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

Luận văn thạc sĩ nghiên cứu phương pháp phát hiện ảnh giả mạo lồng ghép trên miền tần số và sai phân cấp hai, ứng dụng trong xử lý ảnh nén.

• Tác giả: Nguyễn Hoàng Long
• Người hướng dẫn: PGS. Phạm Văn Ất
• Trường học: Đại học Công nghệ Thông tin và Truyền thông Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Phát hiện ảnh giả mạo dạng lồng ghép trên miền 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
• DANH MỤC CÁC HÌNH VẼ
• DANH MỤC KÝ HIỆU VÀ CHỮ VIẾT TẮT
• MỞ ĐẦU
• Đối tượng, phạm vi nghiên cứu
• Hướng nghiên cứu của đề tài
• Những nội dung nghiên cứu chính
• 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. Các khái niệm cơ bản trong xử lý ảnh
• 1.1.7. Các vấn đề cơ bản trong xử lý ảnh
• 1.1.7.1. Biểu diễn ảnh
• 1.1.7.2. Nắn chỉnh biến dạng
• 1.1.7.3. Nhận dạng 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
• 1.3. KỸ THUẬT PHÒNG CHỐNG VÀ PHÁT HIỆN ẢNH GIẢ MẠO
• 1.3.1. Kỹ thuật phòng chống ảnh giả mạo
• 1.3.1.1. Giới thiệu và phân loại thủy vân
• 1.3.1.2. Tính chất của lược đồ thủy vân
• 1.3.1.3. Ứng dụng của thủy vân
• 1.3.2. Một số kỹ thuật phát hiện ảnh giả mạo
• 1.3.2.1. Dựa vào sự không tương thích hướng nguồn sáng
• 1.3.2.2. Dựa vào sự không tương thích về nhiễu
• 1.3.2.3. Dựa vào sự không tương thích về các pixel
• 1.3.2.4. Dựa vào sự không tương thích về màu sắc
• 1.3.2.5. Dựa vào sự xuất hiện nhiều lần của một vùng trên ảnh
• 1.3.2.6. Dựa vào dấu vết của việc lấy mẫu lại
• 1.4. MỘT SỐ PHƯƠNG PHÁP PHÁT HIỆN VÙNG ẢNH ĐƯỢC LẤY MẪU LẠI
• 1.4.1. Khái niệm lấy mẫu lại (Resample)
• 1.4.1.1. Lấy mẫu lại tín hiệu
• 1.4.1.2. Lấy mẫu lại trên ảnh
• 1.4.1.3. Tính chất của phép lấy mẫu tăng trên ảnh
• 1.4.2. Giới thiệu về phương pháp phát hiện vùng ảnh được lấy mẫu lại
• 1.4.2.1. Phương pháp của Popescu và Kichner
• 1.4.2.2. Phương pháp dựa trên mật độ năng lượng
• 1.4.2.3. Phương pháp dựa trên phép phân tích SVD
• 1.4.2.4. Phương pháp dựa trên sai phân cấp hai
• 1.4.2.5. Phương pháp sử dụng phép biến đổi DCT, DWT
• 2. CHƯƠNG 2: 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)
• 2.3. PHÁT HIỆN ẢNH GIẢ MẠO BẰNG PHÉP BIẾN ĐỔI SONG TRỰC GIAO BIOR3.5 VÀ LỌC THÔNG CAO CỦA PHÉP BIẾN ĐỔI DWT
• 2.3.1. Phát hiện vùng giả mạo bằng phép biến đổi song trực giao Bior 3.5
• 2.3.2. Phương pháp dựa trên lọc thông cao của phép biến đổi DWT
• 2.3.2.1. Phép biến đổi DWT theo bộ lọc
• 2.3.2.2. Phương pháp giảm độ phức tạp tính toán (ký hiệu LTC)
• 2.4. PHƯƠNG PHÁP PHÁT HIỆN BẰNG PHÉP BIẾN ĐỔI HIỆU
• 2.4.1. Xây dựng phép biến đổi hiệu trên ma trận điểm ảnh
• 2.4.2. Phương pháp phát hiện ảnh giả mạo dựa trên phép biến đổi hiệu (ký hiệu BĐH)
• 2.5. PHƯƠNG PHÁP SAI PHÂN CẤP HAI (Ký hiệu là SPB2)
• 2.5.1. Đánh giá độ phức tạp tính toán và tính bền vững của các phương pháp
• 3. CHƯƠNG 3: 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
• Hướng phát triển của luận văn
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về xử lý ảnh và bài toán phát hiện ảnh giả mạo

Chương này trình bày các khái niệm cơ bản về xử lý ảnh và bài toán phát hiện ảnh giả mạo. Xử lý ảnh là quá trình thu nhận, phân tích và biến đổi ảnh để trích xuất thông tin hữu ích. Các bước chính bao gồm thu nhận ảnh, tiền xử lý, phân đoạn, trích chọn đặc điểm và nhận dạng. Bài toán phát hiện ảnh giả mạo tập trung vào việc xác định các vùng ảnh bị thay đổi hoặc ghép từ nhiều nguồn khác nhau. Các phương pháp phát hiện thường dựa trên sự không tương thích về màu sắc, nhiễu, hoặc dấu vết lấy mẫu lại.

1.1. Khái niệm về ảnh giả mạo

Ảnh giả mạo là ảnh được chỉnh sửa hoặc ghép từ nhiều nguồn khác nhau để tạo ra nội dung sai lệch. Có nhiều loại ảnh giả mạo, bao gồm ghép ảnh, chỉnh sửa màu sắc, hoặc thêm bớt đối tượng. Việc phát hiện ảnh giả mạo đặc biệt quan trọng trong các lĩnh vực như pháp y, báo chí và an ninh.

1.2. Phương pháp phát hiện ảnh giả mạo

Các phương pháp phát hiện ảnh giả mạo thường dựa trên sự không tương thích về hướng ánh sáng, nhiễu, hoặc màu sắc. Một số kỹ thuật tiên tiến sử dụng miền tần số và sai phân cấp hai để phát hiện các vùng bị lấy mẫu lại. Các phương pháp này có ưu điểm là đơn giản và hiệu quả trong việc khoanh vùng giả mạo.

II. Phát hiện ảnh giả mạo trên miền tần số và sai phân cấp hai

Chương này tập trung vào các phương pháp phát hiện ảnh giả mạo dựa trên miền tần số và sai phân cấp hai. Các phương pháp này bao gồm biến đổi Cosin rời rạc (DCT), biến đổi Wavelet rời rạc (DWT), và sai phân cấp hai. Các phương pháp này giúp phát hiện các vùng ảnh bị lấy mẫu lại, thường xuất hiện trong ảnh giả mạo dạng lồng ghép.

2.1. Phương pháp dựa trên biến đổi DCT

Biến đổi DCT là một công cụ mạnh trong xử lý ảnh, đặc biệt trong việc phát hiện ảnh giả mạo. Phương pháp này chuyển đổi ảnh từ miền không gian sang miền tần số, giúp phát hiện các vùng bị lấy mẫu lại. Kết quả cho thấy DCT có khả năng khoanh vùng giả mạo với độ chính xác cao.

2.2. Phương pháp dựa trên biến đổi DWT

Biến đổi DWT là một phương pháp hiệu quả trong việc phân tích ảnh giả mạo. Phương pháp này sử dụng các bộ lọc thông cao và thông thấp để phân tích ảnh ở nhiều mức độ chi tiết. DWT đặc biệt hữu ích trong việc phát hiện các vùng ảnh bị lồng ghép từ nhiều nguồn khác nhau.

2.3. Phương pháp sai phân cấp hai

Sai phân cấp hai là một phương pháp toán học được sử dụng để phát hiện các vùng ảnh bị lấy mẫu lại. Phương pháp này dựa trên sự thay đổi đột ngột của các điểm ảnh, thường xuất hiện trong ảnh giả mạo dạng lồng ghép. Kết quả thử nghiệm cho thấy phương pháp này có độ chính xác cao và thời gian tính toán nhanh.

III. Thử nghiệm và ứng dụng

Chương này trình bày các kết quả thử nghiệm và ứng dụng của các phương pháp phát hiện ảnh giả mạo dựa trên miền tần số và sai phân cấp hai. Các thử nghiệm được thực hiện trên bộ ảnh giả mạo được tạo ra bằng cách lồng ghép các vùng ảnh từ nhiều nguồn khác nhau. Kết quả cho thấy các phương pháp này có hiệu quả cao trong việc phát hiện và khoanh vùng giả mạo.

3.1. Xây dựng chương trình thử nghiệm

Chương trình thử nghiệm được xây dựng trên nền tảng MATLAB để đánh giá hiệu quả của các phương pháp phát hiện ảnh giả mạo. Các phương pháp được so sánh về độ chính xác, thời gian tính toán và khả năng khoanh vùng giả mạo. Kết quả cho thấy DCT và DWT là hai phương pháp hiệu quả nhất.

3.2. Ứng dụng trong thực tế

Các phương pháp phát hiện ảnh giả mạo có nhiều ứng dụng trong thực tế, đặc biệt trong lĩnh vực an ninh, pháp y và báo chí. Việc phát hiện ảnh giả mạo giúp ngăn chặn việc sử dụng ảnh sai lệch trong các quyết định quan trọng. Các phương pháp này cũng có thể được tích hợp vào các phần mềm chỉnh sửa ảnh để cảnh báo người dùng về các thay đổi không hợp lệ.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên số hóa, hơn 85% các vụ việc gian lận hình ảnh trên không gian truyền thông và tài liệu pháp lý bắt nguồn từ kỹ thuật cắt ghép tinh vi. Sự phát triển vượt bậc của các phần mềm chỉnh sửa chuyên dụng như Photoshop hay GIMP cho phép người dùng thao tác, chèn ép và thay đổi nội dung mà hầu như không để lại bất kỳ dấu vết trực quan nào cho mắt thường. Vấn đề cốt lõi đặt ra là làm thế nào để phát hiện chính xác các vùng ảnh lồng ghép khi đối tượng giả mạo đã trải qua quá trình lấy mẫu lại nhằm đồng bộ hóa kích thước và độ phân giải với ảnh gốc. Mục tiêu cụ thể của công trình là nghiên cứu bản chất toán học của phép lấy mẫu tăng, từ đó xây dựng và so sánh các giải pháp nhận diện vùng giả mạo dựa trên phép biến đổi Cosin rời rạc, biến đổi Wavelet rời rạc và sai phân cấp hai.

Phạm vi nghiên cứu tập trung vào không gian ảnh đa mức xám có kích thước tiêu chuẩn 256x256 và 512x512 điểm ảnh, với các vùng chèn được phóng to theo hệ số từ 1,2 đến 2,0 lần, thực hiện tại Trường Đại học Công nghệ Thông tin và Truyền thông thuộc Đại học Thái Nguyên. Ý nghĩa khoa học và thực tiễn của đề tài được thể hiện qua các chỉ số định lượng ấn tượng: giải pháp đề xuất đạt độ chính xác khoanh vùng biên giả mạo trên 92%, đồng thời tối ưu hóa thời gian thực thi thuật toán xuống dưới 0,15 giây trên mỗi khung hình, nhanh hơn 35% so với các phương pháp tiếp cận không gian truyền thống.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng vững chắc của hai lý thuyết xử lý tín hiệu kinh điển: lý thuyết phân tích miền tần số và lý thuyết ma trận trực chuẩn. Trong đó, mô hình biến đổi Cosin rời rạc hai chiều áp dụng trên các khối dữ liệu 8x8 điểm ảnh và mô hình biến đổi Wavelet rời rạc song trực giao Biorthogonal 3.5 đóng vai trò chủ đạo. Bên cạnh đó, nghiên cứu tích hợp mô hình lọc thông cao Daubechies D4 nhằm phân tách các thành phần tần số cao và tần số thấp của ma trận ảnh.

Bốn khái niệm then chốt được phát triển xuyên suốt bao gồm:

• Phép lấy mẫu lại và lấy mẫu tăng: Quá trình nội suy và tái lập lưới tọa độ điểm ảnh với hệ số tỉ lệ lớn hơn 1, làm thay đổi mối quan hệ tương quan không gian giữa các pixel liền kề.
• Độ phẳng của ảnh: Đặc tính suy giảm độ lệch biên độ sau khi phóng đại, khiến các giá trị mức xám trong khối 8x8 trở nên đồng đều hơn và làm giảm tổng sai phân năng lượng.
• Phân rã băng tần Wavelet: Cơ chế chia tách ma trận ảnh thành 4 miền tần số trực giao gồm miền tần số thấp LL và 3 miền tần số cao LH, HL, HH.
• Sai phân cấp hai: Toán tử vi phân rời rạc đo lường tốc độ biến thiên cường độ sáng cục bộ nhằm làm nổi bật sự bất liên tục tại ranh giới cắt dán.

Phương pháp nghiên cứu

Nguồn dữ liệu thực nghiệm được thu thập từ bộ 50 khối ảnh kích thước chuẩn 8x8 điểm ảnh cùng hơn 100 bức ảnh đa mức xám kích thước 256x256 và 512x512 điểm ảnh với độ phân giải 300 DPI. Phương pháp chọn mẫu áp dụng kỹ thuật lấy mẫu phân tầng ngẫu nhiên, đại diện cho nhiều mức độ phức tạp về kết cấu bề mặt, độ tương phản và phân bố quang phổ khác nhau.

Lý do lựa chọn phương pháp phân tích miền tần số và sai phân bậc hai xuất phát từ việc các phương pháp trước đây như phân tích điểm sáng phổ Fourier hay ước lượng kỳ vọng cực đại EM đòi hỏi độ phức tạp tính toán rất cao và khó xác định ranh giới vùng giả mạo. Việc trích xuất ma trận con tần số cao HH hoặc tính sai phân trực tiếp trên ma trận điểm ảnh cho phép cô lập chính xác vùng nội suy mà không cần lặp ma trận phức tạp. Toàn bộ quy trình mô phỏng, xử lý ma trận và đánh giá thời gian thực thi được triển khai trên môi trường MATLAB với timeline nghiên cứu hoàn thành trong 12 tháng.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã chứng minh các phát hiện đột phá về mặt thống kê và định lượng:

• Khi ảnh bị lấy mẫu tăng với tỉ lệ 1,2 lần, 1,5 lần và 2,0 lần, tổng giá trị tuyệt đối các hiệu điểm ảnh liền kề (tổng sai phân T) trên 50 khối mẫu giảm mạnh từ 40% đến 60% so với khối ảnh nguyên bản, bất kể sử dụng thuật toán nội suy láng giềng gần nhất, song tuyến tính hay song khối.
• Phương pháp biến đổi Cosin rời rạc trên từng khối 8x8 khi giữ lại 4x4 hệ số tần số cao đã khoanh vùng thành công các đối tượng bị phóng to với độ tương phản tách biệt trên 80% so với nền ảnh gốc.
• Thuật toán lọc thông cao cải tiến LTC chỉ mất khoảng 0,12 giây để phân tích ma trận 512x512 điểm ảnh, trong khi phương pháp Wavelet Biorthogonal 3.5 tiêu chuẩn cần tới 1,85 giây, giúp cắt giảm 93,5% thời gian tính toán dư thừa nhờ loại bỏ hoàn toàn các bước phân rã băng tần thấp không cần thiết.
• Phương pháp sai phân cấp hai SPB2 và biến đổi hiệu BĐH đạt tốc độ xử lý kỷ lục dưới 0,08 giây trên mỗi bức ảnh, hiển thị rõ nét vùng chèn lấp dưới dạng các khối tối phân biệt có giá trị tiệm cận 0.

Thảo luận kết quả

Về mặt nguyên nhân, phép nội suy khi phóng đại kích thước đã chèn thêm các điểm ảnh mới có giá trị tính toán phụ thuộc tuyến tính hoặc phi tuyến vào các điểm ảnh lân cận. Hiện tượng này san phẳng các bước nhảy tần số cao tự nhiên của cảm biến quang học, khiến miền tần số cao HH tại vùng giả mạo mất đi năng lượng vốn có và hiển thị tối hơn đáng kể so với các vùng ảnh thật xung quanh.

Khi so sánh với các nghiên cứu kinh điển của Popescu, Farid hay Kirchner vốn dựa vào việc quan sát các đỉnh sáng nhọn đối xứng trên phổ Fourier, phương pháp đề xuất thể hiện ưu thế vượt trội nhờ khả năng hiển thị trực tiếp bản đồ không gian vùng giả mạo mà không bị phụ thuộc vào việc lựa chọn trước ma trận hệ số dự báo.

Dữ liệu nghiên cứu được biểu diễn trực quan và khoa học thông qua hai dạng thức chính: biểu đồ đường mô tả sự sụt giảm của tổng sai phân T trên 50 khối ảnh thử nghiệm theo từng hệ số lấy mẫu tăng, và bảng so sánh đa chiều về thời gian thực thi tính bằng giây giữa 4 giải pháp DCT, Biorthogonal 3.5, LTC và SPB2. Kết quả đầu ra được hiển thị dưới dạng ảnh nhị phân phân đoạn, giúp giám định viên dễ dàng nhận diện biên giới cắt dán bằng mắt thường.

Đề xuất và khuyến nghị

Nhằm chuyển hóa các kết quả nghiên cứu thành giải pháp thực tiễn hiệu quả, bốn khuyến nghị chiến lược được đề xuất:

• Tích hợp mô-đun lọc thông cao rút gọn LTC vào phần mềm giám định kỹ thuật số chuyên dụng nhằm rút ngắn 85% thời gian thẩm định chứng cứ trong các vụ án gian lận tài liệu số, hoàn thành triển khai trong vòng 6 tháng bởi Cục Cảnh sát phòng chống tội phạm công nghệ cao.
• Ban hành bộ quy chuẩn kiểm duyệt ảnh báo chí tự động ứng dụng thuật toán biến đổi hiệu BĐH và sai phân cấp hai SPB2, hướng tới mục tiêu phát hiện 95% ảnh bị chỉnh sửa kích thước trước khi phát hành, thực hiện trong quý 3 năm 2026 bởi các cơ quan quản lý báo chí và tòa soạn đa phương tiện.
• Phát triển thư viện mã nguồn mở chuyên sâu về phân tích miền tần số DCT và Wavelet song trực giao, nâng cao khả năng khoanh vùng chính xác lên trên 98% đối với các định dạng ảnh nén JPEG và TIFF, chủ trì thực hiện bởi các viện nghiên cứu và trường đại học công nghệ trong giai đoạn 2026 - 2027.
• Tổ chức định kỳ 4 khóa tập huấn chuyên môn hằng năm cho hơn 500 giám định viên kỹ thuật hình sự trên toàn quốc về kỹ thuật phân tích dấu vết lấy mẫu lại và nhận dạng bất thường quang phổ, do Bộ Thông tin và Truyền thông phối hợp với các cơ sở đào tạo tổ chức.

Đối tượng nên tham khảo luận văn

Công trình luận văn mang lại giá trị học thuật và ứng dụng sâu sắc cho 4 nhóm đối tượng trọng tâm:

• Giám định viên kỹ thuật hình sự và chuyên gia an ninh mạng: Khai thác các thuật toán phân rã Wavelet và biến đổi Cosin để trích xuất chứng cứ điện tử, xác thực tính toàn vẹn của hiện trường số trong các cuộc điều tra tư pháp phức tạp.
• Kỹ sư nghiên cứu thị giác máy tính và trí tuệ nhân tạo: Sử dụng mô hình ma trận lọc thông cao và kỹ thuật giảm độ phức tạp tính toán LTC như một bước tiền xử lý đắc lực, gia tăng khả năng phát hiện dữ liệu giả mạo đầu vào cho các mạng nơ-ron học sâu.
• Ban biên tập báo chí và tổ chức kiểm chứng thông tin: Ứng dụng quy trình sai phân cấp hai SPB2 để xây dựng công cụ sàng lọc nhanh các hình ảnh truyền thông bị cắt ghép, ngăn chặn sự lan truyền của thông tin sai lệch trên mạng xã hội.
• Giảng viên, nghiên cứu sinh và học viên cao học ngành Khoa học máy tính: Sử dụng toàn bộ cấu trúc lý thuyết, hệ thống phương trình vi phân ma trận và mã nguồn thử nghiệm trên MATLAB như tài liệu tham khảo chuẩn mực trong giảng dạy và nghiên cứu chuyên sâu về xử lý ảnh số.

Câu hỏi thường gặp

Phương pháp phát hiện ảnh lồng ghép trên miền tần số khác gì so với quan sát bằng mắt thường? Mắt người dễ bị đánh lừa bởi các thủ thuật hòa trộn màu sắc và làm mờ biên độ của phần mềm đồ họa chuyên nghiệp. Tuy nhiên, phép biến đổi miền tần số như DCT trên khối 8x8 sẽ bóc tách chính xác các dao động vi mô của năng lượng tần số cao, phát hiện sự mất cân bằng cấu trúc pixel mà mắt thường hoàn toàn không thể nhận biết.

Tại sao thao tác phóng to vùng ảnh lại khiến ma trận tần số cao HH có giá trị gần bằng 0? Khi một vùng ảnh bị lấy mẫu tăng từ 1,2 đến 2,0 lần, các thuật toán nội suy buộc phải tạo ra các điểm ảnh trung gian bằng phép tính trung bình trọng số. Quá trình này làm mịn bề mặt ảnh cục bộ, triệt tiêu độ biến thiên đột ngột và khiến các hệ số trong ma trận lọc thông cao HH tiệm cận về giá trị 0.

Thuật toán lọc thông cao rút gọn LTC mang lại ưu thế gì so với phương pháp Wavelet Biorthogonal 3.5 truyền thống? Thuật toán LTC chỉ thực hiện phép cuộn ma trận với bộ lọc thông cao HiD để lấy trực tiếp miền HH, sau đó phóng to ma trận lên 4 lần thay vì phải tính toán toàn bộ các băng tần LL, LH, HL và biến đổi ngược IDWT, giúp giảm hơn 93% khối lượng tính toán mà vẫn giữ nguyên độ phân giải vùng giả mạo.

Phương pháp sai phân cấp hai SPB2 có thể phát hiện được các vùng ảnh bị xoay hoặc co giãn nhẹ hay không? Phương pháp sai phân cấp hai hoạt động dựa trên toán tử vi phân bước nhảy của các hàng và cột liền kề. Bất kỳ thao tác hình học nào như xoay góc 5 độ hoặc co giãn tỉ lệ 1,1 lần đều phá vỡ tính ngẫu nhiên của ma trận điểm ảnh ban đầu, tạo ra các dấu vết chu kỳ rõ ràng để thuật toán phát hiện trong dưới 0,08 giây.

Mô hình thực nghiệm trong luận văn có thể mở rộng cho các hệ thống giám định ảnh màu tự động hay không? Hoàn toàn khả thi. Bằng cách áp dụng công thức chuyển đổi không gian màu chuẩn từ RGB sang ảnh đa mức xám theo hệ số trọng số chuẩn hóa, toàn bộ đường ống xử lý của thuật toán DCT, LTC và SPB2 đều có thể tích hợp trực tiếp vào các hệ thống xử lý ảnh màu tự động với độ chính xác trên 90%.

Kết luận

• Luận văn đã giải quyết triệt để bài toán phát hiện ảnh giả mạo dạng lồng ghép thông qua việc phân tích chuyên sâu các dấu vết lấy mẫu tăng trên miền tần số và không gian sai phân.
• Đề xuất thành công thuật toán lọc thông cao rút gọn LTC, cắt giảm 93,5% thời gian tính toán so với mô hình Wavelet Biorthogonal 3.5 truyền thống trên cùng tập dữ liệu ma trận.
• Xây dựng mô hình biến đổi hiệu BĐH và sai phân cấp hai SPB2 đạt tốc độ thực thi thời gian thực dưới 0,08 giây, đáp ứng hoàn hảo yêu cầu sàng lọc dữ liệu lớn.
• Khẳng định tính quy luật của sự suy giảm tổng sai phân T từ 40% đến 60% trên các khối ảnh bị nội suy phóng đại với các tỉ lệ từ 1,2 đến 2,0 lần.
• Cung cấp chương trình thử nghiệm toàn diện trên môi trường MATLAB, chứng minh hiệu quả phân vùng giả mạo rõ nét và chính xác trên 92%.

Trong giai đoạn 12 tháng tiếp theo, nhóm nghiên cứu dự kiến mở rộng thuật toán để xử lý các dạng tấn công nén JPEG kép và các phép biến dạng phi tuyến phức tạp. Các nhà khoa học, đơn vị tư pháp và doanh nghiệp công nghệ quan tâm vui lòng kết nối để tiếp nhận chuyển giao thuật toán và ứng dụng giải pháp vào thực tiễn giám định 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 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. 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 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 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 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 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.

 Bộ nhớ ngoài: Dữ liệu ảnh cũng như các dữ liệu khác, để có thể chuyển giao cho các quá trình khác, nó cần được lưu trữ.