[論文レビュー] Block-level Double JPEG Compression Detection for Image Forgery Localization

Vinay Kumar Verma, Deepak Singh+1 more|arXiv (Cornell University)|Mar 20, 2020

Digital Media Forensic Detection被引用数 4

ひとこと要約

本稿では、DenseNetを用いた深層学習ベースの手法を提案し、量子化済みDCT係数ヒストグラムと対応する量子化ステップサイズ（q-ファクター）を組み合わせることで、単一および二重に圧縮されたJPEGブロックを検出する。画像の完全な復元を伴わず、最新の技術水準を上回る性能を達成しており、特に小さなブロックや未知の量子化行列に対して優れた性能を示す。

ABSTRACT

Forged images have a ubiquitous presence in today's world due to ease of availability of image manipulation tools. In this letter, we propose a deep learning-based novel approach which utilizes the inherent relationship between DCT coefficient histograms and corresponding quantization step sizes to distinguish between original and forged regions in a JPEG image, based on the detection of single and double compressed blocks, without fully decompressing the JPEG image. We consider a diverse set of 1,120 quantization matrices collected in a recent study as compared to standard 100 quantization matrices for training, testing, and creating realistic forgeries. In particular, we carefully design the input to DenseNet with a specific combination of quantization step sizes and the respective histograms for a JPEG block. Using this input to learn the compression artifacts produces state-of-the-art results for the detection of single and double compressed blocks of sizes $256 imes 256$ and gives better results for smaller blocks of sizes $128 imes 128$ and $64 imes 64$. Consequently, improved forgery localization performances are obtained on realistic forged images. Also, in the case of test blocks compressed with completely different quantization matrices as compared to matrices used in training, the proposed method outperforms the current state-of-the-art.

研究の動機と目的

• 単一および二重に圧縮されたブロックを特定することで、JPEG画像における改ざん領域を同定する課題に取り組む。
• 従来の手法が標準的な100の量子化行列に依存するという限界を克服し、最近の研究から得られた1,120種類の実世界のQ行列を用いる。
• 量子化DCT係数から直接圧縮アーティファクトを学習することで、復元（デキュー アンティゼーション）を伴わず、改ざん領域の局所化精度を向上させる。
• 実世界の画像フォレンジックスにおいて必須である、未知の量子化行列への一般化能力を強化する。
• 64×64および128×128の小さなブロックサイズにおいて優れた性能を発揮し、現実的な改ざんシナリオにおいても強力な検出を実現する。

提案手法

• 完全な復元を避けるために、JPEGビットストリームから直接量子化済みDCT係数を抽出する。
• 8×8ブロック内の64周波数成分ごとに、量子化済みDCT係数のヒストグラムを作成する。
• 各DCT周波数に対して対応する量子化ステップサイズ（q-ファクター）を、モデルの補完的入力特徴として使用する。
• 各ブロックに対して、64ビンのヒストグラムと64要素のq-ファクター配列を組み合わせた特別な入力テンソルを設計し、DenseNetに供給する。
• DCTヒストグラムとq-ファクターの統合表現に基づき、各ブロックが単一または二重に圧縮されているかを分類するようにDenseNetアーキテクチャを学習する。
• 画像全体にわたる二重圧縮ブロックの確率を予測するため、ストライド32のスライディングウィンドウを適用してフォレンジックローゕリゼーションを実現する。

実験結果

リサーチクエスチョン

• RQ1 量子化済みDCT係数とq-ファクターのみを用いて、深層学習モデルが単一および二重に圧縮されたJPEGブロックを効果的に区別できるか？
• RQ2 DCTヒストグラムに加えてq-ファクターを組み込むことで、ヒストグラム単体を使用する場合と比較して検出性能が向上するか？
• RQ3 本手法は、学習時に存在しなかった未知の量子化行列に対しても一般化できるか？
• RQ4 既存のSOTA手法と比較して、小さなブロックサイズ（64×64、128×128）において優れた性能を発揮できるか？
• RQ5 コピー・ムーブやぼかし操作を伴う現実的な改ざんシナリオにおいて、本手法は改ざん領域の局所化精度をどの程度向上できるか？

主な発見

• q-ファクターを用いた場合、256×256ブロックでは93.73%のF1スコア、128×128ブロックでは91.26%を達成し、Parkら[4]の90.30%および87.68%を顕著に上回った。
• 64×64ブロックでは、q-ファクターなしで97.43%、q-ファクターありで95.68%のF1スコアを達成し、小さなブロックにおいて顕著な改善が確認された。
• コピー・ムーブ改ざん検出では、79.92%のFメジャーを達成し、Parkら[4]の77.04%を上回り、局所化性能の向上が示された。
• ぼかし操作の検出では、77.44%のFメジャーを達成し、Parkら[4]の74.28%から向上した。これは、微細な改ざんを効果的に検出できることを示している。
• 未知のQ行列のシナリオでは、92.83%のテスト精度を達成し、Parkら[4]の86.69%を上回り、強力な一般化能力を示した。
• 実世界の改ざん検出において、94.40%の正確度、91.87%のTPR、96.94%のTNRを達成し、Parkら[4]の92.26%、87.19%、97.33%を上回った。