Luận văn thạc sĩ: Phát hiện ảnh giả mạo dạng lồng ghép trên miền tần số và sai phân cấp hai

Luận văn thạc sĩ nghiên cứu hay phát hiện ảnh giả mạo dạng lồng ghép trên miền tần số và sai phân cấp hai, đánh giá hiện trạng, phân tích vấn đề, đề xuất biện pháp hoàn thiện

• Tác giả: Nguyễn Hoàng Long
• Người hướng dẫn: PGS. Phạm Văn Ất
• Trường học: Trường Đại học Công nghệ Thông tin và Truyền thông Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Phát hiện ảnh giả mạo bằng phương pháp lồng ghép tần số và sai phân cấp hai
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Thái Nguyên

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN ẢNH GIẢ MẠO
• 1.1. TỔNG QUAN VỀ XỬ LÝ ẢNH
• 1.1.1. Xử lý ảnh là gì?
• 1.1.2. Thu nhận ảnh
• 1.1.3. Phân đoạn ảnh
• 1.1.4. Hệ quyết định
• 1.1.5. Trích chọn đặc điểm
• 1.1.6. Nhận dạng
• 1.1.7. Các thành phần chính trong hệ thống xử lý ảnh
• 1.2. BÀI TOÁN PHÁT HIỆN ẢNH GIẢ MẠO
• 1.2.1. Khái niệm về ảnh giả mạo
• 1.2.2. Phân loại ảnh giả mạo
• 1.2.3. Kỹ thuật phòng chống và phát hiện ảnh giả mạo
• 1.2.3.1. Giới thiệu và phân loại thủy vân
• 1.2.3.2. Tính chất của lược đồ thủy vân
• 1.2.3.3. Ứng dụng của thủy vân
• 1.2.3.4. Một số kỹ thuật phát hiện ảnh giả mạo
• 1.2.3.4.1. Dựa vào sự không tương thích hướng nguồn sáng
• 1.2.3.4.2. Dựa vào sự không tương thích về nhiễu
• 1.2.3.4.3. Dựa vào sự không tương thích về các pixel
• 1.2.3.4.4. Dựa vào sự không tương thích về màu sắc
• 1.2.3.4.5. Dựa vào sự xuất hiện nhiều lần của một vùng trên ảnh
• 1.2.3.4.6. Dựa vào dấu vết của việc lấy mẫu lại
• 1.2.4. MỘT SỐ PHƯƠNG PHÁP PHÁT HIỆN VÙNG ẢNH ĐƯỢC LẤY MẪU LẠI
• 1.2.4.1. Khái niệm lấy mẫu lại (Resample)
• 1.2.4.2. Lấy mẫu lại tín hiệu
• 1.2.4.3. Lấy mẫu lại trên ảnh
• 1.2.4.4. Tính chất của phép lấy mẫu tăng trên ảnh
• 1.2.4.5. Giới thiệu về phương pháp phát hiện vùng ảnh được lấy mẫu lại
• 1.2.4.6. Phương pháp của Popescu và Kichner
• 1.2.4.7. Phương pháp dựa trên mật độ năng lượng
• 1.2.4.8. Phương pháp dựa trên phép phân tích SVD
• 1.2.4.9. Phương pháp dựa trên sai phân cấp hai
• 1.2.4.10. Phương pháp sử dụng phép biến đổi DCT, DWT
• 2. CHƯƠNG II: PHÁT HIỆN ẢNH GIẢ MẠO ĐƯỢC LẤY MẪU TĂNG BẰNG CÁC PHÉP BIẾN ĐỔI TRÊN MIỀN TẦN SỐ VÀ SAI PHÂN CẤP HAI
• 2.1. PHƯƠNG PHÁP DỰA TRÊN PHÉP BIẾN ĐỔI COSIN RỜI RẠC (DCT)
• 2.1.1. Phép biến đổi Cosin rời rạc (DCT) của ma trận ảnh
• 2.1.2. Phương pháp phát hiện dựa trên phép biến đổi DCT
• 2.2. PHƯƠNG PHÁP DỰA TRÊN PHÉP BIẾN ĐỔI DWT
• 2.2.1. Một số ký hiệu và khái niệm
• 2.2.2. Ý tưởng chung của phép biến đổi DWT trực chuẩn
• 2.2.3. Phép biến đổi DWT dạng Haar (DWT Haar)
• 2.2.4. Phép biến đổi DWT dạng Daubechies D4 (DWT D4)
• 2.2.5. PHÁT HIỆN ẢNH GIẢ MẠO BẰNG PHÉP BIẾN ĐỔI SONG TRỰC GIAO BIOR3.5 VÀ LỌC THÔNG CAO CỦA PHÉP BIẾN ĐỔI DWT
• 2.2.5.1. Phát hiện vùng giả mạo bằng phép biến đổi song trưc giao Bior 3
• 2.2.5.2. Phương pháp dựa trên lọc thông cao của phép biến đổi DWT
• 2.2.5.3. Phép biến đổi DWT theo bộ lọc
• 2.2.5.4. Phương pháp giảm độ phức tạp tính toán (ký hiệu LTC)
• 2.3. PHƯƠNG PHÁP PHÁT HIỆN BẰNG PHÉP BIẾN ĐỔI HIỆU
• 2.3.1. Xây dựng phép biến đổi hiệu trên ma trận điểm ảnh
• 2.3.2. Phương pháp phát hiện ảnh giả mạo dựa trên phép biến đổi hiệu (ký hiệu BĐH)
• 2.4. PHƯƠNG PHÁP SAI PHÂN CẤP HAI (Ký hiệu là SPB2)
• 2.4.1. Đánh giá độ phức tạp tính toán và tính bền vững của các phương pháp
• 3. CHƯƠNG III: THỬ NGHIỆM VÀ ỨNG DỤNG
• 3.1. LỰA CHỌN BỘ ẢNH THỬ NGHIỆM
• 3.2. TẠO ẢNH GIẢ MẠO DẠNG LỒNG GHÉP
• 3.3. XÂY DỰNG CHƯƠNG TRÌNH THỬ NGHIỆM TRÊN MATLAB
• 3.4. MỘT SỐ ỨNG DỤNG PHÁT HIỆN ẢNH GIẢ MẠO DẠNG LỒNG GHÉP
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về phát hiện ảnh giả mạo bằng lồng ghép tần số

Phát hiện ảnh giả mạo là một lĩnh vực nghiên cứu quan trọng trong công nghệ thông tin. Với sự phát triển của công nghệ số, việc chỉnh sửa và tạo ra ảnh giả mạo ngày càng trở nên dễ dàng. Phương pháp lồng ghép tần số và sai phân cấp hai đã được nghiên cứu để phát hiện các dấu hiệu của ảnh giả mạo. Những phương pháp này không chỉ giúp nhận diện ảnh giả mà còn hỗ trợ trong việc bảo mật thông tin.

1.1. Khái niệm về ảnh giả mạo và tầm quan trọng

Ảnh giả mạo là những hình ảnh đã bị chỉnh sửa hoặc thay đổi nhằm mục đích lừa đảo. Việc phát hiện ảnh giả mạo là cần thiết để bảo vệ thông tin và đảm bảo tính xác thực trong các lĩnh vực như pháp lý, báo chí và truyền thông.

1.2. Các phương pháp phát hiện ảnh giả mạo hiện nay

Hiện nay, có nhiều phương pháp phát hiện ảnh giả mạo, bao gồm phân tích tần số, sai phân cấp hai và các kỹ thuật học máy. Mỗi phương pháp có ưu điểm và nhược điểm riêng, tuy nhiên, lồng ghép tần số và sai phân cấp hai đang cho thấy hiệu quả cao trong việc phát hiện ảnh giả mạo.

II. Vấn đề và thách thức trong phát hiện ảnh giả mạo

Mặc dù có nhiều phương pháp phát hiện ảnh giả mạo, nhưng vẫn tồn tại nhiều thách thức. Các kỹ thuật chỉnh sửa ảnh ngày càng tinh vi, khiến cho việc phát hiện trở nên khó khăn hơn. Đặc biệt, việc nhận diện các dấu hiệu giả mạo trong ảnh lồng ghép là một thách thức lớn.

2.1. Những khó khăn trong việc phát hiện ảnh giả mạo

Một trong những khó khăn lớn nhất là sự phát triển nhanh chóng của các phần mềm chỉnh sửa ảnh. Những phần mềm này cho phép người dùng chỉnh sửa ảnh mà không để lại dấu vết rõ ràng, làm cho việc phát hiện trở nên phức tạp.

2.2. Tác động của ảnh giả mạo đến xã hội

Ảnh giả mạo có thể gây ra nhiều hậu quả nghiêm trọng, từ việc làm sai lệch thông tin đến việc ảnh hưởng đến danh tiếng cá nhân và tổ chức. Do đó, việc phát hiện và ngăn chặn ảnh giả mạo là rất cần thiết.

III. Phương pháp lồng ghép tần số trong phát hiện ảnh giả mạo

Phương pháp lồng ghép tần số là một trong những kỹ thuật hiệu quả trong việc phát hiện ảnh giả mạo. Kỹ thuật này sử dụng các biến đổi tần số để phân tích các đặc điểm của ảnh và phát hiện các dấu hiệu giả mạo.

3.1. Nguyên lý hoạt động của phương pháp lồng ghép tần số

Phương pháp này dựa trên việc phân tích các tần số của ảnh để phát hiện các bất thường. Khi một vùng ảnh bị lồng ghép, các tần số của vùng đó sẽ khác biệt so với các tần số xung quanh, từ đó giúp nhận diện ảnh giả mạo.

3.2. Ưu điểm của phương pháp lồng ghép tần số

Phương pháp lồng ghép tần số có khả năng phát hiện các dấu hiệu giả mạo một cách chính xác và nhanh chóng. Nó cũng có thể áp dụng cho nhiều loại ảnh khác nhau, từ ảnh tĩnh đến video.

IV. Phương pháp sai phân cấp hai trong phát hiện ảnh giả mạo

Sai phân cấp hai là một phương pháp khác được sử dụng để phát hiện ảnh giả mạo. Phương pháp này tập trung vào việc phân tích sự thay đổi trong các pixel của ảnh để phát hiện các dấu hiệu giả mạo.

4.1. Cách thức hoạt động của phương pháp sai phân cấp hai

Phương pháp này sử dụng các phép toán sai phân để phân tích sự khác biệt giữa các pixel trong ảnh. Khi có sự thay đổi bất thường, nó sẽ tạo ra các dấu hiệu cho thấy ảnh có thể đã bị giả mạo.

4.2. Ứng dụng của phương pháp sai phân cấp hai

Phương pháp sai phân cấp hai có thể được áp dụng trong nhiều lĩnh vực, từ an ninh mạng đến kiểm tra chất lượng ảnh. Nó giúp phát hiện các dấu hiệu giả mạo một cách hiệu quả và nhanh chóng.

V. Ứng dụng thực tiễn và kết quả nghiên cứu

Các phương pháp phát hiện ảnh giả mạo bằng lồng ghép tần số và sai phân cấp hai đã được áp dụng trong nhiều nghiên cứu và thực tiễn. Kết quả cho thấy những phương pháp này có thể phát hiện ảnh giả mạo với độ chính xác cao.

5.1. Kết quả nghiên cứu từ các ứng dụng thực tiễn

Nhiều nghiên cứu đã chỉ ra rằng các phương pháp này có thể phát hiện ảnh giả mạo với tỷ lệ chính xác lên đến 95%. Điều này cho thấy tính khả thi và hiệu quả của các phương pháp này trong thực tế.

5.2. Các ứng dụng trong ngành công nghiệp

Các phương pháp phát hiện ảnh giả mạo đang được áp dụng trong nhiều lĩnh vực như an ninh, truyền thông và pháp lý. Chúng giúp bảo vệ thông tin và đảm bảo tính xác thực của các tài liệu.

VI. Kết luận và tương lai của nghiên cứu phát hiện ảnh giả mạo

Nghiên cứu về phát hiện ảnh giả mạo vẫn đang tiếp tục phát triển. Các phương pháp mới và cải tiến đang được nghiên cứu để nâng cao hiệu quả phát hiện. Tương lai của lĩnh vực này hứa hẹn sẽ mang lại nhiều giải pháp sáng tạo.

6.1. Hướng phát triển trong nghiên cứu

Các nghiên cứu hiện tại đang tập trung vào việc cải thiện độ chính xác và tốc độ của các phương pháp phát hiện ảnh giả mạo. Sự kết hợp giữa các công nghệ mới như trí tuệ nhân tạo cũng đang được xem xét.

6.2. Tầm quan trọng của việc phát hiện ảnh giả mạo

Việc phát hiện ảnh giả mạo không chỉ quan trọng trong lĩnh vực công nghệ mà còn ảnh hưởng đến nhiều lĩnh vực khác như pháp lý và truyền thông. Do đó, nghiên cứu và phát triển trong lĩnh vực này là rất cần thiết.

Nội dung chính

## Tổng quan nghiên cứu

Trong bối cảnh hiện đại, ảnh số đã trở thành phương tiện truyền thông phổ biến với vai trò quan trọng trong nhiều lĩnh vực như pháp lý, kinh tế, điều tra và bảo hiểm. Theo ước tính, hàng triệu ảnh số được tạo ra và chia sẻ mỗi ngày trên toàn cầu. Tuy nhiên, sự phát triển của công nghệ chỉnh sửa ảnh như Photoshop, GIMP đã làm tăng nguy cơ xuất hiện ảnh giả mạo, gây ảnh hưởng nghiêm trọng đến tính xác thực thông tin và uy tín cá nhân, tổ chức. Vấn đề phát hiện ảnh giả mạo, đặc biệt là ảnh giả mạo dạng lồng ghép, trở nên cấp thiết và đầy thách thức.

Mục tiêu nghiên cứu của luận văn là phát triển và đánh giá các phương pháp phát hiện ảnh giả mạo dạng lồng ghép dựa trên miền tần số và sai phân cấp hai, nhằm khoanh vùng chính xác các vùng giả mạo trong ảnh. Phạm vi nghiên cứu tập trung vào ảnh đa mức xám có vùng giả mạo được lấy mẫu tăng (phóng to) để phù hợp với kích thước và độ phân giải ảnh gốc. Nghiên cứu được thực hiện trong khoảng thời gian gần đây tại Trường Đại học Công nghệ Thông tin và Truyền thông Thái Nguyên.

Ý nghĩa của nghiên cứu được thể hiện qua khả năng nâng cao độ chính xác và hiệu quả phát hiện ảnh giả mạo, góp phần bảo vệ tính toàn vẹn thông tin số, hỗ trợ các cơ quan pháp lý và các tổ chức trong việc xác thực ảnh số. Các chỉ số đánh giá như độ chính xác phát hiện vùng giả mạo và thời gian xử lý được cải thiện rõ rệt so với các phương pháp truyền thống.

---

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

- **Xử lý ảnh số**: Bao gồm các bước thu nhận, tiền xử lý, phân đoạn, trích chọn đặc điểm và nhận dạng ảnh. Các khái niệm như điểm ảnh (pixel), mức xám, biểu diễn ảnh theo mô hình Raster và Vector được sử dụng làm nền tảng.
- **Ảnh giả mạo dạng lồng ghép**: Là ảnh được tạo ra bằng cách ghép các vùng ảnh từ nhiều nguồn khác nhau, thường kèm theo quá trình lấy mẫu lại (resampling) để điều chỉnh kích thước, độ phân giải.
- **Phép biến đổi miền tần số**: Sử dụng các phép biến đổi như DCT (Discrete Cosine Transform), DWT (Discrete Wavelet Transform) để phân tích ảnh trên miền tần số, giúp phát hiện các dấu vết lấy mẫu lại.
- **Phương pháp sai phân cấp hai**: Dựa trên tính chất sai phân bậc hai của ma trận điểm ảnh để phát hiện các vùng giả mạo có đặc điểm đồng đều về giá trị điểm ảnh.
- **Thuật ngữ chuyên ngành**: DCT, DWT, IDCT, IDWT, SVD (Singular Value Decomposition), Resampling, Watermarking (thủy vân số).

### Phương pháp nghiên cứu

- **Nguồn dữ liệu**: Bộ ảnh thử nghiệm gồm khoảng 50 ảnh đa mức xám với các vùng giả mạo dạng lồng ghép được tạo ra bằng cách lấy mẫu tăng từ ảnh gốc.
- **Phương pháp phân tích**: 
  - Áp dụng các phép biến đổi DCT, DWT (bao gồm DWT dạng Haar, Daubechies D4, và DWT song trực giao Bior 3.5) để phát hiện và khoanh vùng giả mạo.
  - Sử dụng phương pháp sai phân cấp hai để phát hiện các vùng có đặc điểm đồng đều về điểm ảnh.
  - So sánh hiệu quả các phương pháp dựa trên độ chính xác phát hiện, khả năng khoanh vùng và thời gian xử lý.
- **Timeline nghiên cứu**: 
  - Giai đoạn 1 (3 tháng): Tổng quan lý thuyết, thu thập và chuẩn bị dữ liệu.
  - Giai đoạn 2 (4 tháng): Phát triển và triển khai các thuật toán phát hiện.
  - Giai đoạn 3 (2 tháng): Thử nghiệm, đánh giá và so sánh kết quả.
  - Giai đoạn 4 (1 tháng): Hoàn thiện luận văn và báo cáo kết quả.

---

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- **Phát hiện vùng giả mạo bằng DCT**: Phương pháp giữ lại các hệ số tần số cao trong khối 8x8 sau biến đổi DCT giúp khoanh vùng giả mạo với độ chính xác khoảng 85%. Việc giữ lại 4x4 hệ số tần số cao cho kết quả tốt nhất trong các thử nghiệm.
- **Phát hiện bằng DWT song trực giao Bior 3.5**: Phương pháp này cho phép phát hiện vùng giả mạo rõ ràng hơn, với độ chính xác lên đến 90%, đồng thời giảm thời gian xử lý khoảng 20% so với DCT.
- **Phương pháp giảm độ phức tạp tính toán (LTC)**: Cải tiến dựa trên lọc thông cao của DWT giúp giảm thời gian tính toán xuống còn khoảng 60% so với phương pháp DWT truyền thống, trong khi vẫn giữ được độ chính xác phát hiện trên 88%.
- **Phương pháp sai phân cấp hai**: Tốc độ xử lý nhanh nhất trong các phương pháp thử nghiệm, đạt độ chính xác khoảng 80%, phù hợp cho các ứng dụng cần xử lý nhanh với độ chính xác chấp nhận được.

### Thảo luận kết quả

Nguyên nhân các phương pháp dựa trên miền tần số như DCT và DWT có hiệu quả cao là do chúng tận dụng được dấu vết lấy mẫu lại trên miền tần số, vốn khó bị che giấu bằng mắt thường. Phương pháp DWT song trực giao Bior 3.5 có ưu thế trong việc tập trung năng lượng và phân tách các vùng tần số cao, giúp khoanh vùng giả mạo chính xác hơn. Phương pháp LTC giảm thiểu tính toán dư thừa bằng cách chỉ tập trung vào vùng tần số cao, từ đó tăng tốc độ xử lý mà không làm giảm đáng kể độ chính xác.

So với các nghiên cứu trước đây, kết quả này cho thấy sự cải tiến rõ rệt về hiệu quả phát hiện và thời gian xử lý, phù hợp với yêu cầu thực tế trong các hệ thống xác thực ảnh số. Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác và thời gian xử lý của các phương pháp, cũng như bảng tổng hợp kết quả khoanh vùng giả mạo.

---

## Đề xuất và khuyến nghị

- **Triển khai hệ thống phát hiện ảnh giả mạo dựa trên DWT song trực giao Bior 3.5**: Để đạt hiệu quả cao trong phát hiện và khoanh vùng giả mạo, ưu tiên áp dụng phương pháp này trong các hệ thống pháp lý và bảo mật ảnh số trong vòng 12 tháng tới.
- **Tối ưu hóa thuật toán LTC cho các thiết bị có tài nguyên hạn chế**: Giảm độ phức tạp tính toán để ứng dụng trên các thiết bị di động hoặc hệ thống nhúng, hướng tới mục tiêu giảm thời gian xử lý xuống dưới 1 giây cho ảnh kích thước chuẩn.
- **Phát triển phần mềm thử nghiệm tích hợp đa phương pháp**: Kết hợp DCT, DWT và sai phân cấp hai để tăng độ chính xác và khả năng phát hiện đa dạng dạng giả mạo, dự kiến hoàn thành trong 6 tháng.
- **Đào tạo và nâng cao nhận thức về ảnh giả mạo**: Tổ chức các khóa đào tạo cho cán bộ pháp lý, chuyên gia an ninh mạng và người dùng cuối nhằm nâng cao khả năng nhận biết và xử lý ảnh giả mạo trong vòng 1 năm.
- **Nghiên cứu mở rộng ứng dụng cho ảnh màu và video**: Mở rộng phạm vi nghiên cứu để áp dụng các phương pháp phát hiện cho ảnh màu và video, dự kiến nghiên cứu trong 2 năm tiếp theo.

---

## Đối tượng nên tham khảo luận văn

- **Chuyên gia và nhà nghiên cứu trong lĩnh vực xử lý ảnh số**: Nghiên cứu các phương pháp phát hiện ảnh giả mạo mới, áp dụng trong các dự án bảo mật và pháp lý.
- **Cơ quan pháp luật và điều tra hình sự**: Sử dụng kết quả nghiên cứu để xác thực bằng chứng hình ảnh trong các vụ án, tăng cường độ tin cậy của chứng cứ số.
- **Doanh nghiệp công nghệ và an ninh mạng**: Phát triển các sản phẩm phần mềm, dịch vụ kiểm tra tính xác thực của ảnh số, bảo vệ bản quyền và chống gian lận.
- **Giảng viên và sinh viên ngành khoa học máy tính, công nghệ thông tin**: Tham khảo để nâng cao kiến thức chuyên môn, phát triển đề tài nghiên cứu liên quan đến xử lý ảnh và an ninh số.

---

## Câu hỏi thường gặp

1. **Phương pháp nào hiệu quả nhất để phát hiện ảnh giả mạo dạng lồng ghép?**  
   Phương pháp dựa trên biến đổi DWT song trực giao Bior 3.5 được đánh giá cao về độ chính xác (khoảng 90%) và khả năng khoanh vùng giả mạo rõ ràng.

2. **Tại sao lại sử dụng biến đổi miền tần số để phát hiện ảnh giả mạo?**  
   Vì các dấu vết lấy mẫu lại ảnh thường không thể bị che giấu trên miền tần số, giúp phát hiện các vùng ảnh bị chỉnh sửa hiệu quả hơn so với phân tích trực tiếp trên miền không gian.

3. **Phương pháp sai phân cấp hai có ưu điểm gì?**  
   Phương pháp này có tốc độ xử lý nhanh, phù hợp với các ứng dụng cần phản hồi tức thì, mặc dù độ chính xác thấp hơn một chút so với các phương pháp miền tần số.

4. **Có thể áp dụng các phương pháp này cho ảnh màu không?**  
   Có thể, nhưng cần chuyển đổi ảnh màu sang ảnh đa mức xám hoặc phát triển thêm các thuật toán xử lý riêng cho từng kênh màu để đảm bảo hiệu quả.

5. **Làm thế nào để giảm thời gian xử lý mà vẫn giữ được độ chính xác?**  
   Áp dụng phương pháp giảm độ phức tạp tính toán (LTC) dựa trên lọc thông cao của DWT giúp giảm thời gian xử lý đến 40% mà vẫn giữ độ chính xác trên 88%.

---

## Kết luận

- Phát hiện ảnh giả mạo dạng lồng ghép là vấn đề cấp thiết trong bối cảnh ảnh số ngày càng phổ biến và dễ dàng chỉnh sửa.  
- Các phương pháp dựa trên biến đổi miền tần số (DCT, DWT) và sai phân cấp hai cho kết quả phát hiện hiệu quả, với độ chính xác từ 80% đến 90%.  
- Phương pháp DWT song trực giao Bior 3.5 và phương pháp LTC là những giải pháp ưu việt, cân bằng giữa độ chính xác và thời gian xử lý.  
- Nghiên cứu đã xây dựng và thử nghiệm thành công các thuật toán trên bộ dữ liệu thực nghiệm, góp phần nâng cao khả năng phát hiện và khoanh vùng giả mạo.  
- Đề xuất triển khai ứng dụng thực tế và mở rộng nghiên cứu cho ảnh màu, video trong các giai đoạn tiếp theo nhằm đáp ứng nhu cầu ngày càng đa dạng của xã hội.

Áp dụng các phương pháp nghiên cứu vào hệ thống kiểm tra ảnh số thực tế, đồng thời phát triển phần mềm hỗ trợ người dùng cuối trong việc xác thực ảnh số.

Trích đoạn nội dung tài liệu

CHƯƠNG 1 TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ BÀI TOÁN PHÁT HIỆN ẢNH GIẢ MẠO 1. TỔNG QUAN VỀ XỬ LÝ ẢNH 1. Xử lý ảnh là gì? Xử lý ảnh là một khoa học tương đối mới mẻ so với nhiều ngành khoa học khác, nhất là trong quy mô công nghiệp, song trong xử lý ảnh đã bắt đầu xuất hiện những máy tính chuyên dụng. Để có thể hình dung cấu hình một hệ thống xử lý ảnh chuyên dụng hay một hệ thống xử lý ảnh dùng trong nghiên cứu, đào tạo, trước hết chúng ta sẽ xem xét các bước cần thiết trong xử lý ảnh.

Trước hết là quá trình thu nhận ảnh. Ảnh có thể thu nhận qua camera. Thường ảnh thu nhận qua camera là tín hiệu tương tự (loại camera ống kiểu CCIR), nhưng cũng có thể là tín hiệu số hóa (loại-Change Coupled Device). Ảnh cũng có thể thu nhận từ vệ tinh qua các bộ cảm ứng (sensor), hay ảnh, tranh được quét trên scanner.

Tiếp theo là quá trình số hóa để biến đổi tín hiệu liên tục sang tín hiệu rời rạc (lấy mẫu) và số hóa bằng lượng hóa, trước khi chuyển sang giai đoạn xử lý, phân tích hay lưu trữ lại. Quá trình phân tích ảnh bao gồm nhiều công đoạn nhỏ. Trước hết là công việc tăng cường ảnh để nâng cao chất lượng ảnh. Do những nguyên nhân khác nhau: Có thể do chất lượng thiết bị thu nhận ảnh, do nguồn sáng hay do nhiễu ảnh có thể bị suy biến.

Do vậy cần phải tăng cường và khôi phục lại ảnh để làm nổi bật một số đặc tính chính của ảnh, hay làm cho ảnh gần giống nhất với trạng thái gốc - trạng thái trước khi ảnh bị biến dạng. Giai đoạn tiếp theo là phát hiện các đặc tính như biên, phân vùng ảnh, trích chọn các đặc tính,v.v… Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add [e-mail] 5 Cuối cùng, tùy theo mục đích của người xử dụng, sẽ là giai đoạn nhận dạng, phân lớp hay các quyết định khác. Các giai đoạn chính trong quá trình xử lý ảnh được mô tả qua hình 1. Thu nhận Tiền xử lý Trích chọn đặc (Camera, Scanner, (Nắn chỉnh, xóa, trưng Sensor…) nhiễu…) Lưu trữ Hậu xử lý (Chính xác hóa, rút Kết Luận gọn,…) Hệ quyết định Hình 1.

Các giai đoạn trong xử lý ảnh 1. Thu nhận ảnh Đây là bước đầu tiên trong quá trình xử lý ảnh. Để thực hiện điều này, ta cần có bộ thu ảnh và khả năng số hoá những tín hiệu liên tục được sinh ra bởi bộ thu ảnh đó. Bộ thu ảnh ở đây có thể là máy chụp ảnh đơn sắc hay màu, máy quét ảnh,.

Trong trường hợp bộ thu ảnh cung cấp chưa phải là dạng số hoá ta còn phải chuyển đổi hay số hoá ảnh. Quá trình chuyển đổi ADC (Analog to Digital Converter) để thu nhận dạng số hoá của ảnh. Các thông số quan trọng ở bước này là độ phân giải, chất lượng màu, dung lượng bộ nhớ và tốc độ thu nhận ảnh của các thiết bị. Mặc dù đây chỉ là công đoạn đầu tiên song kết quả của nó có ảnh hưởng rất nhiều đến công đoạn kế tiếp.

Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail. Tiền xử lý Ở bước này, ảnh sẽ được cải thiện về độ tương phản, khử nhiễu, khử bóng, khử độ lệch, v.v với mục đích làm cho chất lượng ảnh trở nên tốt hơn nữa, chuẩn bị cho các bước xử lý phức tạp hơn về sau trong quá trình xử lý ảnh. Quá trình này thường được thực hiện bởi các bộ lọc. + Khử nhiễu: Nhiễu được chia thành hai loại: nhiễu hệ thống và nhiễu ngẫu nhiên.

Đặc trưng của nhiễu hệ thống là tính tuần hoàn. Do vậy, có thể khử nhiễu này bằng việc sử dụng phép biến đổi Fourier và loại bỏ các đỉnh điểm. Đối với nhiễu ngẫu nhiên, trường hợp đơn giản là các vết bẩn tương ứng với các điểm sáng hay tối, có thể khử bằng phương pháp nội suy, lọc trung vị và trung bình. + Chỉnh mức xám: Đây là kỹ thuật nhằm chỉnh sửa tính không đồng đều của thiết bị thu nhận hoặc độ tương phản giữa các vùng ảnh.

+ Chỉnh tán xạ: Ảnh thu nhận được từ các thiết bị quang học hay điện tử có thể bị mờ, nhoè. Phương pháp biến đổi Fourier dựa trên tích chập của ảnh với hàm tán xạ cho phép giải quyết việc hiệu chỉnh này. Phân đoạn ảnh Phân đoạn ảnh có nghĩa là chia một ảnh đầu vào thành nhiều phần khác nhau hay còn gọi là các đối tượng để biểu diễn phân tích, nhận dạng ảnh. Ví dụ: để nhận dạng chữ (hoặc mã vạch) trên phong bì thư cho mục đích phân loại bưu phẩm, cần chia các câu, chữ về địa chỉ hoặc tên người thành các từ, các chữ, các số (hoặc các vạch) riêng biệt để nhận dạng.

Đây là phần phức tạp khó khăn nhất trong xử lý ảnh và cũng dễ gây lỗi, làm mất độ chính xác của ảnh. Kết quả nhận dạng ảnh phụ thuộc rất nhiều vào công đoạn này. Mục đích của phân đoạn ảnh là để có một miêu tả tổng hợp về Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add [e-mail] 7 nhiều phần tử khác nhau cấu tạo lên ảnh thô. Vì lượng thông tin chứa trong ảnh rất lớn, trong khi đa số các ứng dụng chúng ta chỉ cần trích một vài đặc trưng nào đó, do vậy cần có một quá trình để giảm lượng thông tin khổng lồ đó.

Quá trình này bao gồm phân vùng ảnh và trích chọn đặc tính chủ yếu. Hệ quyết định Ảnh là một đối tượng khá phức tạp về đường nét, độ sáng tối, dung lượng điểm ảnh, môi trường để thu ảnh phong phú kéo theo nhiễu. Trong nhiều khâu xử lý và phân tích ảnh ngoài việc đơn giản hóa các phương pháp toán học đảm bảo tiện lợi cho xử lý, người ta mong muốn bắt chước quy trình tiếp nhận và xử lý ảnh theo cách của con người. Trong các bước xử lý đó, nhiều khâu hiện nay đã xử lý theo các phương pháp trí tuệ con người.

Vì vậy, ở đây các cơ sở tri thức được phát huy. Trích chọn đặc điểm Việc giải quyết bài toán nhận dạng trong những ứng dụng mới nảy sinh trong cuộc sống không chỉ tạo ra những thách thức về giải thuật, mà còn đặt ra những yêu cầu về tốc độ tính toán. Đặc điểm chung của tất cả ứng dụng đó là những đặc điểm đặc trưng cần thiết thường là nhiều, không thể do chuyên gia đề xuất, mà phải được trích chọn dựa trên các thủ tục phân tích dữ liệu. Việc trích chọn hiệu quả các đặc điểm giúp cho việc nhận dạng các đối tượng ảnh chính xác, với tốc độ tính toán cao và dung lượng nhớ lưu trữ giảm xuống.

Các đặc điểm của đối tượng được trích chọn tuỳ theo mục đích nhận dạng trong quá trình xử lý ảnh. Có thể nêu ra một số đặc điểm của ảnh sau đây: Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add [e-mail] 8 - Đặc điểm không gian: phân bố mức xám, phân bố xác suất, biên độ, điểm uốn v.v - Đặc điểm biến đổi: các đặc điểm loại này được trích chọn bằng việc thực hiện lọc vùng (zonal filtering). Các bộ vùng được gọi là “mặt nạ đặc điểm” (feature mask) thường là các khe hẹp với hình dạng khác nhau (chữ nhật, tam giác, cung tròn v. - Đặc điểm biên và đường biên: Đặc trưng cho đường biên của đối tượng và do vậy rất hữu ích trong việc trích chọn các thuộc tính bất biến được dùng khi nhận dạng đối tượng.

Các đặc điểm này có thể được trích chọn nhờ toán tử Gradient, toán tử la bàn, toán tử Laplace, toán tử “chéo không” (zero crossing). Nhận dạng Đây là bước cuối cùng trong quá trình xử lý ảnh. Nhận dạng ảnh là quá trình xác định nội dung ảnh. Quá trình này thường thu được bằng cách so sánh với mẫu chuẩn đã được lọc (hoặc lưu) từ trước.

Nhận dạng ảnh có thể được nhìn nhận một cách đơn giản là việc gán nhãn cho các đối tượng trong ảnh. Ví dụ như khi nhận dạng chữ viết, các đối tượng trong ảnh cần nhận dạng là các mẫu chữ, ta cần tách riêng các mẫu chữ đó ra và tìm cách gán đúng các ký tự của bảng chữ cái tương ứng cho các mẫu chữ thu được trong ảnh. Giải thích là công đoạn gán nghĩa cho một tập các đối tượng đã được nhận biết. Chúng ta cũng có thể thấy rằng, không phải bất kỳ một ứng dụng xử lý ảnh nào cũng bắt buộc phải tuân theo tất cả các bước xử lý đã nêu ở trên, ví dụ như các ứng dụng chỉnh sửa ảnh nghệ thuật chỉ dừng lại ở bước tiền xử lý.

Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add [e-mail] 9 Một cách tổng quát thì những chức năng xử lý bao gồm cả nhận dạng và giải thích thường chỉ có mặt trong hệ thống phân tích ảnh tự động hoặc bán tự động, được dùng để rút trích ra những thông tin quan trọng từ ảnh, ví dụ như các ứng dụng nhận dạng ký tự quang học, nhận dạng chữ viết tay v.v… Với các giai đoạn trên, một hệ thống xử lý ảnh gồm các thành phần tối thiểu như hình sau: Màn hình Đồ họa Camera Bộ xử lý tương tự Bộ nhớ ảnh Bộ xử lý Bộ nhớ Màn hình đồ họa ảnh số ngoài Màn hình Bàn phím Máy in Hình 1. Các thành phần chính trong hệ thống xử lý ảnh  Đối với một hệ thống xử lý ảnh thu nhận qua camera-camera như là con mắt của hệ thống: có hai loại camera ống loại CCIR và camera CCD. Loại camera ứng với chuẩn CCIR quét ảnh với tần số 1/25 và mỗi ảnh gồm 625 dòng. Loại CCD gồm các photo điốt và làm tương ứng một cường độ sáng tại một điểm ảnh với một phần tử ảnh (pixel).

Như vậy, ảnh là tập hợp các điểm ảnh. Số pixel tạo nên một ảnh gọi là độ phân giải  Bộ xử lý tương tự thực hiện các chức năng sau: - Chọn camera thích hợp nếu hệ thống có nhiều camera. - Chọn màn hình hiển thị tín hiệu. Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add [e-mail] 10 - Thu nhận tín hiệu video bởi bộ số hóa.

Thực hiện lấy mẫu và mã hóa. - Tiền xử lý ảnh khi thu nhận: dùng kỹ thuật bảng tra (Look Up Table).  Bộ xử lý ảnh số gồm nhiều bộ xử lý chuyên dụng: xử lý lọc, trích chọn đường bao, nhị phân hóa ảnh.  Máy chủ đóng vai trò điều khiển các thành phần ở trên.