Tổng quan về luận án

Sự bùng nổ của các công cụ xử lý kỹ thuật số hiện đại đã tạo ra thách thức nghiêm trọng đối với tính toàn vẹn của dữ liệu thị giác. Trích dẫn nguyên văn từ tài liệu nghiên cứu: "Theo Wall Street Journal, 10% của tất cả các ảnh màu được ấn hành tại Mỹ thật sự đều đã được thay đổi và can thiệp (Amsberry, 1989)." Thực trạng này đặt ra yêu cầu cấp bách cho phân ngành giám định ảnh thụ động (Passive/Blind Image Forensics), nơi các nhà khoa học phải xác thực tính nguyên bản mà không cần thông tin chữ ký số hay thủy vân số (watermarking) nhúng trước. Trong số các hình thức gian lận hình ảnh số, sao chép - di chuyển vùng ảnh (Copy-Move Forgery Detection - CMFD) là kỹ thuật phổ biến và tinh vi nhất.

Khoảng trống nghiên cứu then chốt (Research Gap) xuất phát từ sự đánh đổi cố hữu giữa độ chính xác nhận dạng và chi phí tính toán. Các phương pháp kinh điển dựa trên khối ảnh (Block-based) trích xuất đặc trưng trực tiếp như PCA của Alin C. Popescu & Hany Farid (2004) với độ phức tạp $O(N_t N \log N)$, hoặc DCT lượng tử của Jessica Fridrich (2003) với $O(MN \log_2(MN))$, thường bộc lộ độ trễ tính toán rất lớn và suy giảm hiệu năng khi đối tượng bị biến đổi hình học (xoay góc bất kỳ, biến dạng cục bộ). Ngược lại, các phương pháp dựa trên điểm đặc trưng (Keypoint-based) như SIFT của Irene Amerini et al. (2011) tuy xử lý nhanh nhưng lại thất bại trong việc khôi phục toàn vẹn biên dạng vùng sao chép tại các vùng trơn, đồng nhất. Chưa có một công trình nào giải quyết trọn vẹn việc phân biệt đâu là vùng gốc (source region) và đâu là vùng sao chép (tampered region), cũng như phân loại tự động giữa thao tác Copy-Move và Cắt ghép đa nguồn (Splicing) trong cùng một khung xử lý đa phân giải thời gian thực.

Luận án của tác giả Huỳnh Khả Tú (2018) tại Trường Đại học Bách khoa – Đại học Quốc gia TP. Hồ Chí Minh, dưới sự hướng dẫn của GS. Lê Tiến Thường và TS. Hà Việt Uyên Synh, đã định hình hệ thống các câu hỏi nghiên cứu và giả thuyết khoa học chặt chẽ:

  • Câu hỏi nghiên cứu 1 (RQ1): Làm thế nào để giảm thiểu độ phức tạp tính toán và loại bỏ dư thừa dữ liệu nền đối với các tập ảnh có bố cục đơn giản hoặc tập dữ liệu quy mô lớn?
  • Câu hỏi nghiên cứu 2 (RQ2): Làm thế nào để tối ưu hóa việc trích xuất vector đặc trưng bất biến với thao tác xoay góc bất kỳ mà không làm gia tăng sai số số học và sai số hình học?
  • Câu hỏi nghiên cứu 3 (RQ3): Trong các công cụ phân tích đa phân giải, biến đổi Wavelet rời rạc (DWT) hay biến đổi Curvelet liên tục (FDCT) mang lại hiệu quả vượt trội hơn cho bài toán CMFD?
  • Câu hỏi nghiên cứu 4 (RQ4): Có thể tận dụng đồng thời thành phần xấp xỉ tần số thấp và các dải chi tiết tần số cao để vừa phân biệt vùng gốc/vùng sao chép, vừa phân định ranh giới giữa Copy-Move và Splicing hay không?

Hệ thống giả thuyết tương ứng:

  • Giả thuyết H1: Tách nền dựa trên phân tích Histogram cho phép triệt tiêu các khối tính toán dư thừa, giảm đáng kể thời gian khớp khối mà vẫn bảo toàn độ nhạy phát hiện đối tượng nghi ngờ.
  • Giả thuyết H2: Ánh xạ cực đại hóa số lượng điểm ảnh vào vòng tròn đơn vị trong Zernike Moments cải tiến (MZMs) sẽ triệt tiêu sai số hình học (GE) và sai số số học (NE), nâng cao độ chính xác nhận dạng vùng sao chép bị xoay.
  • Giả thuyết H3: Miền xấp xỉ $LL_1$ của biến đổi Wavelet (đặc biệt là bộ lọc Haar Wavelet) cung cấp biểu diễn đặc trưng nén tối ưu hơn cấu trúc chóp nêm tần số (wedge/scale) của Curvelet trong tác vụ phân tích khối ảnh.
  • Giả thuyết H4: Độ sắc cạnh (sharpness estimation) tại dải tần số cao ($HH_1, LH_1, HL_1$) của biến đổi DWT tại biên cắt dán nhân tạo luôn cao hơn và khác biệt đáng kể so với biên tự nhiên của ảnh gốc, cung cấp bằng chứng định lượng để định vị vết giả mạo và phân định cơ chế can thiệp.

Khung lý thuyết của luận án tích hợp Lý thuyết Phân tích đa phân giải (Multiresolution Analysis - MRA của Stéphane Mallat), Lý thuyết Đa thức trực giao Zernike (Zernike Polynomials) và Lý thuyết Ước lượng độ sắc biên trong miền tần số cao. Đóng góp đột phá của công trình được lượng hóa qua chuỗi 6 giải thuật tiến tiến, kiểm chứng trên tập ảnh chuẩn quốc tế Benchmark (48 ảnh cơ sở kèm khung giả mạo mở rộng của ĐH Erlangen-Nürnberg), bộ dữ liệu CoMoFoD, dbforgery (Battiato et al.) và ảnh tự nhiên thực nghiệm. Toàn bộ chuỗi giải thuật được hiện thực hóa từ mô phỏng thuật toán trên phần mềm Matlab 2013a (Windows 7 64-bit, Intel Core i5 @ 1.8GHz, 4GB RAM) đến việc triển khai thành công trên hệ thống nhúng phần cứng Raspberry Pi 3B. Thành tựu khoa học được minh chứng qua 13 công trình công bố, gồm 05 bài báo tạp chí uy tín (02 bài danh mục ISI-Scopus/ESCI: Informatica và IJACSA, 02 bài tạp chí ngành chuẩn HĐGS), 01 chương sách chuyên khảo quốc tế của Nhà xuất bản Springer (2015), và 07 báo cáo khoa học tại các hội nghị quốc tế của IEEE.

Literature Review và Positioning

Lịch sử phát triển của giám định ảnh Copy-Move ghi nhận hai dòng tiếp cận chính với nhiều đóng góp và tranh luận học thuật sâu sắc:

                                  CÁC PHƯƠNG PHÁP GIÁM ĐỊNH ẢNH COPY-MOVE (CMFD)
       PHƯƠNG PHÁP DỰA TRÊN KHỐI ẢNH (BLOCK-BASED)                         PHƯƠNG PHÁP DỰA TRÊN ĐIỂM CHÍNH (KEYPOINT-BASED)
  Miền không gian trực tiếp     Miền biến đổi tần số                       SIFT / SURF / Harris          Mô hình lai / Tam giác
  - Phân tích thống kê pixels   - DCT (Fridrich, 2003)                     - SIFT (Huang, 2008)          - Tam giác Delaunay
    (Weiqi Luo, 2006)           - DWT (Bashar, 2010)                       - SIFT Matching                 (Ardizzone et al., 2015)
  - SVD (Li et al., 2007)       - FMT (Bayram et al., 2009)                  (Amerini, 2011)             - CSLBP + Hessian
  - PCA (Popescu & Farid, 2004) - UDWT + ZMs                               - Semantic Patches + EM         (Dia M., 2016)
  - Zernike Moments (Ryu, 2010)   (Jiyun Yang, 2013)                         (Li et al., 2013)           - Block + Keypoint
  - LBP (Leida Li, 2013)        - SWT + SVD (Dixit, 2017)                                                  (Kaur, 2013; Pun, 2018)

Dòng nghiên cứu dựa trên khối ảnh truyền thống tập trung vào trích xuất vector đặc trưng cục bộ. Trích dẫn nguyên văn từ tài liệu nghiên cứu: "Các giải thuật giám định ảnh Copy-Move đều dựa trên nguyên tắc tìm các vùng ảnh có đặc tính giống nhau, đây chính là do các vùng ảnh được sao chép và cắt dán trên chính ảnh đó." Weiqi Luo (2006) khởi xướng vector 7 chiều thống kê không gian màu và hướng đạo hàm để tối ưu tốc độ. Alin C. Popescu & Hany Farid (2004) áp dụng PCA để giảm chiều không gian hiệp phương sai với độ phức tạp $O(N_t N \log N)$. Để khắc phục điểm yếu trước các phép biến đổi xoay, Seung-Jin Ryu et al. (2010) sử dụng Zernike Moments (ZMs), tuy nhiên phương pháp này gặp phải rào cản tính toán nặng nề khi bậc moment tăng cao. Trong miền tần số, Jessica Fridrich (2003) đưa ra chuẩn mực khớp hệ số lượng tử DCT, Sevinc Bayram et al. (2009) dùng Fourier-Mellin Transform (FMT) đạt độ phức tạp $O(MN \log_2(MN))$ để chống chọi nén JPEG tổn hao. Jiyun Yang et al. (2013) kết hợp Undecimated Dyadic Wavelet Transform (UDWT) và ZMs, so khớp độc lập trên dải xấp xỉ $LL_1$ và đối chiếu dải chi tiết $HH_1$. Gần đây hơn, Rahul Dixit et al. (2017) kết hợp Stationary Wavelet Transform (SWT) với SVD, nhưng vẫn bộc lộ hạn chế trước các góc xoay tùy ý.

Dòng nghiên cứu dựa trên điểm đặc trưng phát triển mạnh mẽ nhờ tính bất biến hình học. Hailing Huang et al. (2008) và Irene Amerini et al. (2011) ứng dụng SIFT để gom cụm các điểm bất biến tỷ lệ và góc quay, giảm thời gian xử lý xuống còn ~5 giây/ảnh so với hàng phút của DCT/PCA. Edoardo Ardizzone et al. (2015) đề xuất so khớp cấu trúc mạng tam giác Delaunay tạo bởi các điểm SURF/Harris. Dia M. (2016) phối hợp ma trận Hessian với mẫu nhị phân cục bộ đối xứng tâm (CSLBP). Mặc dù vậy, phương pháp điểm chính hoàn toàn bất lực khi vùng sao chép rơi vào các bề mặt nhẵn, đồng chất (bầu trời, mặt nước, bãi cỏ) do thiếu điểm cực trị cục bộ.

Tranh luận học thuật cốt lõi giữa hai trường phái nằm ở việc lựa chọn giữa độ mịn phân giải mức pixel (pixel-level precision của block-based) và khả năng kháng biến dạng hình học quy mô lớn (geometric robustness của keypoint-based). Luận án của Huỳnh Khả Tú định vị chính xác tại điểm giao thoa này: lựa chọn phương pháp tiếp cận khối ảnh nhưng tái cấu trúc toàn diện qua lăng kính Phân tích Đa phân giải (MRA). So sánh trực tiếp với hai nghiên cứu quốc tế tiêu biểu:

  1. So với nghiên cứu của Jiyun Yang et al. (2013) vốn sử dụng UDWT đòi hỏi tài nguyên bộ nhớ rất lớn do không lấy mẫu giảm (undecimated), giải thuật của luận án áp dụng DWT mức 1 lấy mẫu chuẩn kết hợp MZMs cải tiến, giúp cắt giảm hơn 60% thời gian xử lý mà vẫn gia tăng độ chính xác phân giải biên.
  2. So với công trình của Haodong Li et al. (2017) trên IEEE Transactions on Information Forensics and Security về bản đồ xác suất giả mạo tích hợp, luận án không chỉ dừng lại ở việc phát hiện sự hiện diện của vùng sao chép mà còn đề xuất cơ chế ước lượng độ sắc biên tại dải tần số cao để giải quyết dứt điểm bài toán phân định vùng gốc - vùng cắt dán và phát hiện mở rộng sang cả gian lận Splicing.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng và làm sâu sắc thêm ba lý thuyết toán học và xử lý tín hiệu nền tảng:

  1. Mở rộng Lý thuyết Moment trực giao Zernike (Frits Zernike, 1934): Tác giả chỉ ra rằng mô hình ánh xạ truyền thống của ZMs khi chiếu một khối ảnh vuông $N \times N$ vào đĩa tròn đơn vị $|r| \le 1$ làm thất thoát nghiêm trọng các điểm ảnh ở bốn góc khối vuông, gây ra sai số hình học (GE) và sai số số học (NE). Bằng cách tái cấu trúc ánh xạ cực đại hóa số lượng điểm ảnh nội tiếp/ngoại tiếp trong không gian tọa độ cực cải tiến (MZMs), luận án thiết lập một chuẩn trích chọn đặc trưng mới bất biến tuyệt đối với phép quay, triệt tiêu hiện tượng méo dạng vector đặc trưng.
  2. Làm sâu sắc Lý thuyết Phân tích Đa phân giải MRA (Stéphane Mallat, 1989): Công trình chứng minh về mặt giải tích và thực nghiệm rằng đối với bài toán phân tích cấu trúc khối ảnh giả mạo, biến đổi Wavelet trực giao (DWT) với hàm cơ sở Haar vượt trội hoàn toàn so với biến đổi Curvelet liên tục (FDCT của Candès & Donoho). Khung phân tích chỉ ra tính cục bộ hóa không gian - tần số của Wavelet thích ứng hoàn hảo với lưới khối ảnh vuông, trong khi đặc tính định hướng nêm parabol của Curvelet gây dư thừa hệ số và phân tán năng lượng không cần thiết trong các khối kích thước nhỏ ($8 \times 8$ hoặc $16 \times 16$).
  3. Phát triển Lý thuyết Biên suy biến trong miền tần số cao: Luận án đề xuất một nguyên lý mới: Mọi thao tác can thiệp cắt dán nhân tạo đều để lại sự gián đoạn gradient cường độ vi mô tại ranh giới ghép, dẫn đến sự gia tăng đột biến mật độ năng lượng độ sắc tại các dải chi tiết tần số cao ($HH_1, LH_1, HL_1$) so với các đường biên tự nhiên. Đây là bước chuyển dịch mô hình lý thuyết (Paradigm shift) từ việc chỉ so khớp thụ động các thuộc tính tương đồng sang việc chủ động truy vết năng lượng biên suy biến.
                           KHUNG PHÂN TÍCH ĐA PHÂN GIẢI VÀ GIÁM ĐỊNH ĐỘ SẮC BIÊN
                                            ẢNH ĐẦU VÀO CẦN KIỂM ĐỊNH
                                         [ Biến đổi Wavelet Rời rạc DWT mức 1 ]
         DẢI XẤP XỈ TẦN SỐ THẤP (LL1)                                DẢI CHI TIẾT TẦN SỐ CAO (HH1, LH1, HL1)
        - Phân chia khối ảnh nhỏ chồng lấp                          - Ước lượng độ sắc cạnh vi mô
        - Trích vector đặc trưng cải tiến MZMs / RDM                 - Phát hiện gián đoạn gradient ranh giới cắt dán
        - Sắp xếp từ điển & Khớp khối tối ưu                        - Phân lập vị trí nghi vấn giả mạo
                                         [ GIAO THOA VÀ TỐI ƯU HÓA KHÔNG GIAN ]
          KHÔI PHỤC VÙNG SAO CHÉP CHÍNH XÁC                          PHÂN ĐỊNH VÙNG GỐC VÀ VÙNG CẮT DÁN
          - Loại trừ cảnh báo giả                                     - Định vị thao tác Copy-Move vs Splicing
          - Cân bằng độ chính xác P và thời gian t                    - Tái tạo ranh giới đối tượng mức pixel

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liền mạch 4 cấu phần phương pháp luận:

  • Tầng tiền xử lý thích ứng: Phân tích Histogram phân đoạn nền đồng nhất đối với ảnh đơn giản nhằm giải phóng không gian tính toán dư thừa.
  • Tầng phân giải Wavelet: Thực hiện hạ chiều không gian bằng phép phân rã DWT mức 1, chuyển ma trận ảnh từ kích thước $M \times N$ về không gian $LL_1$ kích thước $(M/2) \times (N/2)$, giúp giảm 75% số lượng khối ảnh cần tính toán.
  • Tầng biểu diễn đặc trưng MZMs & RDM: Sử dụng các moment Zernike cải tiến và Phương pháp sai biệt chuyển động (Run Difference Method - RDM) trên dải $LL_1$ để bắt trọn các đặc trưng bất biến góc quay và dịch chuyển.
  • Tầng giám định tần số cao và phân định nguồn gốc: Trích xuất độ sắc từ dải $HH_1$, liên kết logic giao thoa với kết quả dải $LL_1$ để xác lập bản đồ gian lận cuối cùng.

Điều kiện biên (Boundary conditions): Khung phân tích áp dụng tối ưu cho các thao tác Copy-Move có dịch chuyển và xoay góc bất kỳ, có hoặc không có xử lý làm mờ biên (blurring), nhiễu cộng Gaussian hoặc nén JPEG; giả định không áp dụng cho các biến dạng phi tuyến làm thay đổi tỷ lệ kích thước (scaling) vượt quá giới hạn cực đại của khối phân tích.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ chặt chẽ thế giới quan thực chứng (Positivism) kết hợp phương pháp luận thực nghiệm định lượng cao cấp. Thiết kế đa tầng được cấu trúc hóa qua 6 giai đoạn phát triển thuật toán mang tính kế thừa logic:

Nhóm giải thuật Tên thuật toán đề xuất Đặc trưng kỹ thuật chính Mục tiêu tối ưu
Nhóm Cơ sở (Chương 1) Giải thuật 1 Tách nền dựa trên phân tích Histogram trước khi khớp khối Cắt giảm tối đa thời gian tính toán cho ảnh có nền đồng nhất
Giải thuật 2 Trích xuất đặc trưng khối dùng Modified Zernike Moments (MZMs) Giảm sai số hình học (GE) và sai số số học (NE), kháng thao tác xoay
Nhóm Trọng tâm (Chương 2) Giải thuật 3 Khảo sát so sánh đa phân giải DWT (Haar, db2, db4) và FDCT kết hợp ZMs Xác định Haar Wavelet là ứng viên tối ưu nhất cho CMFD
Giải thuật 4 Khớp vector đặc trưng MZMs trên dải $LL_1$ của DWT kết hợp đo độ sắc Cân bằng thời gian - độ chính xác; phân biệt vùng gốc và vùng sao chép
Giải thuật 5 So sánh đặc tính trên $LL_1$ kết hợp ước lượng độ sắc tại $HH_1$ qua ma trận RDMA Tận dụng toàn diện dải tần số cao, định vị chính xác biên cắt dán
Nhóm Mở rộng (Chương 3) Giải thuật 6 Giám định đa phương thức Copy-Move/Splicing kết hợp nhúng phần cứng Phân loại thao tác giả mạo, khôi phục vùng ảnh trên Raspberry Pi 3B

Quy trình nghiên cứu và Đảm bảo tính Tin cậy

Quy trình thu thập và xử lý dữ liệu được thiết kế đa nguồn nhằm loại bỏ hoàn toàn hiện tượng thiên kiến thực nghiệm:

  • Tập Benchmark chuẩn quốc tế: Bộ dữ liệu của ĐH Erlangen-Nürnberg (Riess et al.) gồm 48 ảnh gốc chuẩn hóa với độ phân giải cao, đi kèm tập hợp hàng trăm kịch bản biến đổi đồ họa được kiểm soát tuyệt đối về góc xoay ($0^\circ, 90^\circ, 180^\circ,...$), tỷ lệ co giãn, độ lệch chuẩn nhiễu Gaussian và các mức chất lượng nén JPEG ($Q = 20, 30,..., 100$).
  • Bộ dữ liệu đối chứng Splicing: Tập dbforgery (Battiato et al., ĐH Catania) gồm 60 ảnh gốc và 30 ảnh cắt ghép đa nguồn phức tạp.
  • Tập dữ liệu tự nhiên: Nhóm ảnh chụp thực tế đa dạng chủ đề và ảnh biên tập thủ công bằng phần mềm Adobe Photoshop nhằm kiểm thử tính linh hoạt của thuật toán trong môi trường thực tế.

Tam giác kiểm chứng (Triangulation) được thiết lập vững chắc qua 3 chỉ số đo lường hiệu năng cốt lõi ở cả cấp độ ảnh (image-level) và cấp độ điểm ảnh (pixel-level): $$\text{Precision } (P) = \frac{TP}{TP + FP}; \quad \text{Recall } (r) = \frac{TP}{TP + FN}; \quad F\text{-measure } (F) = 2 \cdot \frac{P \cdot r}{P + r}$$ Trong đó $TP$ (True Positive) là số điểm ảnh sao chép được nhận dạng chính xác; $FP$ (False Positive) là số điểm ảnh nguyên bản bị nhận dạng nhầm; $FN$ (False Negative) là số điểm ảnh sao chép bị bỏ sót.

Dữ liệu và Phân tích Nâng cao

Mô phỏng thuật toán được thực thi đồng nhất trên môi trường Matlab 2013a cài đặt trên hệ điều hành Windows 7 Ultimate 64-bit, vi xử lý Intel Core i5 xung nhịp 1.8GHz, bộ nhớ RAM 4GB. Đối với kiểm chứng phần cứng nhúng, thuật toán được cấu hình và thực thi trên bo mạch KIT Raspberry Pi 3B, điều khiển và giám sát từ xa qua giao thức mạng máy tính VNC.

Phương pháp sắp xếp từ điển (Lexicographical Sorting) và phân cụm K-means cải tiến được ứng dụng để tối ưu hóa việc tìm kiếm các cặp vector tương đồng trong không gian đặc trưng nhiều chiều, giảm chi phí tìm kiếm vét cạn từ $O(K^2)$ xuống mức tối ưu tiệm cận.

Phát hiện đột phá và implications

Những phát hiện then chốt

Trích dẫn nguyên văn từ tài liệu nghiên cứu: "Tính toán độ sắc tại các thành phần tần số cao với mục đích xác định vị trí của các vùng cắt dán nghi ngờ, kết hợp với các vùng giống nhau tìm được từ so sánh đặc tính dùng Phương pháp khác biệt chuyển động (Run Difference Method-RDM) tại thành phần xấp xỉ có thể giới hạn các vùng sao chép và cải tiến độ chính xác."

Nghiên cứu mang lại 4 phát hiện khoa học mang tính đột phá:

  1. Ưu thế tuyệt đối của Haar Wavelet so với Curvelet: Phân tích thực nghiệm trên nhóm 12 ảnh kiểm chứng chuẩn chỉ ra rằng, việc sử dụng biến đổi Wavelet (Haar, db2, db4) tiêu tốn ít thời gian tính toán hơn gấp nhiều lần so với biến đổi Curvelet (FDCT). Đặc biệt, bộ lọc Haar Wavelet kết hợp khối ảnh kích thước $8 \times 8$ hoặc $16 \times 16$ cho chỉ số $F$-measure cao nhất và độ phức tạp thấp nhất, bác bỏ giả thuyết cho rằng công cụ đa phân giải phức tạp hơn (như Curvelet) sẽ cho hiệu quả tốt hơn trong giám định khối.
  2. Khắc phục triệt để sai số hình học bằng MZMs: Giải thuật 2 sử dụng Zernike Moments cải tiến đạt giá trị Precision ($P$) vượt trội khi đối tượng sao chép bị xoay các góc tùy ý ($0^\circ$ đến $360^\circ$). Số lượng điểm ảnh được cực đại hóa trong vòng tròn đơn vị giúp triệt tiêu hiện tượng mất mát thông tin tại biên khối, duy trì độ đo $F > 92%$ trên các ảnh có thao tác xoay phức tạp.
  3. Đột phá phân định Vùng Gốc và Vùng Sao chép: Giải thuật 4 lần đầu tiên giải quyết trọn vẹn bài toán xác định bản chất vùng ảnh: vùng bị cắt dán luôn có giá trị độ sắc biên trung bình lớn hơn vùng gốc nguyên bản do thao tác chèn điểm ảnh tạo ra sự chuyển tiếp gradient đột ngột.
  4. Hợp nhất giám định Copy-Move và Splicing: Giải thuật 6 chứng minh rằng việc kết hợp tính toán độ sắc tại dải $HH_1$ và tái tạo vùng từ dải $LL_1$ cho phép phân loại chính xác $100%$ dạng thức giả mạo trên tập kiểm thử đối chứng: nếu chỉ phát hiện độ sắc cao ở biên mà không tìm thấy vùng tương đồng ở $LL_1$, ảnh được định danh là Splicing; nếu tồn tại đồng thời cả hai, ảnh được định danh là Copy-Move.
                  SO SÁNH HIỆU NĂNG THỰC NGHIỆM GIỮA CÁC PHƯƠNG PHÁP (MỨC PIXEL)

Implications đa chiều

  • Về mặt Lý thuyết: Công trình cung cấp một phương pháp luận hoàn chỉnh về xử lý tín hiệu đa phân giải ứng dụng trong an ninh truyền thông, mở rộng phạm vi ứng dụng của biến đổi Wavelet từ nén và khử nhiễu truyền thống sang trích xuất dấu vết pháp y kỹ thuật số.
  • Về mặt Phương pháp luận: Khung kết hợp giữa $LL_1$ (xấp xỉ không gian) và $HH_1$ (chi tiết tần số) thiết lập chuẩn mực mới cho việc thiết kế các thuật toán giám định ảnh lai (hybrid forensics), có thể mở rộng cho bài toán phát hiện ảnh giả mạo tạo bởi trí tuệ nhân tạo sinh (Deepfake/Generative AI).
  • Về mặt Thực tiễn và Chính sách: Giải thuật 6 triển khai thành công trên KIT Raspberry Pi 3B mở ra khả năng thương mại hóa các thiết bị giám định phần cứng cầm tay độc lập, phục vụ trực tiếp cho các cơ quan điều tra hình sự, tòa án, cơ quan báo chí truyền thông và các tổ chức công chứng số nhằm thẩm định tính xác thực của chứng cứ điện tử.

Limitations và Future Research

Luận án thừa nhận một cách khách quan 4 giới hạn nghiên cứu chính:

  1. Giới hạn về biến dạng co giãn tỷ lệ (Scaling): Các giải thuật dựa trên khối ảnh của luận án hoạt động tối ưu với thao tác dịch chuyển và xoay, nhưng hiệu năng $F$-measure suy giảm khi vùng sao chép bị phóng to hoặc thu nhỏ quá mức ($> 20%$) do sự bất tương thích kích thước khối cố định.
  2. Giới hạn phân tích chuyên sâu cho ảnh Splicing: Luận án chỉ dừng lại ở việc phát hiện sự hiện diện của thao tác Splicing thông qua độ sắc biên tần số cao mà chưa đi sâu xây dựng giải thuật chuyên biệt khôi phục toàn diện vùng Splicing từ nhiều nguồn ảnh khác nhau.
  3. Độ phân giải phần cứng nhúng: Thực nghiệm trên Raspberry Pi 3B bị giới hạn về dung lượng RAM (1GB trên KIT nhúng so với 4GB trên PC), khiến thời gian xử lý các ảnh có độ phân giải siêu cao (4K, 8K) kéo dài.
  4. Ảnh hưởng của hậu xử lý phức tạp: Sự kết hợp đồng thời của nhiều thao tác hậu xử lý cực đoan (nén JPEG chất lượng rất thấp $Q < 20$ kết hợp nhiễu Gaussian mạnh $\text{SNR} < 20\text{dB}$) làm suy giảm đáng kể các thành phần tần số cao tại $HH_1$.

Chương trình nghiên cứu tương lai (Future Agenda):

  • Phát triển cấu trúc khối ảnh thích nghi (Adaptive block sizing) kết hợp biến đổi tỉ lệ Polar-Affine để chống chịu toàn diện thao tác scaling đa hướng.
  • Tích hợp mạng nơ-ron tích chập sâu (Deep CNNs) vào dải xấp xỉ $LL_1$ để tự động học các đặc trưng ngữ nghĩa phức tạp.
  • Tối ưu hóa mã nguồn nhúng bằng ngôn ngữ C/C++ và công nghệ gia tốc phần cứng GPU/CUDA trên các dòng KIT hiệu năng cao hơn như Nvidia Jetson Nano/Xavier.

Tác động và ảnh hưởng

  • Tác động Học thuật: Luận án tạo tiền đề cho các hướng nghiên cứu xử lý tín hiệu đa phân giải tại Việt Nam. Với 13 công trình công bố quốc tế và quốc gia (đặc biệt là 2 bài báo Scopus/ESCI và 1 chương sách Springer), công trình đóng góp nguồn trích dẫn học thuật quan trọng cho cộng đồng nghiên cứu CMFD quốc tế.
  • Chuyển dịch Ngành Công nghiệp An ninh Thông tin: Cung cấp giải pháp công nghệ lõi cho các hệ thống xác thực tài liệu điện tử (e-KYC), ngân hàng số, bảo hiểm số và bảo vệ bản quyền tác giả trong kỷ nguyên số hóa toàn diện.
  • Tác động Pháp lý và Xã hội: Cung cấp cơ sở khoa học định lượng vững chắc cho ngành Pháp y Kỹ thuật số (Digital Forensics), hỗ trợ đắc lực cho các cơ quan thực thi pháp luật trong việc thẩm định bằng chứng hình ảnh tại tòa án, ngăn chặn tin giả và thông tin sai lệch trên không gian mạng.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giảng viên ngành Xử lý Ảnh/Thị giác Máy tính: Tiếp cận một tài liệu tham khảo chuẩn mực về phương pháp kết hợp phân tích đa phân giải Wavelet và moment trực giao Zernike.
  • Kỹ sư R&D trong các Tập đoàn Công nghệ: Kế thừa trực tiếp mã nguồn thuật toán và kiến trúc nhúng Raspberry Pi 3B để phát triển các sản phẩm thương mại giám định ảnh thời gian thực.
  • Chuyên viên Pháp y Kỹ thuật số và Cơ quan Tư pháp: Sử dụng công cụ để phát hiện chính xác các hành vi làm giả hồ sơ, tài liệu, hiện trường vụ án thông qua các báo cáo định lượng tin cậy ($P, r, F$).

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì? Đó là việc xây dựng thành công Lý thuyết Zernike Moments cải tiến (MZMs) kết hợp Khung ước lượng độ sắc biên trong miền tần số cao Wavelet ($HH_1$). Luận án đã mở rộng lý thuyết đa thức Zernike truyền thống bằng mô hình ánh xạ cực đại hóa điểm ảnh vào đĩa đơn vị, loại bỏ hoàn toàn các sai số hình học (GE) và sai số số học (NE) vốn tồn tại suốt nhiều thập kỷ trong trích xuất đặc trưng khối xoay.

2. Đột phá phương pháp luận của luận án so với các công trình quốc tế tiêu biểu? So với nghiên cứu kinh điển của Popescu & Farid (2004 - dùng PCA) và Amerini et al. (2011 - dùng SIFT), luận án đã tạo ra bước đột phá khi đề xuất kiến trúc xử lý song song hai dải tần số DWT mức 1: sử dụng dải xấp xỉ $LL_1$ để nén 75% không gian tìm kiếm và khớp đặc trưng MZMs/RDM, đồng thời dùng dải chi tiết $HH_1$ để bắt vết năng lượng gián đoạn vi mô, giải quyết dứt điểm nghịch lý giữa tốc độ tính toán và độ chính xác phân giải biên.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất trong quá trình nghiên cứu? Phát hiện bất ngờ nhất là việc Haar Wavelet – bộ lọc wavelet đơn giản nhất – lại vượt trội hơn hoàn toàn so với các biến đổi hình học phức tạp như Curvelet (FDCT) hay Daubechies bậc cao (db4) trong tác vụ CMFD dựa trên khối. Thực nghiệm chứng minh tính trực giao và hỗ trợ cục bộ gọn của Haar Wavelet không làm biến dạng năng lượng khối vuông, mang lại giá trị $F$-measure cao nhất với thời gian xử lý chỉ bằng một phần nhỏ so với Curvelet.

4. Luận án có cung cấp giao thức tái lập thực nghiệm (Replication Protocol) không? Có. Toàn bộ cấu hình hệ thống (Matlab 2013a, Windows 7 64-bit, Intel Core i5 @ 1.8GHz, 4GB RAM), thông số kích thước khối ($8 \times 8, 16 \times 16$), bậc moment Zernike, ngưỡng khoảng cách Euclidean, thuật toán phân cụm K-means và sơ đồ kết nối chân phần cứng Raspberry Pi 3B qua VNC đều được mô tả chi tiết tại Chương 1, Chương 2, Chương 3 và hệ thống Phụ lục 1, 2, 3 của luận án.

5. Tầm nhìn chương trình nghiên cứu 10 năm tiếp theo được định hình như thế nào? Tầm nhìn 10 năm tập trung vào việc chuyển đổi mô hình từ trích xuất đặc trưng thủ công (hand-crafted features) sang mạng nơ-ron học sâu thích ứng đa phân giải (Deep Multiresolution Networks), tích hợp bộ xử lý thị giác thần kinh (NPU) trên các thiết bị giám định biên (Edge AI Forensics) phục vụ an ninh quốc gia.

Kết luận

Luận án tiến sĩ của tác giả Huỳnh Khả Tú đã giải quyết trọn vẹn và xuất sắc mục tiêu đề ra thông qua 6 đóng góp cốt lõi:

  1. Xây dựng hệ thống phân loại và mô hình tổng quát cho bài toán giám định ảnh Copy-Move dựa trên khảo sát toàn diện 10 năm dữ liệu công bố quốc tế trên IEEE và ScienceDirect.
  2. Đề xuất giải thuật tách nền dựa trên Histogram giúp triệt tiêu dư thừa tính toán trên ảnh có bố cục đơn giản, tối ưu hóa tốc độ xử lý cho các tập dữ liệu quy mô lớn.
  3. Phát triển thành công lý thuyết và giải thuật Zernike Moments cải tiến (MZMs), cực đại hóa số lượng điểm ảnh ánh xạ vào đĩa đơn vị, triệt tiêu sai số hình học và số học đối với vùng sao chép bị xoay góc bất kỳ.
  4. Chứng minh vị thế ưu việt của Haar Wavelet so với Curvelet trong phân tích đa phân giải khối ảnh, thiết lập chuẩn kết hợp tối ưu giữa dải xấp xỉ $LL_1$ và dải chi tiết $HH_1$.
  5. Tiên phong đề xuất giải thuật xác định bản chất vùng ảnh (phân biệt rạch ròi giữa vùng gốc và vùng cắt dán) dựa trên định lượng độ sắc cạnh tại dải tần số cao.
  6. Xây dựng giải thuật hợp nhất phát hiện thao tác Copy-Move/Splicing và hiện thực hóa thành công trên phần cứng nhúng Raspberry Pi 3B với độ chính xác và độ ổn định thực tế cao.

Công trình tạo ra bước tiến quan trọng trong ngành Kỹ thuật Điện tử và Thị giác máy tính tại Việt Nam, mở ra ba nhánh nghiên cứu mới về giám định ảnh nhúng thời gian thực, pháp y dữ liệu đa phương tiện và bảo mật thị giác số, khẳng định giá trị học thuật bền vững và năng lực ứng dụng thực tiễn vượt bậc.