 추출하고, RGB 영상을 웨이블릿 및 이산 코사인 변환한 후 컬러 영역별 밴포드 분포의 차이에 대한 특징을 조합하여 90% 이상의 접합 영상 검출 성능을 보였다. 본 논문의 방법은 13개의 적은 수의 특징으로 기존 방법과 비교하여 우수한 조작 영상 검출 성능을 보였다.
그림 2는 어떤 수의 첫 번째 자리 수에 대한 확률밀도함수이다. 이에 대한 응용사례로 방대한 세금환급에 대한 자료를 모두 조사하지 않고, 밴포드 법칙을 이용하여 임의로 조작된 자료를 발견하고자 한 예가 있었다. 특히, 영상처리 분야에서 밴포드 법칙은 유용하게 사용될 수 있으며^[15～16], 자연 영상과 합성영상의 분류^[17], 영상 워터마킹^[18] 등에 응용되었다.

제안 방법

그러나 본 논문의 방법은 이상적인 밴포드 분포와 의심되는 영상에 대한 밴포드 분포의 정규화된 차이를 특징으로 사용하고 있고, [8]의 방법을 확장하여 컬러 성분에 대한 밴포드 확률의 차이에 대한 평균값을 특징을 추출하였다. 본 논문의 방법은 13개의 특징 벡터를 사용하여 90%이상의 높은 검출율을 보이고 있다.
합 영상을 검출하기 위한 특징들은 변환 영역과 컬러 좌표계에 따라 서로 다른 특성을 보일 수 있다. 따라서 의심되는 영상을 웨이블릿 변환 및 이산 코사인 변환하여 밴포드 분포를 따르도록 만들고, 이상적인 밴포드 모델과 조작이 의심되는 영상에 대한 밴포드 모델과의 차이를 특징으로 하는 컬러 영상 접합 조작 검출 방법을 제안하였다. 아울러 RGB 및 YCbCr 등의 두 개의 컬러 변환을 수행하여 각 컬러 성분에 대한 밴포드 확률의 차이를 특징 추출하는 방법을 제시하였다.
는 T 변환에 대한 n 자리수의 밴포드 확률이다. 본 논문에서는 변환 T와 컬러 성분을 조합하여 다음과 같이 네 가지의 특징 벡터를 추출한다. 먼저 #과 컬러 좌표계 C를 이용하여 9개의 특징을 추출한다.
본 논문에서는 영상 접합에 의해 발생되는 통계적 변화는 다양한 변환 및 컬러 좌표계에 서로 다른 효과를 발생시킬 것이라는 것에 착안하여, 다양한 컬러 좌표계에서 웨이블릿 및 이산 코사인 변환과 밴포드 법칙을 이용한 새로운 영상 접합 조작 검출 방법을 제안하고자 한다. 본 논문의 방법은 조작이 의심 되는 영상을 웨이블릿 변환 및 이산 코사인 변환하여 밴포드 법칙에 따르도록 재구성한다. 이후 밴포드 법칙의 성질을 이용한 특징을 추출하여 컬러 영상 접합 조작 검출에 사용한다.
따라서 의심되는 영상을 웨이블릿 변환 및 이산 코사인 변환하여 밴포드 분포를 따르도록 만들고, 이상적인 밴포드 모델과 조작이 의심되는 영상에 대한 밴포드 모델과의 차이를 특징으로 하는 컬러 영상 접합 조작 검출 방법을 제안하였다. 아울러 RGB 및 YCbCr 등의 두 개의 컬러 변환을 수행하여 각 컬러 성분에 대한 밴포드 확률의 차이를 특징 추출하는 방법을 제시하였다. 먼저 YCbCr 영상을 웨이블릿 변환한 후 밴포드 분포를 이용한 특징을 추출하고, RGB 영상을 웨이블릿 및 이산 코사인 변환한 후 컬러 영역별 밴포드 분포의 차이에 대한 특징을 조합하여 90% 이상의 접합 영상 검출 성능을 보였다.
본 논문의 방법은 13개의 특징 벡터를 사용하여 90%이상의 높은 검출율을 보이고 있다. 웨이블릿 변환 및 이산 코사인 변환을 동시에 사용하고 서로 다른 컬러 좌표계를 사용함으로써 컬러 영상 접합 검출의 성능을 높였다.
Chen^[3]의 방법은 접합 조작면의 외곽선 크기와 위상의 통계학적 특징을 이용한 것으로, 웨이블릿 계수 및 저주파 부밴드를 제거하여 재구성된 웨이블릿 계수에 대한 특성함수 모멘트를 사용하였다. 추가적으로 2차원 영상의 위상 일치성을 통계적 특징으로 추출하여 영상 접합 조작 검출을 수행하였다.

대상 데이터

제안한 컬러 영상 접합 검출 방법을 실험하기 위하여 본 논문에서는 Columbia 대학의 디지털 비디오, 멀티미디어 실험실 (DVMM)에서 공개한 컬러영상 데이터 세트^[19]를 사용하였다. 이 영상 데이터는 183개의 원영상과 180개의 접합 영상으로 구성되어 있다. 제안 방법의 성능을 측정하기 위하여 SVM 분류기^[20] 이용한 6-겹 교차검증법을 사용하였다.
본 논문에서는 조작이 의심되는 컬러 영상에 대하여 RGB 및 YCbCr의 두 개의 컬러 좌표계에서 웨이블릿 변환 및 웨이블릿 부밴드에 대한 이산 코사인 변환 영역에서의 특징 추출 방법을 제안하였다. 제안한 컬러 영상 접합 검출 방법을 실험하기 위하여 본 논문에서는 Columbia 대학의 디지털 비디오, 멀티미디어 실험실 (DVMM)에서 공개한 컬러영상 데이터 세트^[19]를 사용하였다. 이 영상 데이터는 183개의 원영상과 180개의 접합 영상으로 구성되어 있다.

이론/모형

이는 밴포드 법칙의 크기 불변성을 표현한다. 마지막으로, 밴포드 법칙을 따르는 X에 독립적인 랜덤 변수 Y에 대하여 XY 또한 밴포드 법칙을 따른다. 이러한 성질들은 다양한 분야에 사용될 수 있으며, 영상 접합 검출의 위한 본 논문의 방법에 유용하게 사용될 것이다.
본 논문의 방법은 조작이 의심 되는 영상을 웨이블릿 변환 및 이산 코사인 변환하여 밴포드 법칙에 따르도록 재구성한다. 이후 밴포드 법칙의 성질을 이용한 특징을 추출하여 컬러 영상 접합 조작 검출에 사용한다. 본 논문의 방법은 기존의 방법에 비하여 적은 수의 특징으로 우수한 결과를 보여준다.
이 영상 데이터는 183개의 원영상과 180개의 접합 영상으로 구성되어 있다. 제안 방법의 성능을 측정하기 위하여 SVM 분류기^[20] 이용한 6-겹 교차검증법을 사용하였다.

성능/효과

둘째, X가 밴포드 법칙을 따른다면 임의의 상수 α에 대하여 αX 또한 밴포드 법칙을 따른다.
그림 5 (d)에서 볼 수 있는 바와 같이, #의 특징들이 원 영상과 접합 영상에 대하여 가장 큰 차이를 보이고 있다. 따라서 본 논문에서 제안한 특징 벡터 #는 평균적으로 볼 때, 자연 영상과 접합 조작 영상의 특징을 잘 추출하고 있음을 알 수 있다.
아울러 RGB 및 YCbCr 등의 두 개의 컬러 변환을 수행하여 각 컬러 성분에 대한 밴포드 확률의 차이를 특징 추출하는 방법을 제시하였다. 먼저 YCbCr 영상을 웨이블릿 변환한 후 밴포드 분포를 이용한 특징을 추출하고, RGB 영상을 웨이블릿 및 이산 코사인 변환한 후 컬러 영역별 밴포드 분포의 차이에 대한 특징을 조합하여 90% 이상의 접합 영상 검출 성능을 보였다. 본 논문의 방법은 13개의 적은 수의 특징으로 기존 방법과 비교하여 우수한 조작 영상 검출 성능을 보였다.
그러나 본 논문의 방법은 이상적인 밴포드 분포와 의심되는 영상에 대한 밴포드 분포의 정규화된 차이를 특징으로 사용하고 있고, [8]의 방법을 확장하여 컬러 성분에 대한 밴포드 확률의 차이에 대한 평균값을 특징을 추출하였다. 본 논문의 방법은 13개의 특징 벡터를 사용하여 90%이상의 높은 검출율을 보이고 있다. 웨이블릿 변환 및 이산 코사인 변환을 동시에 사용하고 서로 다른 컬러 좌표계를 사용함으로써 컬러 영상 접합 검출의 성능을 높였다.
이후 밴포드 법칙의 성질을 이용한 특징을 추출하여 컬러 영상 접합 조작 검출에 사용한다. 본 논문의 방법은 기존의 방법에 비하여 적은 수의 특징으로 우수한 결과를 보여준다.
20%의 성능을 보이고 있다. 즉, 이상적인 밴포드 분포와의 차이를 사용할 경우에는 웨이블릿 변환과 YCbCr 컬러 좌표계를 사용하였을 경우의 성능이 가장 우수하고, 컬러 영상의 밴포드 확률 차이를 특징으로 사용할 경우에는 RGB 좌표계에서 이산 코사인 변환을 사용할 경우의 성능이 우수함을 알 수 있었다. 표 2에서 볼 수 있듯이 특징벡터의 종류별로 가장 높은 검출률을 보인 #와 #을 동시에 사용했을 경우, 90.

후속연구

마지막으로, 밴포드 법칙을 따르는 X에 독립적인 랜덤 변수 Y에 대하여 XY 또한 밴포드 법칙을 따른다. 이러한 성질들은 다양한 분야에 사용될 수 있으며, 영상 접합 검출의 위한 본 논문의 방법에 유용하게 사용될 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	디지털 영상 조작 검출이란?	디지털 영상 조작 검출은 원래의 영상에서 다양한 조작에 대한 증거를 찾아내고, 변조된 이력을 모으는 방법이다. 영상 조작 검출 방법은 크게 두 가지 방향으로 진행되고 있다.
	영상 접합 조작 검출 방법으로 어떤 방법들이 있는가?	영상 접합 조작은 그림 1에서 보는 바와 같이 여러 장의 영상 부분을 조합하여 하나의 영상을 만드는 방법으로 실제 인간의 감각만으로 매우 인지하기 힘든 경우가 대부분이다. 영상 접합 조작 검출 방법으로는 Farid[1]의 통계적인 방법, Ng[2]의 이중상관성을 이용하는 방법, Chen[3]의 통계적 2차원 위상일치성과 특성함수를 이용한 방법, Johnson[4]의 조명 불일치성을 이용한 방법, Chang[5]의 기하불변성과 카메라 특성일치성을 이용하는 방법 등이 있다.
	영상 조작 검출 방법은 어떤 방향으로 진행되고 있는가?	영상 조작 검출 방법은 크게 두 가지 방향으로 진행되고 있다. 첫 번째는 능동형 검출법으로서 영상 자체에 특정한 인식을 심고 이를 판단하는 것이며, 두 번째는 영상에 대한 아무런 정보 없이 하나의 영상만으로 조작 여부를 검출하는 방법이다. 이 방법은 영상 자체의 특성, 영상 조작에 의한 통계적 변화 등을 이용한 수동형(passive) 또는 블라인드(blind) 검출 방법으로 불린다.

참고문헌 (20)

H. Farid, "A picture tells a thousand lies", New Scientist, vol. 2411, pp. 38-41, 2003.
T. T. Ng, S. F. Chang, and Q. Sun, "Blind detection of photomontage using higher order statistics", Proceedings of IEEE International Symposium o1n Circuits and Systems, vol. 5, pp. 688-691, 2004.
W. Chen, Y. Q. Shi, and W. Su, "Image splicing detection using 2-D phase congruency and statistical moments of characteristic function," Proceedings of SPIE Electronic Imaging: Security, Steganography, and Watermarking of Multimedia Contents, vol. 6505, pp. 6505R.1-6505R.8, 2007.
M. K. Johnson, and H. Farid, "Exposing digital forgeries in complex lighting environments," IEEE Trans. Inform. Forensics Security, vol. 3, no. 2, pp. 450-461, 2007.
Y. F. Hsu, and S. F. Chang, "Detecting image splicing using geometry invariants and camera characteristics consistency", Proceedings of IEEE International Conference on Multimedia and Expo, pp. 549-552, 2006.
X. Zhao, J. Li, S. Li, and S. Wang, "Detecting digital image splicing in chroma spaces," Lecture Note on Computer Science, vol. 6526, pp. 12-22, 2011.
W. Wang, J. Dong, and T. N. Tan, "Effective image splicing detection based on image chroma," Proceedings of International Conference on Image Processing, pp. 1257-1260, 2009.
S. Tong, Z. Zhang, Y. Xie, and X. Wu, "Image splicing detection based on statistical properties of Benford model," Proceedings of the 2nd International Conference on Computer Science and Electronics Engineering. pp. 792-795, 2013.
B. Mahdian, and S. Saic, "A bibliography on blind methods for identifying image forgery," Signal Processing: Image Communication, vol. 25, no. 6, pp. 389-399, 2010

상세보기
H. Farid, "A survey of image forgery detection," IEEE Signal Processing Magazine, vol. 26, no. 2, pp. 16-25,2009.

상세보기
G. Qadir, Z. Xi, and A. T. Ho. "Estimating JPEG2000 compression for image forensics using Benford's Law," Proceedings of SPIE, vol. 7723, pp. 77230J-1, 2010.
D. Fu, Q. Y. Shi, and S. Wei, "A generalized Benford's law for JPEG coefficients and its applications in image forensics," Proceedings of SPIE, vol. 6505, p. 65051L, 2007.
S. Newcomb, "Note on the frequency of use of the different digits in natural numbers", American Journal of Mathematics, vol. 4, no. 1/4, pp. 39-40, 1881.

상세보기
F. Benford, "The law of anomalous numbers," Proc. of the American Philosophical Society, vol. 78, pp. 551-572, 1938.
J M. Jolion, "Images and benford's law" Journal of Mathematical Imaging and Vision, vol. 14, no. 1, pp. 73-81, 2001.
F. Perez-Gonzalez, G. L. Heileman, and C. T. Abdallah, "Benford's law in image processing," Proceedings IEEE International Conference on Image Processing, vol. 1, pp. 405-408, 2007.
E. D. Acebo, and M. Sbert, "Benford's law for natural and synthetic images," Proceedings of First Workshop on Computational Aesthetics in Graphics, Visualization and Imaging, pp. 169-176, 2005.
J. R. Hernandez, M. Amado, and F. Perez-Gonzalez, "DCT domain watermarking techniques for still images: Detector performance analysis and a new structure," IEEE Trans. on Image Processing, vol. 9, no. 1, pp. 55-68, 2000.

상세보기
T. T. Ng, and S. F. Chang, "A data set of authentic and spliced image blocks," ADVENT Technical Report #203-2004-3, Columbia University, June 8th 2004.
Hall, Mark, et al. "The WEKA data mining software: an update." ACM SIGKDD Explorations Newsletter 11.1, pp.10-18, 2009.

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증