生活在數位化時代的我們，許多的媒體都以數位化的形式記錄、呈現，並經 由網路快速傳遞，而數位影像相關編輯軟體之功能愈趨強大與多元，操作方式也 越來越簡易，使得人們只要擁有電腦、手持裝置以及相關編輯軟體、應用程式，
就能夠很容易地製作出幾可亂真的偽造影像。數位影像雖然容易取得，卻也容易 經由人為修改，為了確保和鑑定數位影像內容的真實性以及來源的可靠性，數位 鑑識的專業技術需求也隨之產生。本論文的研究內容，主要針對鈍化遮罩(USM) 這種經常被使用的銳化處理能夠被偵測出來，改良之目的是希望能夠加快USM偵 測的速度以及提升辨識率。
由於USM的特性在於加強邊緣附近的對比，達到銳化的效果，本研究首先由 Otsu門檻化方法計算門檻值，提供給Canny邊緣偵測使用，這樣的組合使得邊緣 偵測可以保留具有明顯對比的邊緣點，使得原始影像與USM影像在特徵直方圖的 表現上，會有很明顯的差異，經由實驗數據表明，結合使用Otsu門檻化方法確實 可以提升辨識率，例如在BMP格式下，N=11且使用Otsu門檻化方法的辨識率 M3(二進位編碼方法)可達95.37%與M4(格雷編碼方法)可達95.03%，而未使用Otsu 門檻化方法的M1(二進位編碼方法)與M2(格雷編碼方法)之辨識率，分別為92.73%
與91.8%。
而在編碼方法的部分，本論文採用格雷編碼方法，目的是為了減少二進位編 碼方法的特徵類別數量，希望達到加快統計特徵與SVM分類器處理的速度，進而 達到減少系統偵測的執行時間，以執行時間降低的百分比(pr)方式，來評估格雷 編碼方法在執行時間上的改善，例如由表 4-4，BMP格式的N=11觀察可知，在本
- 76 -
研究之系統執行時間的比較，M4(本論文之EPGC)可以降低M1(EPBC)的時間可達 36.59%。
雖然格雷編碼方法可以加快偵測系統的執行，但是效能與準確性往往是無法 兼得的，我們犧牲了特徵類別的數量換取效能的提升，卻也使得辨識率的表現上 略差於二進位編碼方法，例如前面所提的M4比M3辨識率差了0.34%，M2比M1 辨識率差了0.93%。
在未來的研究方向上，可以針對特徵的選擇或編碼方式改良，發展效率更好 的編碼方式或找到更能分辨原始影像與USM影像的特徵，另外也可以針對JPEG 格式的方塊效應造成邊緣附近不連續的雜訊干擾現象，提出消除雜訊干擾的方法，
並提升JPEG格式的辨識率。相信隨著相關技術的進步，數位影像鑑識在理論基礎 架構上將日趨完善，而在應用層面也將有更加廣泛的前景與市場。
- 77 -
參 考 文 獻
[1] 資策會 FIND2014(H2)「2014 臺灣消費者行動裝置暨 APP 使用行為研究調查 報告」http://www.find.org.tw/market_info.aspx?n_ID=8303
[2] H. Farid, “Digital image forensics,” Sci. Amer., vol. 298, no. 6, pp.66-71, 2008.
[3] A. Piva, “An overview on image forensics,” in ISRN Signal Process., vol. 2013, 2013.
[4] R. C. Gonzalez and R. E. Woods, Digital Image Processing, 3rd ed. Upper Saddle River, NJ, USA: Prentice-Hall, 2007.
[5] H. Farid, “Image forgery detection,” in IEEE Signal Processing Magazine, vol. 26, no. 2, pp. 16-25, 2009.
[6] G. Cao, Y. Zhao, and R. Ni, “Detection of image sharpening based on histogram aberration and ringing artifacts,” in Proc. IEEE Int. Conf. Multimedia and Expo (ICME), pp. 1026-1029, 2009.
[7] G. Cao, Y. Zhao, R. Ni, and A. C. Kot, “Unsharp masking sharpening detection via overshoot artifacts analysis,” in IEEE Signal Process. Lett., vol. 18, no. 10, pp.
603-606, 2011.
[8] F. Ding, G. Zhu, and Y. Q. Shi, “A novel method for detecting image sharpening based on local binary pattern,” in Int. Workshop on Digitalforensics and Watermarking (IWDW), vol. 8389, pp. 180-191, 2014.
[9] F. Ding, G. Zhu, J. Yang, J. Xie and Y. Q. Shi, “Edge Perpendicular Binary Coding for USM Sharpening Detection” in IEEE Signal Process. Lett., vol. 22, no. 3, pp.
327-331, 2015.
[10] Otsu N., “A Threshold Selection Method from Gray-Level Histograms,” in IEEE Trans. System, Man and Cybernetics, vol. 9, no. 1, pp.62-66, 1979.
- 78 -
[11] M. Fang, G. X. Yue, and Q. C. Yu, “The Study on An Application of Otsu Method in Canny Operator”, in Proceedings of the 2009 International Symposium on Information Processing, Huangshan, P. R. China, pp. 109-112, August 2009..
[12] J. Gao and N. Liu, “An improved adaptive threshold canny edge detection algorithm”, in International Conference on Computer Science and Electronics Engineering, pp. 164-168, 2012.
[13] G. Hao, L. Min, and H. Feng, “Improved self-adaptive edge detection method based on Canny,” in International Conference on Intelligent Human-Machine Systems and Cybernetics (IHMSC), pp. 527-530, 2013.
[14] Y. K. Huo, G. Wei, Y. D. Zhang and L. N. Wu, “An adaptive threshold for the Canny Operator of edge detection,” in International Conference on Image Analysis and Signal Processing, pp. 371-374, 2010.
[15] H. Peng, R. Zhai, S. Liu, Y. Wen, and L. Wu, “Edge Detection of Growing Citrus Based on Self-adaptive Canny Operator,” International Conference on Computer Distributed Control and Intelligent Environmental Monitoring (CDCIEM), pp.
342-345, 2011.
[16] J. F. Canny. “A computational approach to edge detection,” in IEEE Transactions on Pattern Analysis and Machine Intelligence. vol. 8, no. 6, pp. 679-698, 1986.
[17] 林宗勳，Support Vector Machines 簡介，參閱至：
http://www.cmlab.csie.ntu.edu.tw/~cyy/learning/tutorials/SVM2.pdf
[18] LIBSVM 入門網站，參閱至： http://www.csie.ntu.edu.tw/~piaip/docs/svm/#
[19] LIBSVM 相關資訊網站，參閱至： http://www.csie.ntu.edu.tw/~cjlin/libsvm/
[20] Microsoft office 趨勢線介紹，參閱至：
https://support.office.com/zh-tw/article/%E6%96%B0%E5%A2%9E%E3%80%81%E8
%AE%8A%E6%9B%B4%E6%88%96%E7%A7%BB%E9%99%A4%E5%9C%96%E8
%A1%A8%E4%B8%AD%E7%9A%84%E8%B6%A8%E5%8B%A2%E7%B7%9A-fa5 9f86c-5852-4b68-a6d4-901a745842ad
- 79 -
[21] 回歸分析，參閱至：http://www.cc.ntut.edu.tw/~jcjeng/Ch10_regression.pdf [22] Y. L. Lee, H . C. Kim, and H. W. Park,“Blocking Effect Reduction of JPEG
Images by Signal Adaptive Filter,” IEEE Trans. on Image Processing, vol. 7, no.
2, pp. 229-234, 1998
[23] 陳文儉，郭子榮，「利用線性濾波技術於降低區塊效應之研究」，Journal of Information Technology and Applications，vol. 3, no. 1, pp. 55-65, 2008
[24] NRCS 影像圖庫參閱至：
http://photogallery.nrcs.usda.gov/res/sites/PhotoGallery/index.html [25] UCID 影像圖庫參閱至：
http://homepages.lboro.ac.uk/~cogs/datasets/ucid/ucid.html [26] 接收者操作特徵曲線(ROC)參閱至維基百科：
https://zh.wikipedia.org/wiki/ROC%E6%9B%B2%E7%BA%BF
- 80 - 決定視野。以及賈伯斯的名言：Stay hungry. Stay foolish.
- 81 -
學 術 成 就
發表文章：
1. Chiang Wang, Chung-Yen Su, and Chun-Lin Lin “A novel recognition system for digits writing in the air using coordinated path ordering,” IEEE International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS), pp.
244-249, 2015.
2. Chun-Lin Lin and Chung-Yen Su,
“Modified Unsharp Masking Detection UsingOtsu Thresholding and Gray Code,” IEEE International Conference on Industrial Technology (ICIT), pp. 787-791, 2016.
參與計畫：
1. 智能化對稱高速雙主軸研磨機開發與LED探針快速研削成形研究，民國104 年2月至民國104年8月。
2. 去銳化遮罩與影像融合在微物影像尺寸量測之應用研究，民國104年8月至民 國105年7月。