使用卷积神经网络进行对齐与非对齐双重 JPEG 检测
密码学与安全
2017-10-11 v1 多媒体
摘要
由于 JPEG 编码标准的广泛普及，图像取证界多年来一直致力于开发双重 JPEG（DJPEG）压缩检测器。检测图像是否被压缩过两次的能力为评估图像真实性提供了至关重要的信息。鉴于卷积神经网络（CNN）近期在许多计算机视觉任务中呈现的趋势，本文提出使用 CNN 进行对齐与非对齐双重 JPEG 压缩检测。具体而言，我们探索了 CNN 直接从图像中捕获 DJPEG 伪影的能力。结果表明，所提出的基于 CNN 的检测器即使在图像尺寸较小（即 64x64）的情况下也能取得良好的性能，优于现有 SOTA 解决方案，尤其是在非对齐情况下。此外，在普遍公认的具有挑战性的情况下（即第一个质量因子大于第二个质量因子时），也取得了良好的结果。
关键词
引用
@article{arxiv.1708.00930,
title = {Aligned and Non-Aligned Double JPEG Detection Using Convolutional Neural Networks},
author = {Mauro Barni and Luca Bondi and Nicolò Bonettini and Paolo Bestagini and Andrea Costanzo and Marco Maggini and Benedetta Tondi and Stefano Tubaro},
journal= {arXiv preprint arXiv:1708.00930},
year = {2017}
}
备注
Submitted to Journal of Visual Communication and Image Representation (first submission: March 20, 2017; second submission: August 2, 2017)