الفهرس 
IntroductionOnly 14 pages are availabe for public view
 |  | from | 91 |  |  |
| | | from | 91 | | |
Abstract
ان استخدام الصور الرقمية يتزايد فى مجتمعاتنا بشكل يومى. حيث تتواجد الصور بكل بمكان بداية من أغلفة الصحف والمجلات وقاعات المحاكم كقرائن، وحتى صفحات الويب ووسائل التواصل الاجتماعى لتكون واحدة من وسائل التواصل الشائعة بين الناس. لذلك‘ فقد تزايدت الدوافع لبناء الصور المزورة. بالإضافة إلى ذلك ، فإن التطورات الكبيرة في أدوات معالجة الصور الرقمية مثل Photoshop سهّلت عملية التزوير وجعلت من الصعب اكتشافها. على الجانب الآخر ، تم تطوير تقنيات الكشف عن تزوير الصور للتحقق من سلامة وصحة الصور.
وبشكل عام ، توجد أنواع كثيرة من تقنيات تزوير الصور الرقمية مثل تزوير الربط (splicing forgery) وتزوير النسخ والتحريك (copy-move forgery) وتزوير إعادة لمس (retouching forgery) ، وما إلى ذلك. ومع ذلك ، فإن اكتشاف تزوير الربط يعد أكثر صعوبة عند مقارنته بأنواع التزوير الأخرى لأن الصورة المزيفة لا تحتوي على أي مناطق مكررة . بالإضافة إلى ذلك ، عدم وجود صور المصدر لا يقدم أي دليل على عملية التزوير. علاوة على ذلك ، عادةً ما يقوم المزوين بمعالجة الصور المزورة من خلال إضافة ضوضاء وضغط JPEG وما إلى ذلك لجعل اكتشاف التزوير أكثر صعوبة.
في هذه الرسالة ، تم تصميم وتنفيذ نظامين للكشف عن تزوير الصور. يتم تقييم الأنظمة المقترحة من خلال مجموعة من التجارب على مجموعة بيانات CISDED تحت سيناريوهات مختلفة (مع / بدون تقليل الخصائص). أيضا ، يتم تقييمها في إطار سيناريوهات مختلفة بعد المعالجة (ضغط JPEG والضوضاء الغوسية).
في النظام المقترح الأول ، يتم تقديم نظام الكشف عن تزوير الصور التلقائي. يعتمد ذلك على استخراج ميزة الصور استنادًا إلى مصفوفة (GLCM) والأنماط الثنائية المحلية (LBPs) وعوامل تصفية Gabor والحد من الميزات باستخدام (PCA) تحليل مكون أساسي وتصنيف يستند فيه جهاز متجه الدعم (SVM) تم تصميم المصنف وتدريبه على التمييز بين الصور الأصيلة والمزورة.
في النظام المقترح الثاني ، يتم تقديم مخطط آلي للكشف عن تزوير الصور. يعتمد ذلك على استخراج ميزة الصور بناءً على تحليل مصفوفة مرشح الألوان (CFA). يتم إجراء عملية تقليل الميزة باستخدام تحليل المكون الرئيسي (PCA) لتقليل أبعاد متجهات الميزة الناتجة. يتم بناء مصنف قائم على شبكة المعتقدات العميقة ( Deep Learning (DBN) ) وتدريبه على تصنيف الصور التي تم اختبارها على أنها صور أصلية أو مزورة.