撮影されただけのオリジナル画像は通常，JPEG圧縮が1回行われている．一方，改ざんされた画像は再度圧縮が行われ2重圧縮となる．そこで，画像から2重圧縮の特徴を抽出し，ニューラルネットワークで分類することによって，画像の改ざんを検知する方法を本研究では扱う．その特徴は，1回目と2回目のJPEG圧縮時における量子化テーブルの相違により，DCT係数値の統計的な頻度分布の偏りとして現れる．本研究では，量子化テーブルの特徴を考慮した2重JPEG圧縮を検知する方式を提案する．1回目の圧縮時に量子化する際の品質パラメータ(QF)が2回目の圧縮時より大きい場合，DCT係数の頻度分布の値が偏る．その特徴を検知するために，量子化テーブルにおいて収集しやすいDCT係数値を複数扱う．収集したDCT係数値の頻度分布を入力とし，畳み込みニューラルネットワーク(CNN)に学習させることで，1回圧縮と2重圧縮を分類する．
Detection of double JPEG compression plays an important role in digital forensics. As we can find some clues from a given image about the history of JPEG compression, it is possible to classify the image if it is tampered or not. The characteristic of double compression appears at the statistical distribution of histogram in DCT coefficients because of quantization with different QFs. Unfortunately, such characteristics in the histogram are distorted by the rounding operation occurred at the process of decompression. In this study, considering the value of quantization table, we select some of them to collect useful statistical information as possible. We propose a CNN-based classifier suitable for the analysis of this histogram in order to classify a given image into single compression or double compression.