木下研究室 工藤護 ２０１０７００８０ 電子書籍の発達や大型のイラスト投稿サイトの影響 でインターネット上に多くのイラストが存在している。 それと同時に不正なコピーによる著作権の侵害が問 題となっている。 その為、このような問題に対処し、著作権を守る必要 がある。 画像の著作権を保護する方法として、電子透かしや 画像検索に基づく複製検出などの手法、「線画の著 作権保護のための部分的複製検出法」などの研究が なされている。 しかし、電子透かし等では手書きで模写し、改変を加 えた場合など複雑な変化があった場合の検出が難し くなっている。 保護対象の画像コンテンツとして、アニメや漫画などで用 いられるイラストコンテンツを対象とする。 オリジナルイラストの輪郭線や構図を複写や模写し、オリ ジナルとは別の彩色を施すなどしたものをトレース画像と 定義。 データをそのまま用いる複製や画像を取り込むことによる 複製だけではなく、トレース画像の検出が可能な方式を目 的とする。 特徴量としてSURFとHOGを用いて比較検討を行う。 検出の対象とする画像を、以下の図のように定義。 WEB上のデータ そのものや紙媒体 オリジナル 画像 サイズ・角度の 変化や部分的な 抜き出し 輪郭線や構図の 手書きによる模写 ・データをそのまま ・紙媒体をスキャン オリジナル の直接利用 改変を加えた 複製 図1．検出対象の画像 トレース画像 複製検出の手段として画像の特徴を数値で表した特 徴量、その一種である局所特徴量を用いる。 オリジナル画像 輪郭線 輪郭線の 抽出 図2．特徴量抽出の流れ データベース 特徴量の 抽出 オリジナル 画像 複製の疑い がある画像 輪郭線 輪郭線 特徴量 特徴量 データベース マッチング 投票 複製検出 図3．複製検出の流れ 本研究では局所特徴量として、SURF・HOGの二種類 を用いる。 計算速度が早いことからSURFを、物体の大まかな形 状が認識できることからHOGを用いた。 SURFとは物体認識に用いる特徴点を求める画像処 理のアルゴリズム。 最も一般的な特徴量であるSIFTと比べて計算速度が 早い。 特徴点の位置、特徴点の輝度勾配の方向、スケール、 64次元の特徴を表すベクトルが抽出される。 特徴点の検出 （x,y）座標 σ スケール 向きの検出 角度 特徴量の抽出 図4．SURF処理過程 16*4の64次元ベクトル HOGは画像の局所領域から輝度勾配・輝度強度を 取り出す特徴量。 物体の大まかな形状を表現可能で、一般に歩行者や 人工物などの物体を検出するのに使用され文字認識 などにも用いられる。 輝度勾配ヒストグラムを正規化することで明るさの変 化にも対応可能と言われている。 局所領域をブロック・セルに分割 ブロックを移動し、セルの中での 輝度勾配ヒストグラムを計算 ブロックごとに正規化 全てのヒストグラムを統合して特徴量にする 図5．HOG処理過程 データベースには100枚のオリジナル画像から抽出 した輪郭線の特徴量を登録。 図１で定義した検出対象の画像の特徴量とマッチング を行う。 検索質問とデータベースに登録した特徴量を照合し て、著作権保護の対象に一致した数だけ投票を行う。 まず、オリジナル画像の直接利用をした場合の検出 する際の有効性の検証を行う。 クエリとしてオリジナルのデータをそのまま利用したも の、印刷･取り込みをして複製したものを用いる。 どちらの特徴量も共に一致率90%を超え、一致率1位 の画像とオリジナル画像は一致した。 2位以下の画像の一致率についてはSURFが1%以下、 HOGが10%程度となって 100 90 80 おり複製の検出に十分 70 有効と考えられる。 60 50 40 30 20 10 0 SURF HOG 図6．オリジナルの直接利用の検出 次に、オリジナル画像に改変を加えた場合の複製の 検出する際の有効性の検証を行う。 用いるクエリは、以下の画像を用いる。 ①オリジナルのサイズを1/2倍、2倍にしたもの。 ②30度、60度、90度の回転を加えたもの。 ③画像の一部分を抜き出したもの。 100 90 80 70 60 50 40 30 20 10 0 100 90 80 70 60 50 40 30 20 10 0 100 90 80 70 60 50 40 30 20 10 0 2分の1 2倍 図7．サイズを変えた 複製の検出 30° 60° 90° 図8．回転を加えた 複製の検出 SURF HOG 図9．一部抜き出した 複製の検出 ①の場合はSURFが95%、HOGが90%程度の一致率 となり、2位以下の一致率についてはSURFが1%以 下、HOGが10%程度となった。 ②の場合はこちらもSURF95％、HOG90％程度と なっており、2位以下については同様にSURFが1％以 下、HOGが10％程度となった。 ③の場合はSURF92％、HOG88％程度となってお り、2位以下はこちらもSURGが1％以下、HOGが 10％程度となった。 最後にトレース画像の検出する際の有効性の検証を 行う。 用いるクエリは、オリジナル画像の輪郭線部分を手書 きによって模写したものを用いる。 SURFの場合一致率が20％程度となり、1位の画像が オリジナル画像と異なっていることが多くなっている。 HOGの場合一致率70％程度となっており、2位以下 の画像は一致率10％程度 100 90 となった。 80 70 60 50 40 30 20 10 0 SURF HOG 図11．トレース画像の検出 SURF HOG 直接利用 ○ ○ 改変を加えた複製 ○ ○ トレース画像 × ○ 実験からSURF、HOGともにオリジナルの直接利用や 回転やサイズの変化等の改変を加えた画像に対して は有効だということが判明。 若干精度が下がったのは、近似最近傍探索を用いて いることで本当の最近傍が得られていない事によると 考えられるが、ユーザが最終的に画像のチェックをす るため高速化によるメリットのほうが大きいと考えられ る。 トレース画像に対して ・SURFでは手書きによる線のぶれ（位置ずれや形状 の変化）に対応できず検出が困難。 ・HOGでは複製の検出が可能だが、より高い精度で の検出が求められる。 比較的変化が少ない複製に対してはSURFとHOGど ちらの特徴量も有効である。 直接利用や改変を加えた画像だけではなく、トレース 画像に対してHOGは有効である。 HOGで局所領域の抽出の際、線分が十分含まれて いなかった為、精度が落ちたと考えられる。 →線分を十分含んだ領域の抽出方法の検討。 データベースのメモリ量や計算時間が膨大なものとな る。 →特徴量の次元数の効率のよい削減など、 メモリ量・計算時間の削減手法の検討。 工藤護,工藤敬文,木下宏揚,森住哲也, ”イラストの著作権保護のための局所特徴量を用いた 複製検出”,暗号と情報セキュリティシンポジウム (SCIS2012),４F1-4 MORIZUMI Tetsuya, KUDO Mamoru, SUZUKI Kazuhiro, KINOSHITA Hirotsugu ： “An electronic money system as substitute for banknotes”, International Symposium on Applications and the Internet（IEEE/IPSJ）,ITeS 2010,pp.316-319(2010-7)
© Copyright 2024 ExpyDoc
