Deteksi Pemalsuan Copy-move Menggunakan Segment Anything Model dan Fitur BRISK

Akbar, Muhammad Tiyas Fachreza (2025) Deteksi Pemalsuan Copy-move Menggunakan Segment Anything Model dan Fitur BRISK. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6025221047-Master_Thesis.pdf Restricted to Repository staff only until 1 April 2027. Download (4MB) | Request a copy

Abstract

Dengan semakin pesatnya perkembangan era digital, peluang terjadinya penipuan dan tindak kriminal yang memanfaatkan data serta citra digital semakin meningkat. Salah satu bentuk manipulasi gambar yang sering disalahgunakan adalah copy-move forgery (CMF), yaitu teknik penggandaan suatu objek dalam gambar dengan tujuan mengubah informasi yang terkandung di dalamnya. Manipulasi semacam ini dapat digunakan untuk menggiring opini publik atau menyebarkan informasi yang menyesatkan. Sehingga diperlukan metode yang andal untuk mendeteksi apakah sebuah gambar merupakan hasil manipulasi CMF atau gambar autentik. Penelitian sebelumnya berhasil mendeteksi manipulasi CMF menggunakan pendekatan berbasis image blobs untuk segmentasi dan BRISK untuk ekstraksi fitur. Meskipun metode ini menunjukkan hasil yang baik, keterbatasan pada akurasi segmentasi dan efisiensi dalam menangani manipulasi yang kompleks seperti rotasi dan perubahan skala menjadi tantangan yang perlu diatasi. Berdasarkan kelemahan tersebut, penelitian ini mengajukan metode baru yang mengintegrasikan kemampuan segmentasi dari Segment Anything Model (SAM) dengan algoritma BRISK untuk mendeteksi manipulasi CMF secara lebih efektif. Dalam penelitian ini, Segment Anything Model (SAM) digunakan untuk membagi gambar ke dalam segmen-segmen dengan presisi tinggi, memungkinkan deteksi area manipulasi yang lebih relevan. Setiap segmen hasil segmentasi kemudian dianalisis menggunakan BRISK untuk mengekstrak fitur dan mencocokkan keypoints antar segmen. Dengan parameter SAM yang telah dioptimalkan dan keypoints matching ratio yang disesuaikan, metode yang diajukan mencapai hasil evaluasi dengan Accuracy 92%, Precision 91.07%, Recall 92.94%, dan F1-Score 91.99%. Hasil evaluasi ini menunjukkan bahwa metode yang diajukan mengungguli metode terdahulu seperti ORB dan BRISK dalam semua metrik evaluasi utama. Dengan keunggulan ini, metode yang diajukan tidak hanya lebih andal, tetapi juga lebih fleksibel dalam menangani berbagai jenis manipulasi gambar, menjadikannya solusi yang efektif untuk aplikasi forensik digital.
==================================================================================================================================
With the rapid advancement of the digital era, the opportunities for fraud and criminal activities exploiting digital data and images have significantly increased. One common form of image manipulation often misused is copy-move forgery (CMF), a technique that duplicates an object within an image to alter the information it conveys. Such manipulation can be used to influence public opinion or disseminate misleading information. Therefore, a reliable method is required to detect whether an image is a result of CMF manipulation or an authentic image. Previous research has successfully detected CMF manipulation using image blob-based segmentation approaches and BRISK for feature extraction. Although these methods produced promising results, they faced limitations in segmentation accuracy and efficiency when dealing with complex manipulations such as rotation and scaling. Addressing these shortcomings, this study proposes a novel method that integrates the segmentation capability of the Segment Anything Model (SAM) with the BRISK algorithm to more effectively detect CMF manipulation. In this study, the Segment Anything Model (SAM) is utilized to divide images into high-precision segments, enabling the detection of more relevant manipulation areas. Each segmented area is then analyzed using BRISK to extract features and match keypoints between segments. By optimizing SAM parameters and fine-tuning the keypoints matching ratio, the proposed method achieved evaluation results of Accuracy 92%, Precision 91.07%, Recall 92.94%, and F1- Score 91.99%. These evaluation results demonstrate that the proposed method outperforms previous methods, such as ORB and BRISK, across all major evaluation metrics. With these advantages, the proposed method is not only more reliable but also more adaptable to various types of image manipulations, making it an effective solution for digital forensic applications.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Deteksi Manipulasi Gambar, Pemalsuan Copy-move, Segment Anything Model, : Copy-move Forgery, Image Forgery Detection, Segment Anything Model
Subjects:	T Technology > T Technology (General) > T58.62 Decision support systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	Muhammad Tiyas Fachreza Akbar
Date Deposited:	06 Feb 2025 06:44
Last Modified:	06 Feb 2025 06:44
URI:	http://repository.its.ac.id/id/eprint/118358

Actions (login required)

View Item