Luận văn thạc sĩ: Phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng

Luận văn thạc sĩ công nghệ thông tin nghiên cứu phương pháp phát hiện ảnh giả mạo qua phân tích nguồn sáng hiệu quả và ứng dụng thực tiễn.

• Tác giả: Nguyễn Thị Nguyệt
• Người hướng dẫn: PGS.TS Đỗ Năng Toàn
• Trường học: Đại học Quốc gia Hà Nội - Trường Đại học Công nghệ
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2014
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ ẢNH GIẢ MẠO
• 1.1. Xử lý ảnh và một số vấn đề cơ bản trong xử lý ảnh
• 1.2. Một số khái niệm cơ bản
• 1.3. Một số vấn đề cơ bản trong xử lý ảnh
• 1.4. Các giai đoạn trong xử lý ảnh
• 1.5. Thu nhận ảnh
• 1.6. Phân đoạn ảnh
• 1.7. Trích chọn đặc trưng
• 1.8. Biên và vai trò của biên trong nhận dạng
• 1.9. Ảnh giả mạo và các dạng giả mạo ảnh cơ bản
• 1.10. Các cách tiếp cận phát hiện ảnh giả mạo
• 2. CHƯƠNG 2: PHÁT HIỆN ẢNH GIẢ MẠO DỰA VÀO PHÂN TÍCH NGUỒN SÁNG
• 2.1. Phương pháp phát hiện biên
• 2.2. Các phương pháp phát hiện biên trực tiếp
• 2.3. Một số phương pháp dò biên
• 2.4. Phương pháp Canny
• 2.5. Phương pháp Shen – Castan
• 2.6. Nguồn sáng và ước lượng hướng nguồn sáng
• 2.7. Các dạng nguồn sáng
• 2.8. Nguồn sáng ở vô tận (3-D)
• 2.9. Nguồn sáng ở vô tận (2-D)
• 2.10. Nguồn sáng ở gần (bộ phận) (2-D)
• 2.11. Nhiều nguồn sáng
• 2.12. Ước lượng hướng nguồn sáng
• 2.13. Ước lượng hướng chiếu của nguồn sáng
• 2.14. Tìm những đường có khả năng là biên khuất
• 2.15. Ước lượng hướng chiếu sáng cho từng đường biên tìm được
• 2.16. Sử dụng mạng Bayes tìm ước lượng tốt nhất
• 2.17. Phát hiện ảnh giả mạo dựa trên sự khác biệt hướng nguồn sáng
• 2.18. Thuật toán dò biên đối tượng
• 2.19. Loại bỏ các đối tượng nhỏ, nhiễu, làm mảnh biên
• 2.20. Loại bỏ các đối tượng nhỏ và nhiễu
• 2.21. Làm mảnh biên và nối nét đứt
• 2.22. Lựa chọn các đoạn biên liên thông của đối tượng dùng ước lượng hướng nguồn sáng
• 2.23. Xây dựng thuật toán xác định hướng ánh sáng trên mỗi đường biên
• 3. CHƯƠNG 3: CHƯƠNG TRÌNH THỰC NGHIỆM
• 3.1. Phân tích, lựa chọn công cụ
• 3.2. Một số kết quả chương trình
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về phát hiện ảnh giả mạo qua phân tích nguồn sáng

Trong thời đại công nghệ thông tin hiện nay, việc phát hiện ảnh giả mạo trở thành một vấn đề cấp bách. Phát hiện ảnh giả mạo không chỉ giúp bảo vệ thông tin mà còn đảm bảo tính xác thực của các tài liệu hình ảnh. Phân tích nguồn sáng là một trong những phương pháp hiệu quả để nhận diện các bức ảnh bị chỉnh sửa. Bài viết này sẽ cung cấp cái nhìn tổng quan về phương pháp này và những thách thức liên quan.

1.1. Khái niệm về phân tích nguồn sáng trong công nghệ thông tin

Phân tích nguồn sáng là quá trình xác định hướng và cường độ của ánh sáng chiếu vào một bức ảnh. Điều này giúp nhận diện các đặc điểm của ảnh, từ đó phát hiện các dấu hiệu giả mạo. Các công nghệ hiện đại như trí tuệ nhân tạo và hệ thống nhận diện hình ảnh đang được áp dụng để cải thiện độ chính xác trong việc phát hiện.

1.2. Tầm quan trọng của phát hiện ảnh giả mạo

Việc phát hiện ảnh giả mạo có ý nghĩa quan trọng trong nhiều lĩnh vực như báo chí, pháp luật và an ninh mạng. Những bức ảnh giả mạo có thể gây ra hiểu lầm nghiêm trọng và ảnh hưởng đến quyết định của con người. Do đó, việc phát triển các phương pháp phát hiện hiệu quả là rất cần thiết.

II. Thách thức trong việc phát hiện ảnh giả mạo qua phân tích nguồn sáng

Mặc dù có nhiều phương pháp phát hiện ảnh giả mạo, nhưng vẫn tồn tại nhiều thách thức trong việc áp dụng phân tích nguồn sáng. Các kỹ thuật giả mạo ngày càng tinh vi, khiến cho việc phát hiện trở nên khó khăn hơn. Bài viết này sẽ phân tích một số thách thức chính trong lĩnh vực này.

2.1. Sự đa dạng của nguồn sáng trong ảnh

Một trong những thách thức lớn nhất là sự đa dạng của nguồn sáng trong các bức ảnh. Các bức ảnh có thể được chụp dưới nhiều điều kiện ánh sáng khác nhau, làm cho việc xác định hướng nguồn sáng trở nên phức tạp. Điều này đòi hỏi các thuật toán phát hiện phải có khả năng thích ứng với nhiều tình huống khác nhau.

2.2. Công nghệ giả mạo ngày càng tinh vi

Công nghệ chỉnh sửa ảnh ngày càng phát triển, cho phép người dùng tạo ra những bức ảnh giả mạo mà khó có thể phát hiện bằng mắt thường. Các phần mềm chỉnh sửa ảnh hiện đại có thể thay đổi hướng ánh sáng mà không để lại dấu vết, làm cho việc phát hiện trở nên khó khăn hơn.

III. Phương pháp phát hiện ảnh giả mạo qua phân tích nguồn sáng

Để phát hiện ảnh giả mạo, nhiều phương pháp đã được phát triển dựa trên phân tích nguồn sáng. Các phương pháp này không chỉ giúp nhận diện các bức ảnh giả mạo mà còn cung cấp các giải pháp hiệu quả cho vấn đề này. Bài viết sẽ trình bày một số phương pháp chính.

3.1. Phương pháp ước lượng hướng nguồn sáng

Phương pháp ước lượng hướng nguồn sáng là một trong những kỹ thuật quan trọng trong việc phát hiện ảnh giả mạo. Bằng cách phân tích các đặc điểm ánh sáng trong ảnh, có thể xác định được hướng chiếu sáng và phát hiện sự không nhất quán trong các bức ảnh giả mạo.

3.2. Sử dụng mạng Bayes trong phát hiện ảnh giả mạo

Mạng Bayes là một công cụ mạnh mẽ trong việc phát hiện ảnh giả mạo. Bằng cách sử dụng các mô hình xác suất, mạng Bayes có thể giúp xác định khả năng một bức ảnh là giả mạo dựa trên các đặc điểm ánh sáng và các yếu tố khác.

IV. Ứng dụng thực tiễn của phát hiện ảnh giả mạo qua phân tích nguồn sáng

Phát hiện ảnh giả mạo qua phân tích nguồn sáng đã được áp dụng trong nhiều lĩnh vực khác nhau. Từ báo chí đến an ninh mạng, các ứng dụng này giúp bảo vệ thông tin và đảm bảo tính xác thực của tài liệu hình ảnh. Bài viết sẽ trình bày một số ứng dụng thực tiễn nổi bật.

4.1. Ứng dụng trong lĩnh vực báo chí

Trong lĩnh vực báo chí, việc phát hiện ảnh giả mạo là rất quan trọng để đảm bảo tính chính xác của thông tin. Các nhà báo và biên tập viên sử dụng các công nghệ phát hiện để xác minh tính xác thực của các bức ảnh trước khi công bố.

4.2. Ứng dụng trong an ninh mạng

Trong an ninh mạng, phát hiện ảnh giả mạo giúp bảo vệ thông tin nhạy cảm và ngăn chặn các cuộc tấn công mạng. Các tổ chức an ninh sử dụng các phương pháp phát hiện để xác định các bức ảnh giả mạo có thể được sử dụng trong các cuộc tấn công.

V. Kết luận và tương lai của phát hiện ảnh giả mạo

Phát hiện ảnh giả mạo qua phân tích nguồn sáng là một lĩnh vực đang phát triển nhanh chóng. Với sự tiến bộ của công nghệ, các phương pháp phát hiện ngày càng trở nên hiệu quả hơn. Bài viết sẽ tóm tắt những điểm chính và đưa ra dự đoán về tương lai của lĩnh vực này.

5.1. Tóm tắt các điểm chính

Các phương pháp phát hiện ảnh giả mạo qua phân tích nguồn sáng đã chứng minh được hiệu quả trong việc nhận diện các bức ảnh giả mạo. Tuy nhiên, vẫn còn nhiều thách thức cần phải vượt qua để cải thiện độ chính xác và khả năng phát hiện.

5.2. Dự đoán về tương lai của công nghệ phát hiện

Trong tương lai, công nghệ phát hiện ảnh giả mạo sẽ tiếp tục phát triển với sự hỗ trợ của trí tuệ nhân tạo và học máy. Các thuật toán sẽ trở nên thông minh hơn, giúp phát hiện các bức ảnh giả mạo một cách nhanh chóng và chính xác hơn.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh công nghệ số phát triển mạnh mẽ, việc sử dụng hình ảnh kỹ thuật số ngày càng phổ biến và ảnh hưởng sâu rộng đến nhiều lĩnh vực như truyền thông, pháp lý, an ninh và thương mại. Theo ước tính, hàng tỷ bức ảnh kỹ thuật số được tạo ra và chia sẻ mỗi ngày trên toàn cầu, kéo theo nguy cơ gia tăng các hình ảnh giả mạo nhằm mục đích lừa đảo, xuyên tạc thông tin hoặc làm sai lệch chứng cứ. Vấn đề phát hiện ảnh giả mạo trở nên cấp thiết và phức tạp hơn bao giờ hết, đặc biệt khi các phần mềm chỉnh sửa ảnh ngày càng tinh vi, cho phép cắt ghép, chỉnh sửa mà không để lại dấu vết rõ ràng.

Luận văn tập trung nghiên cứu phương pháp phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng, một kỹ thuật mới mẻ và hiệu quả trong lĩnh vực xử lý ảnh số. Mục tiêu cụ thể của nghiên cứu là xây dựng thuật toán và chương trình thực nghiệm để xác định sự khác biệt về hướng chiếu sáng trong ảnh, từ đó phát hiện các vùng ảnh bị cắt ghép hoặc chỉnh sửa không đồng nhất về nguồn sáng. Phạm vi nghiên cứu tập trung vào ảnh kỹ thuật số được thu nhận và xử lý trong môi trường 2D, với giả định bề mặt vật thể phản xạ ánh sáng theo mô hình Lambertian.

Nghiên cứu có ý nghĩa quan trọng trong việc nâng cao độ chính xác của các hệ thống phát hiện ảnh giả mạo, góp phần bảo vệ tính xác thực của thông tin hình ảnh trong các ứng dụng thực tế như an ninh mạng, truyền thông đại chúng và pháp lý. Các chỉ số đánh giá hiệu quả bao gồm độ chính xác phát hiện, tỷ lệ phát hiện sai và khả năng áp dụng trong thời gian thực.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên hai khung lý thuyết chính:

1. Lý thuyết xử lý ảnh số: Bao gồm các khái niệm cơ bản về ảnh số như pixel, mức xám, biểu diễn ảnh, các kỹ thuật tiền xử lý (lọc nhiễu, chỉnh mức xám), phân đoạn ảnh, trích chọn đặc trưng và nhận dạng ảnh. Các phương pháp phát hiện biên như Gradient, Canny, Sobel và Laplace được áp dụng để xác định các đường biên trong ảnh, là cơ sở để phân tích nguồn sáng.

2. Mô hình phân tích nguồn sáng: Dựa trên giả định bề mặt vật thể phản xạ ánh sáng đẳng hướng (Lambertian) với hệ số phản xạ không đổi. Nghiên cứu phân loại các dạng nguồn sáng gồm nguồn sáng ở vô tận (3D và 2D), nguồn sáng cục bộ (gần) và nhiều nguồn sáng. Phương pháp ước lượng hướng nguồn sáng sử dụng kỹ thuật bình phương tối thiểu (least squares estimation) và mạng Bayes để tìm ước lượng tốt nhất dựa trên các đường biên khuất.

Các khái niệm chuyên ngành quan trọng bao gồm: điểm bất động và đặc trưng bất biến trong ảnh, khoảng cách Euclidean và Mahalanobis trong so khớp đặc trưng, thuật toán dò biên Canny, mô hình bóng đổ Lambertian, và kỹ thuật ước lượng hướng chiếu sáng.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là các ảnh kỹ thuật số thu thập từ các thiết bị camera và máy quét, bao gồm cả ảnh thật và ảnh giả mạo được tạo ra bằng kỹ thuật cắt ghép. Cỡ mẫu thực nghiệm khoảng vài trăm ảnh với đa dạng đối tượng và điều kiện ánh sáng.

Phương pháp phân tích gồm các bước:

• Tiền xử lý ảnh: lọc nhiễu, chỉnh mức xám, chuẩn hóa ảnh.
• Phát hiện biên: sử dụng thuật toán Canny để xác định các đường biên khuất có khả năng là biên đối tượng.
• Ước lượng hướng nguồn sáng: áp dụng mô hình Lambertian và kỹ thuật bình phương tối thiểu để tính toán hướng chiếu sáng trên từng đoạn biên.
• Phân tích sự khác biệt hướng nguồn sáng giữa các vùng ảnh để phát hiện giả mạo.
• Sử dụng mạng Bayes để tổng hợp và lựa chọn ước lượng hướng sáng chính xác nhất.

Timeline nghiên cứu kéo dài khoảng 12 tháng, bao gồm giai đoạn thu thập dữ liệu, phát triển thuật toán, xây dựng chương trình thực nghiệm và đánh giá kết quả.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả phát hiện biên bằng thuật toán Canny: Thuật toán Canny cho kết quả phát hiện biên chính xác với độ mảnh và ít nhiễu, đạt tỷ lệ phát hiện biên chính xác trên 90% trong bộ dữ liệu thử nghiệm. So với các phương pháp khác như Sobel và Prewitt, Canny vượt trội về khả năng loại bỏ nhiễu và định vị biên chính xác.

2. Ước lượng hướng nguồn sáng chính xác: Phương pháp bình phương tối thiểu kết hợp với mạng Bayes cho phép ước lượng hướng chiếu sáng với sai số trung bình dưới 5 độ trong các trường hợp nguồn sáng đơn. Khi áp dụng cho ảnh giả mạo, sự khác biệt hướng sáng giữa các vùng ảnh có thể lên đến 20-30%, tạo cơ sở phát hiện giả mạo hiệu quả.

3. Phát hiện ảnh giả mạo dựa trên sự khác biệt hướng nguồn sáng: Thuật toán phát hiện giả mạo dựa trên phân tích nguồn sáng đạt độ chính xác khoảng 85-90% trong việc phân biệt ảnh thật và ảnh giả mạo trong bộ dữ liệu thử nghiệm. Tỷ lệ phát hiện sai (false positive) được kiểm soát dưới 10%.

4. Khả năng áp dụng trong môi trường thực tế: Chương trình thực nghiệm có thể xử lý ảnh với kích thước trung bình trong thời gian dưới 5 giây trên máy tính cá nhân, phù hợp với yêu cầu xử lý ảnh trong các ứng dụng giám sát và kiểm tra nhanh.

Thảo luận kết quả

Nguyên nhân chính của hiệu quả cao là do việc kết hợp chặt chẽ giữa kỹ thuật phát hiện biên chính xác và mô hình ước lượng hướng nguồn sáng dựa trên các giả định vật lý hợp lý về phản xạ ánh sáng. So với các nghiên cứu trước đây chủ yếu dựa vào phân tích màu sắc hoặc dấu vết chỉnh sửa, phương pháp phân tích nguồn sáng cung cấp một góc nhìn mới, ít bị ảnh hưởng bởi các kỹ thuật chỉnh sửa tinh vi.

Kết quả cũng cho thấy sự khác biệt rõ rệt về hướng chiếu sáng giữa các vùng ảnh giả mạo, điều này phù hợp với thực tế khi các vùng ảnh được ghép từ các nguồn khác nhau không thể đồng nhất hoàn toàn về ánh sáng. Biểu đồ so sánh sai số ước lượng hướng sáng giữa ảnh thật và ảnh giả mạo minh họa rõ sự khác biệt này.

Tuy nhiên, phương pháp còn hạn chế khi ảnh có nhiều nguồn sáng phức tạp hoặc bề mặt vật thể không tuân theo mô hình Lambertian, dẫn đến sai số ước lượng tăng lên. Do đó, cần tiếp tục nghiên cứu mở rộng mô hình và cải tiến thuật toán để xử lý các trường hợp phức tạp hơn.

Đề xuất và khuyến nghị

1. Phát triển thuật toán ước lượng nguồn sáng đa nguồn: Nâng cao khả năng xử lý các ảnh có nhiều nguồn sáng phức tạp bằng cách mở rộng mô hình và áp dụng các kỹ thuật học máy để phân tách nguồn sáng riêng biệt. Mục tiêu giảm sai số ước lượng dưới 3 độ trong vòng 12 tháng, do nhóm nghiên cứu công nghệ thông tin thực hiện.

2. Tích hợp hệ thống phát hiện ảnh giả mạo vào các nền tảng truyền thông: Đề xuất xây dựng module phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng tích hợp vào các mạng xã hội và hệ thống báo chí điện tử nhằm kiểm soát thông tin sai lệch. Thời gian triển khai dự kiến 18 tháng, phối hợp với các đơn vị truyền thông.

3. Xây dựng cơ sở dữ liệu ảnh thật và giả mạo đa dạng: Thu thập và chuẩn hóa bộ dữ liệu lớn với nhiều loại ảnh và điều kiện ánh sáng khác nhau để đào tạo và đánh giá thuật toán phát hiện. Mục tiêu hoàn thành trong 6 tháng, do các viện nghiên cứu và trường đại học phối hợp thực hiện.

4. Phát triển giao diện người dùng thân thiện cho chương trình thực nghiệm: Thiết kế phần mềm dễ sử dụng, hỗ trợ người dùng không chuyên trong việc kiểm tra tính xác thực của ảnh kỹ thuật số. Thời gian phát triển 9 tháng, do nhóm phát triển phần mềm đảm nhận.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành công nghệ thông tin, xử lý ảnh: Luận văn cung cấp kiến thức chuyên sâu về kỹ thuật phát hiện ảnh giả mạo, các thuật toán xử lý ảnh và mô hình phân tích nguồn sáng, hỗ trợ nghiên cứu và phát triển các đề tài liên quan.

2. Chuyên gia an ninh mạng và pháp y số: Phương pháp phát hiện ảnh giả mạo giúp tăng cường khả năng phân tích, xác minh hình ảnh trong điều tra tội phạm mạng và xử lý chứng cứ số.

3. Nhà báo và biên tập viên truyền thông: Công cụ phát hiện ảnh giả mạo hỗ trợ kiểm chứng thông tin hình ảnh, ngăn chặn việc lan truyền tin giả và bảo vệ uy tín thông tin.

4. Doanh nghiệp phát triển phần mềm và ứng dụng công nghệ hình ảnh: Tham khảo để tích hợp các giải pháp phát hiện ảnh giả mạo vào sản phẩm, nâng cao giá trị và tính cạnh tranh trên thị trường.

Câu hỏi thường gặp

1. Phương pháp phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng hoạt động như thế nào?
   Phương pháp này dựa trên việc ước lượng hướng chiếu sáng trên các vùng biên của ảnh. Nếu các vùng ảnh có hướng nguồn sáng không đồng nhất, điều này cho thấy ảnh có thể bị cắt ghép hoặc chỉnh sửa. Ví dụ, trong một bức ảnh giả mạo ghép từ hai ảnh khác nhau, các vùng sẽ có hướng sáng khác nhau, dễ dàng phát hiện bằng thuật toán.

2. Ước lượng hướng nguồn sáng có chính xác không trong điều kiện ánh sáng phức tạp?
   Trong điều kiện nguồn sáng đơn giản hoặc nguồn sáng ở vô tận, phương pháp cho độ chính xác cao với sai số dưới 5 độ. Tuy nhiên, với nhiều nguồn sáng hoặc ánh sáng cục bộ phức tạp, sai số có thể tăng lên, cần cải tiến mô hình để xử lý tốt hơn.

3. Thuật toán phát hiện biên nào được sử dụng và vì sao?
   Thuật toán Canny được sử dụng do khả năng phát hiện biên mảnh, chính xác và ít nhiễu hơn so với các thuật toán khác như Sobel hay Prewitt. Điều này giúp xác định chính xác các đường biên khuất cần thiết cho việc ước lượng nguồn sáng.

4. Phương pháp này có thể áp dụng cho ảnh màu không?
   Mặc dù nghiên cứu chủ yếu tập trung vào ảnh đen trắng hoặc ảnh mức xám, phương pháp có thể mở rộng cho ảnh màu bằng cách phân tích từng kênh màu hoặc chuyển đổi sang không gian màu phù hợp để phân tích nguồn sáng.

5. Làm thế nào để giảm tỷ lệ phát hiện sai trong thực tế?
   Có thể kết hợp phương pháp phân tích nguồn sáng với các kỹ thuật khác như phân tích dấu vết chỉnh sửa, biến đổi màu sắc hoặc cơ sở dữ liệu ảnh để tăng độ tin cậy và giảm tỷ lệ phát hiện sai.

Kết luận

• Luận văn đã xây dựng thành công phương pháp phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng, kết hợp kỹ thuật phát hiện biên và ước lượng hướng chiếu sáng.
• Thuật toán đạt độ chính xác phát hiện giả mạo khoảng 85-90%, với sai số ước lượng hướng sáng dưới 5 độ trong điều kiện nguồn sáng đơn.
• Phương pháp có khả năng áp dụng thực tế với thời gian xử lý nhanh, phù hợp cho các ứng dụng giám sát và kiểm tra ảnh kỹ thuật số.
• Hạn chế hiện tại là xử lý kém hiệu quả với ảnh có nhiều nguồn sáng phức tạp hoặc bề mặt không tuân theo mô hình Lambertian.
• Đề xuất các bước tiếp theo bao gồm phát triển mô hình đa nguồn sáng, xây dựng cơ sở dữ liệu đa dạng và tích hợp hệ thống vào các nền tảng truyền thông.

Mời các nhà nghiên cứu và chuyên gia trong lĩnh vực xử lý ảnh, an ninh mạng, truyền thông cùng hợp tác phát triển và ứng dụng phương pháp này để nâng cao hiệu quả phát hiện ảnh giả mạo trong thực tế.

Trích đoạn nội dung tài liệu

Phần mở đầu Chƣơng 1: Khái quát về xử lý ảnh và ảnh giả mạo: Chương này đề cập đến các khái niệm cơ bản về xử lý ảnh số, quá trình xử lý ảnh. Khái quát một số phương pháp giả mạo ảnh số thường gặp, đồng thời cũng trình bày một số kỹ thuật phát hiện ảnh số giả mạo hiện nay, để từ đó giúp người đọc có cái nhìn tổng quan về lĩnh vực ảnh số giả mạo. Chƣơng 2: Phát hiện ảnh giả mạo dựa trên phân tích nguồn sáng: Chương này nghiên cứu về các dạng nguồn sáng, từ đó đưa ra phương pháp phát hiện ảnh giả mạo dựa vào nguồn sáng bao gồm ý tưởng, thuật toán. Chƣơng 3: Chƣơng trình thực nghiệm: Tiến hành xây dựng chương trình thực nghiệm để phát hiện ảnh kỹ thuật số giả mạo dựa trên phân tích nguồn sáng.

Phần kết luận 10 CHƢƠNG 1: KHÁI QUÁT VỀ XỬ LÝ ẢNH VÀ ẢNH GIẢ MẠO 1. Xử lý ảnh và một số vấn đề cơ bản trong xử lý ảnh 1. Một số khái niệm cơ bản Để có thể xử lý bằng máy tính điện tử thì ảnh cần phải được số hóa. Đó là quá trình biến đổi ảnh từ tín hiệu liên tục sang tín hiệu rời rạc thông qua việc lấy mẫu và lượng tử hóa.

Trong quá trình này người ta sử dụng khái niệm “pixel”. Mỗi pixel được đặc trưng bởi một cặp tọa độ ( X , Y ) và màu sắc của nó.  Ảnh và điểm ảnh: Ảnh là một tập hợp các pixel có cấu trúc, ta có thể coi ảnh là một mảng hai chiều I ( n, p ) có n dòng và p cột, ảnh sẽ có n  p (pixel). Điểm ảnh (pixel) là một phần tử của ảnh số tại tọa độ (x,y) với độ xám hoặc màu nhất định.

Kích thước và khoảng cách giữa các điểm ảnh đó được chọn thích hợp sao cho mắt người cảm nhận sự liên tục về không gian và mức xám (hoặc màu) của ảnh số gần như ảnh thật. Mỗi phần tử trong ma trận được gọi là một phần tử ảnh.  Mức xám (Gray level): Đó là kết quả của việc mã hóa, cho tương ứng một cường độ sáng của mỗi điểm ảnh với một giá trị số, có thể là 16, 32, 64 mức.  Biểu diễn ảnh: Trong biểu diễn ảnh người ta thường sử dụng các phần tử đặc trưng của ảnh là pixel.

Một hàm hai biến chứa các thông tin như một biểu diễn ảnh. Một số mô hình thường dùng để biểu diễn ảnh là mô hình toán (biểu diễn ảnh nhờ các hàm cơ sở), mô hình thống kê (ảnh coi như một phần tử của một tập hợp đặc trưng bởi kỳ vọng toán, hiệp biến, phương sai, moment…).  Tăng cƣờng ảnh: Đây là một bước quan trọng bao gồm các kỹ thuật lọc độ tương phản, khử nhiễu, nổi màu….  Biến đổi ảnh: Thao tác chủ yếu trên một tập các ma trận và sử dụng các kỹ thuật để biến đổi ảnh qua ma trận: Biến đổi Furie, Sin, Cosin, tích Kronecker.

 Phân tích ảnh: Liên quan tới việc xác định các độ đo định lượng của một ảnh để đưa ra một mô tả đầy đủ về ảnh. Có những kỹ thuật cơ bản để hỗ trợ phân tích ảnh: Dò biên, lọc vi phân, dò theo quy hoạch động, phân vùng ảnh 11 1. Một số vấn đề cơ bản trong xử lý ảnh  Xử lý ảnh? Quá trình xử lý ảnh được xem như là quá trình thao tác ảnh đầu vào nhằm cho ra kết quả mong muốn. Kết quả đầu ra của một quá trình xử lý ảnh có thể là một ảnh “tốt hơn” hoặc một kết luận.

Ảnh “tốt Ảnh XỬ LÝ ẢNH hơn" Kết luận Hình 1. Quá trình xử lý ảnh  Cách biểu diễn ảnh Đối với ảnh đơn giản (ảnh đen trắng) thì ảnh được biểu diễn bằng một hàm cường độ sáng hai chiều f ( X , Y ) , trong đó X , Y là các giá trị toạ độ không gian và hàm giá trị của f tại một điểm ( X , Y ) bất kỳ sẽ tỷ lệ với độ sáng hay mức xám của điểm ảnh tại điểm này. Biểu diễn ảnh bằng hàm f ( X , Y ) Trong một số trường hợp hàm ảnh còn được biểu diễn với một trục thứ 3 gọi là hàm cường độ sáng (với hình 1.2, trục thứ 3 bằng 0). Một ảnh số là một ảnh f ( X , Y ) được gián đoạn theo không gian và cường độ sáng.

Một ảnh số được xem như một ma trận với hàng và cột biểu diễn một điểm trong ảnh và giá trị điểm ma trận tương ứng với mức xám tại điểm đó. Các phần tử của một dãy số như thế được gọi là các điểm ảnh. Ánh sáng có dạng năng lượng f ( X , Y ) phải khác 0 và hữu hạn: 0  f ( X ,Y )   (1.1) 12 Con người có khả năng nhận các hình ảnh từ ánh sáng phản xạ qua các vật thể. Cơ sở của f ( X , Y ) được đặc trưng qua hai thành phần:  Số lượng ánh sáng nguồn rơi trên cảnh vật được nhìn thấy.

 Số lượng ánh sáng nguồn phản xạ từ vật thể ( trong cảnh vật). Chúng được gọi gần đúng là sự phát sáng và các thành phần phản xạ, và được biểu diễn tương ứng là i( X , Y ) và r ( X , Y ). Bản chất của i( X , Y ) được xác định bằng nguồn sáng và của r ( X , Y ) được xác định bằng các đặc trưng của vật thể.2) Với: ( 0  i( X , Y )   0  r( X ,Y )  1 ) Ở đây ta gọi cường độ sáng của một ảnh đen trắng tại tọa độ ( X , Y ) là mức xám (l ) của ảnh tại điểm đó.4) , l nằm trong khoảng: Lmin  l  Lmax (1.3) Trong lý thuyết, chỉ cần Lmin  0 và Lmax hữu hạn. Trong thực tế: Lmin  imin rmin (1.4) Lmax  imax rmax Sử dụng các giá trị chiếu sáng và phản xạ đã được tổng kết qua thực nghiệm hoặc xem là các giá trị cơ bản Lmin  0.005, Lmax  100 cho xử lý ảnh.

Khoảng  Lmin , Lmax  được gọi là thang xám. Ta có thể dịch khoảng này đến 0, L , trong đó l  0 là đen và l  L là trắng trong thang xám. Giá trị tức thời là các dạng mức xám thay đổi liên tục từ đen đến trắng. Các điểm 4 láng giềng: Giả sử (i,j) là một điểm ảnh, khi đó các điểm 4 – láng giềng là: N4= {(i-1,j); (i+1,j); (i, j-1); (i, j+1)} Các điểm 8 láng giềng: N8 = N4  {(i-1,j-1); (i-1,j+1); (i+1,j-1); (i+1,j+1)} 13  Nắn chỉnh biến dạng Ảnh thu nhận thường bị biến dạng do các thiết bị quang học và điện tử.

Ảnh thu nhận và ảnh mong muốn Để khắc phục người ta sử dụng các phép chiếu, các phép chiếu thường được xây dựng trên tập các điểm điều khiển. Giả sử (Pi, Pi’) i= 1, n có n các tập điều khiển Tìm hàm f: Pi → f (Pi) sao cho n  P f (P )  P P  min i 1 i i ' 2 Giả sử ảnh bị biến đổi chỉ bao gồm : Tịnh tiến, quay, tỷ lệ, biến dạng bậc nhất tuyến tính. Khi đó hàm f có dạng: f(x,y) = (a1x + b1y + c1, a2x + b2y + c2) Ta có: n 2 n    (f(Pi )  Pi' )   (a1x i  b1yi  c1  x i' ) 2  (a 2 x i  b 2 yi  c 2  yi' ) 2  (1.6) 14 Giải hệ phương trình tuyến tính tìm được a1, b1, c1 Tương tự tìm được a2, b2, c2  Xác định được hàm f  Kỹ thuật phóng to, thu nhỏ ảnh: Khi ảnh quá lớn chúng ta muốn nhìn toàn bộ ảnh thì chúng ta phải thu nhỏ ảnh lại và ngược lại khi ta muốn xem chi tiết một bộ phận nào đó của ảnh thì ta phải phóng to nó lên. - Kỹ thuật phóng to ảnh: Khi phóng to ảnh với một tỉ lệ k nào đó ta thu được ảnh mới to gấp k lần ảnh cũ (k là độ phóng của ảnh) như thế ảnh mới sẽ có kích thước là: Height = Height * k Width = Width * k Việc tính các điểm ảnh tương ứng của ảnh mới sẽ được tính theo công thức: xp=x/k yp=y/k - Kỹ thuật thu nhỏ ảnh: Tương tự như phóng to ảnh, khi thu nhỏ ảnh ta thu được ảnh mới giống ảnh cũ nhưng có kích thước nhỏ hơn ảnh cũ.

Kích thước của ảnh mới là: Height = Height / k Width = Width / k Việc tính các điểm ảnh tương ứng của ảnh mới sẽ được tính theo công thức: xp=x*k yp=y*k  Nhận dạng ảnh: Quá trình này liên quan đến các mô tả đối tượng mà người ta muốn đặc tả nó. Nhận dạng ảnh thường đi sau các quá trình trích chọn các đặc trưng chủ yếu của đối tượng. 15 Nhận dạng tự động (automatic recognition), mô tả đối tượng, phân loại và phân nhóm các mẫu là những vấn đề quan trọng trong thị giác máy, được ứng dụng trong nhiều ngành khoa học khác nhau. Tuy nhiên, một câu hỏi đặt ra là: mẫu (pattern) là gì? Watanabe, một trong những người đi đầu trong lĩnh vực này đã định nghĩa: “Ngược lại với hỗn loạn (chaos), mẫu là một thực thể (entity), được xác định một cách mơ hồ (vaguely defined) và có thể gán cho nó một tên gọi nào đó”.

Ví dụ mẫu có thể là ảnh của vân tay, ảnh của một vật nào đó được chụp, một chữ viết, khuôn mặt người hoặc một ký đồ tín hiệu tiếng nói. Khi biết một mẫu nào đó, để nhận dạng hoặc phân loại mẫu đó có thể: Hoặc phân loại có mẫu (supervised classification), chẳng hạn phân tích phân biệt (discriminant analyis), trong đó mẫu đầu vào được định danh như một thành phần của một lớp đã xác định. Hoặc phân loại không có mẫu (unsupervised classification hay clustering) trong đó các mẫu được gán vào các lớp khác nhau dựa trên một tiêu chuẩn đồng dạng nào đó. Các lớp này cho đến thời điểm phân loại vẫn chưa biết hay chưa được định danh.

Hệ thống nhận dạng tự động bao gồm ba khâu tương ứng với ba giai đoạn chủ yếu sau đây: - Thu nhận dữ liệu và tiền xử lý - Biểu diễn dữ liệu - Nhận dạng, ra quyết định Bốn cách tiếp cận khác nhau trong lý thuyết nhận dạng là: - Đối sánh mẫu dựa trên các đặc trưng được trích chọn. - Phân loại thống kê. - Đối sánh cấu trúc. - Phân loại dựa trên mạng nơ-ron nhân tạo.