[논문]디지털 영상의 픽셀값 경사도에 의한 미디언 필터링 포렌식 판정

이강현

doi:10.5573/ieie.2015.52.6.079

초록
AI-Helper

디지털 영상의 배포에서, 위 변조자에 의해 영상이 변조되는 심각한 문제가 있다. 이러한 문제를 해결하기 위하여, 본 논문에서는 영상의 픽셀값 경사도에 따른 특징벡터를 이용한 미디언 필터링 영상 포렌식 판정 알고리즘을 제안한다. 제안된 알고리즘에서, 원영상의 픽셀값 경사도로부터 자기회귀 계수를 1~6차까지의 6 Dim.을 계산한다. 그리고 경사도를 Poisson 방정식의 해에 의한 재구성 영상과 원영상과의 차영상으로 부터, 4 Dim. (평균값, 최대값 그리고 최대값의 좌표 i,j)의 특징벡터를 추출한다. 2 종류의 특징벡터는 10 Dim.으로 조합되어 변조된 영상의 미디언 필터링 (Median Filtering: MF) 검출기의 SVM (Support Vector Machine) 분류를 위한 학습에 사용된다. 제안된 미디언 필터링 검출 알고리즘은 동일 10 Dim. 특징벡터의 MFR (Median Filter Residual) 스킴과 비교하여 원영상, 평균필터링 ($3{\times}3$) 영상 그리고 JPEG (QF=90) 영상에서는 성능이 우수하며, Gaussian 필터링 ($3{\times}3$) 영상에서는 성능이 다소 낮지만, 성능평가 전체항목에서 민감도 (Sensitivity; TP: True Positive rate)와 1-특이도 (1-Specificity; FP: False Positive rate)의 AUC (Area Under Curve)가 모두 1에 수렴하여 'Excellent (A)' 등급임을 확인하였다.

Abstract ▼ AI-Helper

In a distribution of digital image, there is a serious problem that is a distribution of the altered image by a forger. For the problem solution, this paper proposes a median filtering (MF) image forensic decision algorithm using a feature vector according to the pixel value's gradients. In the prop...

In a distribution of digital image, there is a serious problem that is a distribution of the altered image by a forger. For the problem solution, this paper proposes a median filtering (MF) image forensic decision algorithm using a feature vector according to the pixel value's gradients. In the proposed algorithm, AR (Autoregressive) coefficients are computed from pixel value' gradients of original image then 1th~6th order coefficients to be six feature vector. And the reconstructed image is produced by the solution of Poisson's equation with the gradients. From the difference image between original and its reconstructed image, four feature vector (Average value, Max. value and the coordinate i,j of Max. value) is extracted. Subsequently, Two kinds of the feature vector combined to 10 Dim. feature vector that is used in the learning of a SVM (Support Vector Machine) classification for MF (Median Filtering) detector of the altered image. On the proposed algorithm of the median filtering detection, compare to MFR (Median Filter Residual) scheme that had the same 10 Dim. feature vectors, the performance is excellent at Unaltered, Averaging filtering ($3{\times}3$) and JPEG (QF=90) images, and less at Gaussian filtering ($3{\times}3$) image. However, in the measured performances of all items, AUC (Area Under Curve) by the sensitivity and 1-specificity is approached to 1. Thus, it is confirmed that the grade evaluation of the proposed algorithm is 'Excellent (A)'.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 MF 영상의 포렌식 판정을 위한 MF 검출 알고리즘이 제안되었다. 알고리즘 구현은 AR 계수와 영상의 픽셀값의 경사도, 경사도에 의한 재구성 영상과의 차영상 파라메터가 이용되었으며, 현존하는 MF 검출의 가장 적은 특징벡터 10 Dim.
본 논문에서는 [7]의 MFR 성능과 비용면에 맞는 새로운 MF 검출의 알고리즘을 제안한다.
이에 따라 콘텐츠의 위·변조로 콘텐츠의 제작자 및 저작권자의 정보를 제거하고 불법배포를 시도하려고 한다.

제안 방법

MF 윈도우 사이즈 3×3과 5×5의 MF3와 MF5 영상은 원영상, 평균필터링 영상, JPEG 영상 그리고 Gaussian 필터링 영상에 대하여 MF 포렌식 판정을 수행하였다.
원 영상과 질의영상의 MF 분류에 의한 TP (True Positive)와 FN (False Negative)을 산출하여, 변조된 영상의 MF 포렌식을 판정한다. 그리고 제안된 알고리즘의 성능평가를 위하여 TP와 FN에 따른 영상의 MF 판정의 민감도 (Sensitivity)와 1-특이도 (1-Specificity)에 의한 AUC (Area Under Curve)를 산출한다.
원 영상과 질의영상의 MF 분류에 의한 TP (True Positive)와 FN (False Negative)을 산출하여, 변조된 영상의 MF 포렌식을 판정한다. 그리고 제안된 알고리즘의 성능평가를 위하여 TP와 FN에 따른 영상의 MF 판정의 민감도 (Sensitivity)와 1-특이도 (1-Specificity)에 의한 AUC (Area Under Curve)를 산출한다.

대상 데이터

UCID 1,388개 영상에서 임의의 1,000개는 SVM 분류기 학습에 사용하며, 나머지 388개는 분류의 성능을 측정하는 테스트에 사용한다. 본 실험의 MF 검출 학습은 SoA의 동일한 조건에서 진행된다.
제안된 MF 변조의 영상 포렌식 판정과 알고리즘의 성능평가를 위하여, UCID^[8]의 1,388개 영상에 적용하여 실험하였다. 제안된 알고리즘의 성능측정을 위하여, 우선 원 영상 DB의 전체에 대하여, MF의 윈도우 사이즈 w는 3×3과 5×5의 MF3, MF5 영상을 각각 만들고, 영상 포렌식 실험의 확장을 위하여 Average 필터 (3×3), JPEG(QF=90) 그리고 Gaussian 필터 (3×3)의 테스트 영상도 준비하였다.
제안된 알고리즘의 성능측정을 위하여, 우선 원 영상 DB의 전체에 대하여, MF의 윈도우 사이즈 w는 3×3과 5×5의 MF3, MF5 영상을 각각 만들고, 영상 포렌식 실험의 확장을 위하여 Average 필터 (3×3), JPEG(QF=90) 그리고 Gaussian 필터 (3×3)의 테스트 영상도 준비하였다.

이론/모형

본 논문의 추출된 특징벡터는 Gaussian kernel의 C-SVM 분류기에서 5-fold cross validation 분할로 학습되며, grid-search의 Hyper-parameter C와 γ는 다음과 같다.
영상의 픽셀 주위의 값으로부터 수평, 수직의 경사도(Gradient)를 산출하여, Poisson 방정식 해로 영상을 재구성할 수 있다. 영상픽셀의 수평, 수직의 경사도 Gx(i, j)와 Gy(i, j)는 식 (7)과 (8)로 산출되며

성능/효과

그리고 성능측정의 실험결과는 표 1과 같다. [7]은 MF3 vs. GAU3에서 성능이 다소 높지만, 제안된 MF 검출 알고리즘은 이를 제외한 MF3 vs. 원영상, 평균필터링 영상과 JPEG 영상에서 성능이 높았으며, 또한 MF5 vs. 4가지 테스트 영상 모두에서 성능이 높았다. 그리고 측정항목 AUROC 가 모두 1에 수렴되는 ‘Excellent (A)’ 등급이다.
본 논문에서는 MF 영상의 포렌식 판정을 위한 MF 검출 알고리즘이 제안되었다. 알고리즘 구현은 AR 계수와 영상의 픽셀값의 경사도, 경사도에 의한 재구성 영상과의 차영상 파라메터가 이용되었으며, 현존하는 MF 검출의 가장 적은 특징벡터 10 Dim.으로 구성하였다.
GAU에서 성능이 다소 낮지만 그 외의 모든 항목에서는 성능이 우수하였다. 제안된 MF 검출 알고리즘의 성능을 평가하는 AUC는 모든 항목에서 1에 수렴되어 ‘Excellent (A)’ 등급으로 확인되었다.

후속연구

앞으로의 연구는 다양한 위·변조 영상을 효율적으로 추정할 수 있는 영상 포렌식 판정을 위한 특징벡터 개발의 연구가 진행되어야한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	제안된 새로운 MF 검출의 알고리즘은 무엇을 정의하는가?	제안된 알고리즘은 원영상의 픽셀값 경사도에서 산출된 AR 계수와 경사도를 이용한 Poisson 방정식 해에 의한 재구성 영상과 원영상의 차영상의 파라메터를 결합하여 10 Dim.의 특징벡터를 정의한다. 이 특징벡터는 MF 분류를 위한 MF 검출기의 SVM에서 학습이 된다.
	급증한 디지털 콘텐츠의 배포 및 유통으로 발생되는 문제점은?	SNS (Social Network Service)의 사용으로 디지털 콘텐츠의 배포 및 유통은 급속도로 증가하고 있다. 이에 따라 콘텐츠의 위·변조로 콘텐츠의 제작자 및 저작권자의 정보를 제거하고 불법배포를 시도하려고 한다. 디지털 원 영상의 위·변조에 사용되는 방법으로 필터링, 영상압축, 회전, 모자이크 편집, 스케일링 등 다양한 방법들이 사용되고 있는데, 미디언 필터링 (Median Filtering: MF)은 원 영상의 에지정보가 보존되면서 잡음제거를 할 수 있어서, 영상의 위·변조에 많이 사용된다[1∼2].
	미디언 필터링의 특징은?	이에 따라 콘텐츠의 위·변조로 콘텐츠의 제작자 및 저작권자의 정보를 제거하고 불법배포를 시도하려고 한다. 디지털 원 영상의 위·변조에 사용되는 방법으로 필터링, 영상압축, 회전, 모자이크 편집, 스케일링 등 다양한 방법들이 사용되고 있는데, 미디언 필터링 (Median Filtering: MF)은 원 영상의 에지정보가 보존되면서 잡음제거를 할 수 있어서, 영상의 위·변조에 많이 사용된다[1∼2].

참고문헌 (9)

Kang Hyeon RHEE, "Median Filtering Detection using Latent Growth Modeling", Journal of The Institute of Electronics and Information Engineers, Vol. 52, No. 1, pp. 61-68, 2015.1.

원문보기 상세보기
Kang Hyeon RHEE, "Image Forensic Decision Algorithm using Edge Energy Information of Forgery Image", Journal of The Institute of Electronics and Information Engineers, Vol. 51, No. 3, pp. 75-81, 2014.3.
Chenglong Chen, Jiangqun Ni and Jiwu Huang, "Blind Detection of Median Filtering in Digital Images: A Difference Domain Based Approach," Image Processing, IEEE Transactions on, Vol. 22, pp. 4699-4710, 2013.

상세보기
H. Yuan, "Blind forensics of edianfiltering in digital images," IEEE Trans. Inf. Forensics Security, vol. 6, no. 4, pp. 1335-1345, Dec. 2011.

상세보기
Tomas Pevny, "Steganalysis by Subtractive Pixel Adjacency Matrix," Information Forensics and Security, IEEE Transactions on, Vol. 5, pp. 215-224, 2010.

상세보기
Yujin Zhang, Shenghong Li, Shilin Wang and Yun Qing Shi, "Revealing the Traces of Median Filtering Using High-Order Local Ternary Patterns," Signal Processing Letters, IEEE, Vol. 21, pp. 275-279, 2014.

상세보기
Xiangui Kang, Matthew C. Stamm, Anjie Peng, and K. J. Ray Liu, "Robust Median Filtering Forensics Using an Autoregressive Model," IEEE Trans. on Information Forensics and Security, vol. 8, no. 9, pp. 1456-1468, Sept. 2013.

상세보기
http://homepages.lboro.ac.uk/-cogs/datasets/ucid/ucid.html (2015.4.1)
Kang Hyeon RHEE, "Framework of multimedia forensic system," Computing and Convergence Technology (ICCCT), 2012 7th International Conferenceon, IEEE Conf. Pub., pp. 1084-1087, 2012.

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

디지털 영상의 픽셀값 경사도에 의한 미디언 필터링 포렌식 판정
Forensic Decision of Median Filtering by Pixel Value's Gradients of Digital Image 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

디지털 영상의 픽셀값 경사도에 의한 미디언 필터링 포렌식 판정 Forensic Decision of Median Filtering by Pixel Value's Gradients of Digital Image 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (9)

이 논문을 인용한 문헌

저자의 다른 논문 :

이강현 (51)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

디지털 영상의 픽셀값 경사도에 의한 미디언 필터링 포렌식 판정
Forensic Decision of Median Filtering by Pixel Value's Gradients of Digital Image 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper