The objective of the project: In this Project, it is aimed to determine the frauds that can be made by copying a certain area within an image and pasting it to the same image. Also this project is intended to be resistant to algorithms that compress an image, such as jpeg.
Projenin hedefi: Bu Projede bir görüntünün içerisinde yer alan belirli bir alanın kopyalanarak, yine aynı görüntüye yapıştırılmasıyla yapılabilecek sahteciliklerin tesbit edilmesi hedeflenmektedir.Yine bu projenin, jpeg gibi bir görüntüyü sıkıştıran algoritmalara karşı dayanıklı olması hedeflenmiştir.
Projenin uygulaması: Projenin algoritması(uygulaması) Şekil 1’de görülmektedir. Biz projemizde görüntüyü 8’erlik (8x8) bloklara ayırmayı tercih ettik bunun sebebi daha küçük alanlardaki sahtecilikleri tesbit etmeyi mümkün kılmak(16’lık bloklar da gürültüyü azaltmak için tercih edilebilir.).
Bu projede sıkıştırılmalara karşı dayanıklı olması adına bloklara DCT uyguladık daha sonra DCT ‘nin sonucuna zigzag tarama yapılarak alçak frekans bölgesini çıkardık. Bunun amacı görüntüdeki anlamlı yani alçak frekanslı bölümü elde etmek, zigzag tarama sonrası 1x64 lük bir vektör elde ediyoruz bu vektörün ilk 16(alcak frekans kısmı)elemanını alarak gerisiyle ilgilenmedik, çıkarılan bu bölüm quantalama matrisine veya belirlenen bir sabite(16gibi) bölünür biz bu projede ikisinide zaman zaman uyguladık, böylece algoritmamız sıkıştırılmalara dayanıklı hale geldi.
Tüm bloklara bu işlemler uygulandıktan sonra her bloğu temsil eden vektörler alt alta sıralanır ve bir matris elde etmiş oluruz bu matrisin boyutu “16xblocksayısı”dır.Vektörleri karşılaştırma maliyetini azaltmak için bu matrisi sütunları baz alınarak, sözlük sıralamasına göre yeniden sıraladık. Böylece benzer vektörleri birbirine yakın hale getirmiş olduk ayrıca hangi vektörün hangi bloğu temsil ettiğini kaybetmemek için 1x16lık vektörlerin sonuna blokların başlangıç koordinatlarını da ekleyerek 1x18’lik hale getirdik ama sıralma yaparken bu sütunları hesaba katmıyoruz.
Sıralanan vektörlerin benzerliklerini incelemek için sırasıyla belirlenen vektörün yine belirlenen sayıda komşu vektörleriyle öklid’i hesaplanır.Hesaplanan bu değer 0’a nekadar yakınsa iki vektör okadar benzerdir anlamına gelir bu projede öklid eşiği olarak 3.5 , bir vektörün kaç komşusu ile kıyaslanacağı da 8 olarak seçilmiştir. Öklid eşiği 3.5 çok büyük bir sayı olsada sonraki aşamada doğrultuluklarına göre eleme işlemi yapılacağı için biraz büyük bir değer seçilmesinin daha iyi sonuçlar verdiğini gördük.
Benzerlik(öklid) eşiğini geçen vektörler bu sefer de uzaklık eşiği filtresinden geçer bunun amacı çok yakındaki alanların ilişkilendirilmemesidir.Bu işlemde yine öklid ile yapılır ama bu sefer vektörler yerine vektörlerin temsil ettiği blokların başlagıç koordinatları kullanılır. Bu işlemde eğer iki blok arasındaki mesafe yeterince fazla değilse elenir bu projede minimum iki vektör arasındaki uzaklık 100pixel seçilmiştir.Bu işlem sonucunda gökyüzü, çöl gibi çok fazla benzer bölge içeren görüntülerde bile iyi sonuçlar gözlemledik.
Son olarak bu iki eşiği de geçen vektörlerin temsil ettiği blokların başlagıç koordinatları kullanılarak, iki noktanın mutlak doğrultusunu hesapladık.Hesaplanan bu doğrultunun, tamemen sıfırlardan oluşan görüntü büyüklüğünde bir uzayda ki konumunu bulunarak bu konum bir arttırdık.Ayrıca hangi blokların hangi doğrultuyu arttırdığını kaybetmemek için blokların koordinatlarını ve doğrultularını vektörler şeklide tutduk.Doğrultuları mutlak hesapladığımız için paralel olmayan konumlar’da aynı doğrultuya sahip olabiliyordu bunun için bu vektörlerde bir de doğrultunun yönünü tuduk ve daha iyi sonuçlar elde ettik.Bu uzaydaki en büyük değere sahip konumu tesbit ederek bu sayının %90’ınından büyük olan bölgeleri bulduk, bu doğrultuya sahip vektörleri yine bu uzaydan elde ettik ve sahteciliği tesbit etmiş olduk.
