The widespread diffusion of image editing software has created the need for digital forensic techniques capable of blindly detecting the presence of image forgeries. This is particularly significant for scientific images, such as western blots. Indeed, the diffusion of manipulated images in scientific publications may lead to severe consequences. In this paper, we focus on one specific type of image manipulation: gamma correction. In particular, we propose an algorithm that estimates the amount of gamma correction that has been applied to a western blot image through the use of various machine-learning techniques. Our method relies on the presence of specific manipulation artifacts in the pixel value histogram. Multiclass classification models as well as regression models are employed to produce the estimated gamma value. Experimental results are presented to verify the effectiveness of our proposed method in multiple scenarios.

L'ampia diffusione di programmi per la modifica delle immagini digitali ha creato la necessità di disporre di tecniche di informatica forense capaci di rilevare la presenza di eventuali manipolazioni. Questo è particolarmente rilevante per le immagini scientifiche, come ad esempio i western blot. Senza dubbio, infatti, la diffusione nelle pubblicazioni scientifiche di immagini alterate può portare a conseguenze dannose. In questo articolo, ci concentriamo su un tipo specifico di manipolazione di immagini, ovvero la correzione di gamma. In particolare, proponiamo un algoritmo che stima la quantità di gamma che è stata applicata a una data immagine di western blot attraverso l'uso di diverse tecniche di machine-learning. Il nostro metodo si basa sulla presenza di particolari artefatti all'interno dell'istogramma di un'immagine. Sia modelli di classificazione multiclasse che modelli di regressione sono stati utilizzati al fine di stimare il valore di gamma. I risultati sperimentali riportati nell'articolo evidenziano l'efficacia del metodo proposto in diversi scenari.

Forensic estimation of gamma correction in western blot images

ZANOCCO, GIOVANNI
2022/2023

Abstract

The widespread diffusion of image editing software has created the need for digital forensic techniques capable of blindly detecting the presence of image forgeries. This is particularly significant for scientific images, such as western blots. Indeed, the diffusion of manipulated images in scientific publications may lead to severe consequences. In this paper, we focus on one specific type of image manipulation: gamma correction. In particular, we propose an algorithm that estimates the amount of gamma correction that has been applied to a western blot image through the use of various machine-learning techniques. Our method relies on the presence of specific manipulation artifacts in the pixel value histogram. Multiclass classification models as well as regression models are employed to produce the estimated gamma value. Experimental results are presented to verify the effectiveness of our proposed method in multiple scenarios.
MANDELLI, SARA
ING - Scuola di Ingegneria Industriale e dell'Informazione
21-dic-2023
2022/2023
L'ampia diffusione di programmi per la modifica delle immagini digitali ha creato la necessità di disporre di tecniche di informatica forense capaci di rilevare la presenza di eventuali manipolazioni. Questo è particolarmente rilevante per le immagini scientifiche, come ad esempio i western blot. Senza dubbio, infatti, la diffusione nelle pubblicazioni scientifiche di immagini alterate può portare a conseguenze dannose. In questo articolo, ci concentriamo su un tipo specifico di manipolazione di immagini, ovvero la correzione di gamma. In particolare, proponiamo un algoritmo che stima la quantità di gamma che è stata applicata a una data immagine di western blot attraverso l'uso di diverse tecniche di machine-learning. Il nostro metodo si basa sulla presenza di particolari artefatti all'interno dell'istogramma di un'immagine. Sia modelli di classificazione multiclasse che modelli di regressione sono stati utilizzati al fine di stimare il valore di gamma. I risultati sperimentali riportati nell'articolo evidenziano l'efficacia del metodo proposto in diversi scenari.
File allegati
File Dimensione Formato  
2023_12_Zanocco_Tesi_01.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: Tesi
Dimensione 5.86 MB
Formato Adobe PDF
5.86 MB Adobe PDF   Visualizza/Apri
2023_12_Zanocco_Executive_Summary_02.pdf

accessibile in internet solo dagli utenti autorizzati

Descrizione: Executive Summary
Dimensione 1.48 MB
Formato Adobe PDF
1.48 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/215857