SAYISAL İMGELER İÇİN PRNU VE CNN TABANLI BÖLGESEL MÜDAHALE TESPİTİ
Sayısal resimler üzerinde yapılan çeşitli oynamaları tespit edebilmek, gelişen yazılımların karmaşıklığından ötürü oldukça zorlaşmaktadır. Bu karmaşıklığa çözüm olarak klasik müdahale tespiti yöntemlerine ek olarak son yıllarda evrişimsel sinir ağı tabanlı yöntemler geliştirilmiştir. Böylelikle çok...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Bursa Uludag University
2019-08-01
|
| Series: | Uludağ University Journal of The Faculty of Engineering |
| Subjects: | |
| Online Access: | https://dergipark.org.tr/tr/pub/uumfd/issue/45830/516224 |
| _version_ | 1797919302861455360 |
|---|---|
| author | Ahmet Gökhan Poyraz |
| author_facet | Ahmet Gökhan Poyraz |
| author_sort | Ahmet Gökhan Poyraz |
| collection | DOAJ |
| description | Sayısal resimler üzerinde yapılan çeşitli
oynamaları tespit edebilmek, gelişen yazılımların karmaşıklığından ötürü
oldukça zorlaşmaktadır. Bu karmaşıklığa çözüm olarak klasik müdahale tespiti
yöntemlerine ek olarak son yıllarda evrişimsel sinir ağı tabanlı yöntemler
geliştirilmiştir. Böylelikle çok karmaşık müdahaleleri bile tespit edebilen
ağlar eğitilebilmiştir. Bu makalede, küçük boyutlarda pencere kullanarak
bölgesel müdahale tespiti yapabilen klasik yöntemlerden olan, kameranın
kendisine ait olan sensörlerinden elde edilen parmakizini kullanan sensör
tabanlı PRNU(Photo Response Non Uniformity) yöntemi ile yeni bir yaklaşım olan evrişimsel
sinir ağı(CNN) tabanlı kamera model sınıflandırıcısı yöntemi
karşılaştırılmıştır. Böylelikle hangi yöntemin daha başarılı olduğu detaylıca
ortaya koyulmuştur. Toplamda 26 adet kamera modeli ve bu kamera modellerinden
seçilen 96 x 96’lık piksel blokları ile eğitilen CNN modeli, hem 96 hem de
128’lik pencere boyutu kullanılarak çalışan PRNU yöntemi ile kıyaslanmıştır. Bu
kıyaslama sonucunda bölgesel müdahale tespiti probleminde CNN tabanlı kamera
model sınıflandırıcısının PRNU yöntemine göre daha başarılı olduğu
gösterilmiştir. |
| first_indexed | 2024-04-10T13:43:35Z |
| format | Article |
| id | doaj.art-6ba8a982f8364a9eb6db80352376dc84 |
| institution | Directory Open Access Journal |
| issn | 2148-4147 2148-4155 |
| language | English |
| last_indexed | 2024-04-10T13:43:35Z |
| publishDate | 2019-08-01 |
| publisher | Bursa Uludag University |
| record_format | Article |
| series | Uludağ University Journal of The Faculty of Engineering |
| spelling | doaj.art-6ba8a982f8364a9eb6db80352376dc842023-02-15T16:11:03ZengBursa Uludag UniversityUludağ University Journal of The Faculty of Engineering2148-41472148-41552019-08-0124231132410.17482/uumfd.5162241779SAYISAL İMGELER İÇİN PRNU VE CNN TABANLI BÖLGESEL MÜDAHALE TESPİTİAhmet Gökhan Poyraz0ULUDAĞ ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜSayısal resimler üzerinde yapılan çeşitli oynamaları tespit edebilmek, gelişen yazılımların karmaşıklığından ötürü oldukça zorlaşmaktadır. Bu karmaşıklığa çözüm olarak klasik müdahale tespiti yöntemlerine ek olarak son yıllarda evrişimsel sinir ağı tabanlı yöntemler geliştirilmiştir. Böylelikle çok karmaşık müdahaleleri bile tespit edebilen ağlar eğitilebilmiştir. Bu makalede, küçük boyutlarda pencere kullanarak bölgesel müdahale tespiti yapabilen klasik yöntemlerden olan, kameranın kendisine ait olan sensörlerinden elde edilen parmakizini kullanan sensör tabanlı PRNU(Photo Response Non Uniformity) yöntemi ile yeni bir yaklaşım olan evrişimsel sinir ağı(CNN) tabanlı kamera model sınıflandırıcısı yöntemi karşılaştırılmıştır. Böylelikle hangi yöntemin daha başarılı olduğu detaylıca ortaya koyulmuştur. Toplamda 26 adet kamera modeli ve bu kamera modellerinden seçilen 96 x 96’lık piksel blokları ile eğitilen CNN modeli, hem 96 hem de 128’lik pencere boyutu kullanılarak çalışan PRNU yöntemi ile kıyaslanmıştır. Bu kıyaslama sonucunda bölgesel müdahale tespiti probleminde CNN tabanlı kamera model sınıflandırıcısının PRNU yöntemine göre daha başarılı olduğu gösterilmiştir.https://dergipark.org.tr/tr/pub/uumfd/issue/45830/516224local tamper detectionconvolutional neural networkprnuimage forgerycamera model classifierdeep learninglokal müdahale tespitievrişimsel sinir ağıprnuoynanmış bölge tespitikamera model sınıflandırıcısıderin öğrenme |
| spellingShingle | Ahmet Gökhan Poyraz SAYISAL İMGELER İÇİN PRNU VE CNN TABANLI BÖLGESEL MÜDAHALE TESPİTİ Uludağ University Journal of The Faculty of Engineering local tamper detection convolutional neural network prnu image forgery camera model classifier deep learning lokal müdahale tespiti evrişimsel sinir ağı prnu oynanmış bölge tespiti kamera model sınıflandırıcısı derin öğrenme |
| title | SAYISAL İMGELER İÇİN PRNU VE CNN TABANLI BÖLGESEL MÜDAHALE TESPİTİ |
| title_full | SAYISAL İMGELER İÇİN PRNU VE CNN TABANLI BÖLGESEL MÜDAHALE TESPİTİ |
| title_fullStr | SAYISAL İMGELER İÇİN PRNU VE CNN TABANLI BÖLGESEL MÜDAHALE TESPİTİ |
| title_full_unstemmed | SAYISAL İMGELER İÇİN PRNU VE CNN TABANLI BÖLGESEL MÜDAHALE TESPİTİ |
| title_short | SAYISAL İMGELER İÇİN PRNU VE CNN TABANLI BÖLGESEL MÜDAHALE TESPİTİ |
| title_sort | sayisal imgeler icin prnu ve cnn tabanli bolgesel mudahale tespiti |
| topic | local tamper detection convolutional neural network prnu image forgery camera model classifier deep learning lokal müdahale tespiti evrişimsel sinir ağı prnu oynanmış bölge tespiti kamera model sınıflandırıcısı derin öğrenme |
| url | https://dergipark.org.tr/tr/pub/uumfd/issue/45830/516224 |
| work_keys_str_mv | AT ahmetgokhanpoyraz sayisalimgelericinprnuvecnntabanlibolgeselmudahaletespiti |