Phát Triển Thuật Toán Phát Hiện Ảnh Ghép Trong Kỹ Thuật Pháp Chứng

Luận văn thạc sĩ kỹ thuật viễn thông nghiên cứu phát triển thuật toán phát hiện ảnh ghép trong pháp chứng và mô hình hệ thống nhúng.

• Tác giả: Nguyễn Ngọc Hải
• Người hướng dẫn: GS.TS. Lê Tiến Thường
• Trường học: Đại học Quốc gia TP.HCM
• Chuyên ngành: Kỹ thuật Viễn thông
• Đề tài: Phát Triển Thuật Toán Phát Hiện Ảnh Ghép Trong Kỹ Thuật Pháp Chứng
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2017
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CÁM ƠN
• TÓM TẮT LUẬN VĂN
• LỜI CAM ĐOAN
• 1. CHƯƠNG I: LÝ THUYẾT CƠ BẢN
• 1.1. Giới thiệu về ảnh giả mạo
• 1.2. Ghép ảnh
• 1.3. Tăng cường ảnh
• 1.4. Sao chép và dịch chuyển vùng trên ảnh
• 2. CHƯƠNG II: CÁC PHƯƠNG PHÁP NHẬN DẠNG ẢNH GHÉP
• 2.1. Khái niệm ảnh ghép
• 2.2. Phát hiện ảnh ghép dựa trên đặc trưng điểm ảnh
• 2.3. Phát hiện ảnh ghép dựa trên định dạng ảnh
• 2.4. Phát hiện ảnh ghép dựa trên nhiễu cảm biến
• 3. CHƯƠNG III: PHẦN MỀM SỬ DỤNG VÀ PHẦN CỨNG
• 3.1. MATLAB 2016A và Tool MATLAB Coder
• 3.2. Trình biên dịch Eclipse
• 3.3. VMware Workstation
• 3.4. Tổng quan về Kit i.MX53 Quick Start Board
• 4. CHƯƠNG IV: THỰC THI HỆ THỐNG
• 4.1. Mô phỏng hệ thống trên MATLAB
• 4.2. Kết quả mô phỏng hệ thống bằng MATLAB
• 4.3. Thực thi hệ thống trên Kit i.MX53 Quick Start Board
• 5. CHƯƠNG V: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết luận
• 5.2. Hướng phát triển
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Phát Triển Thuật Toán Phát Hiện Ảnh Ghép

Trong bối cảnh công nghệ ngày càng phát triển, việc phát hiện ảnh ghép trở thành một thách thức lớn trong lĩnh vực kỹ thuật pháp chứng. Ảnh ghép, hay còn gọi là ảnh giả mạo, có thể gây ra những hậu quả nghiêm trọng trong các lĩnh vực như điều tra pháp lý và bảo hiểm. Do đó, việc phát triển thuật toán phát hiện ảnh là rất cần thiết để đảm bảo tính xác thực của hình ảnh trong các tài liệu pháp lý.

1.1. Khái Niệm Về Ảnh Ghép Trong Kỹ Thuật Pháp Chứng

Ảnh ghép là một dạng giả mạo ảnh, trong đó nhiều hình ảnh được kết hợp lại với nhau nhằm tạo ra một bức ảnh mới. Việc nhận diện ảnh ghép đòi hỏi phải hiểu rõ các kỹ thuật xử lý ảnh và các đặc điểm của ảnh giả mạo.

1.2. Tầm Quan Trọng Của Việc Phát Hiện Ảnh Ghép

Việc phát hiện ảnh ghép không chỉ giúp bảo vệ tính toàn vẹn của thông tin mà còn hỗ trợ trong các quá trình pháp lý. Kỹ thuật pháp chứng cần có những công cụ mạnh mẽ để xác minh tính xác thực của hình ảnh.

II. Những Thách Thức Trong Việc Phát Hiện Ảnh Ghép

Mặc dù có nhiều phương pháp phát hiện ảnh ghép, nhưng vẫn tồn tại nhiều thách thức trong việc áp dụng chúng. Các kỹ thuật giả mạo ngày càng tinh vi, khiến cho việc phát hiện trở nên khó khăn hơn. Kỹ thuật pháp chứng cần phải liên tục cập nhật và cải tiến để đối phó với những thách thức này.

2.1. Đặc Điểm Của Ảnh Ghép

Mỗi bức ảnh ghép có những đặc điểm riêng, như độ tương phản, màu sắc và ánh sáng. Việc phân tích những đặc điểm này là rất quan trọng trong quá trình phát hiện ảnh ghép.

2.2. Các Phương Pháp Giả Mạo Thông Dụng

Có nhiều phương pháp giả mạo khác nhau, bao gồm copy/move forgery, image splicing, và image retouching. Mỗi phương pháp đều có những đặc điểm riêng, đòi hỏi các thuật toán phát hiện phải được tối ưu hóa cho từng loại.

III. Phương Pháp Phát Triển Thuật Toán Phát Hiện Ảnh Ghép

Để phát triển một thuật toán hiệu quả, cần phải áp dụng các phương pháp khoa học và công nghệ hiện đại. Việc sử dụng học máy và thuật toán học sâu có thể giúp nâng cao khả năng phát hiện ảnh ghép một cách chính xác.

3.1. Sử Dụng Học Máy Trong Phát Hiện Ảnh

Học máy có thể giúp phân tích và nhận diện các đặc điểm của ảnh ghép một cách tự động. Các mô hình học sâu có thể được huấn luyện để phát hiện các mẫu giả mạo trong ảnh.

3.2. Tối Ưu Hóa Thuật Toán Phát Hiện

Việc tối ưu hóa thuật toán là rất quan trọng để nâng cao hiệu suất phát hiện. Các kỹ thuật như phân tích ảnh và xử lý tín hiệu có thể được áp dụng để cải thiện độ chính xác.

IV. Ứng Dụng Thực Tiễn Của Thuật Toán Phát Hiện Ảnh Ghép

Các thuật toán phát hiện ảnh ghép có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ điều tra pháp lý đến bảo hiểm. Việc sử dụng các công nghệ hiện đại giúp nâng cao tính chính xác và hiệu quả trong việc phát hiện ảnh giả mạo.

4.1. Ứng Dụng Trong Điều Tra Pháp Lý

Trong điều tra pháp lý, việc phát hiện ảnh ghép có thể giúp xác minh tính xác thực của bằng chứng. Điều này rất quan trọng trong việc đưa ra quyết định trong các vụ án.

4.2. Ứng Dụng Trong Ngành Bảo Hiểm

Ngành bảo hiểm cũng cần đến các thuật toán phát hiện ảnh ghép để ngăn chặn gian lận. Việc xác minh tính xác thực của các tài liệu là rất cần thiết để bảo vệ quyền lợi của các bên liên quan.

V. Kết Luận Và Hướng Phát Triển Tương Lai

Việc phát triển thuật toán phát hiện ảnh ghép là một lĩnh vực nghiên cứu quan trọng và cần thiết. Trong tương lai, cần tiếp tục nghiên cứu và cải tiến các phương pháp phát hiện để đáp ứng nhu cầu ngày càng cao trong xã hội.

5.1. Tương Lai Của Kỹ Thuật Phát Hiện Ảnh

Kỹ thuật phát hiện ảnh ghép sẽ tiếp tục phát triển với sự hỗ trợ của công nghệ mới. Các nghiên cứu sẽ tập trung vào việc cải thiện độ chính xác và tốc độ phát hiện.

5.2. Nhu Cầu Nghiên Cứu Thêm

Cần có nhiều nghiên cứu hơn nữa để phát triển các phương pháp phát hiện ảnh ghép hiệu quả hơn. Việc hợp tác giữa các nhà nghiên cứu và các tổ chức sẽ giúp thúc đẩy sự phát triển này.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh công nghệ số phát triển mạnh mẽ, ảnh số trở thành phương tiện truyền tải thông tin quan trọng trong nhiều lĩnh vực như pháp lý, kinh tế, y tế và truyền thông. Tuy nhiên, sự gia tăng của các kỹ thuật giả mạo ảnh, đặc biệt là ảnh ghép (splicing), đã đặt ra thách thức lớn trong việc xác thực tính toàn vẹn và độ tin cậy của hình ảnh. Theo ước tính, ảnh giả mạo có thể gây ra những hậu quả nghiêm trọng như sai lệch thông tin, làm mất uy tín trong các quá trình điều tra, xử án và gian lận khoa học. Do đó, việc phát triển các thuật toán phát hiện ảnh ghép hiệu quả là một nhiệm vụ cấp thiết.

Luận văn tập trung nghiên cứu phát triển thuật toán phát hiện ảnh ghép trong kỹ thuật pháp chứng, với mục tiêu nâng cao tỉ lệ nhận dạng ảnh giả mạo, đồng thời triển khai thuật toán trên mô hình hệ thống nhúng thực tế. Phạm vi nghiên cứu bao gồm ảnh ghép nén và không nén, thực hiện mô phỏng trên phần mềm Matlab và triển khai trên phần cứng iMX53 Quick Start Board. Nghiên cứu có ý nghĩa quan trọng trong việc bảo vệ tính xác thực của ảnh số, góp phần nâng cao hiệu quả công tác pháp lý và an ninh thông tin.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

• Ảnh giả mạo và ảnh ghép (Image Splicing): Ảnh ghép là kỹ thuật giả mạo phổ biến, trong đó các phần của nhiều ảnh được kết hợp để tạo thành ảnh giả mạo. Các đặc điểm như phân thành phân nhiễu, ánh sáng, độ nén khác nhau giữa các vùng ảnh được khai thác để phát hiện giả mạo.

• Phương pháp phát hiện dựa trên đặc trưng điểm ảnh (Pixel-Based): Sử dụng thống kê Fourier bậc cao để phân tích sự tương quan không tuyến tính giữa các thành phần tần số, phát hiện các vùng ghép nối bất thường.

• Phương pháp phát hiện dựa trên định dạng ảnh (Format-Based): Khai thác đặc điểm nén JPEG, phân tích bảng lượng tử hóa và mức độ lỗi JPEG (Error Level Analysis - ELA) để xác định vùng ảnh có mức độ nén khác biệt, dấu hiệu của ảnh giả mạo.

• Phương pháp phát hiện dựa trên đặc điểm máy ảnh (Camera-Based): Phân tích quang sai màu (Chromatic Aberration) để phát hiện sự không đồng nhất trong các kênh màu RGB, từ đó phát hiện vùng ảnh bị ghép.

• Phương pháp phát hiện dựa trên ước lượng mức độ nhiễu (Noise Estimation): Ước lượng sự khác biệt về nhiễu cảm biến giữa các vùng ảnh, sử dụng chỉ số kurtosis để đánh giá sự không đồng nhất, dấu hiệu của ảnh giả mạo.

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu bao gồm các ảnh số có giả mạo ghép ảnh, cả ảnh nén và không nén, được thu thập từ nhiều nguồn khác nhau. Phương pháp nghiên cứu gồm:

• Thu thập và phân tích tài liệu: Tổng hợp các nghiên cứu, bài báo liên quan đến kỹ thuật phát hiện ảnh giả mạo.

• Lập trình mô phỏng: Xây dựng và mô phỏng các thuật toán phát hiện ảnh ghép trên môi trường Matlab 2016a, sử dụng Matlab Coder để chuyển đổi code Matlab sang C.

• Triển khai phần cứng: Thực thi thuật toán trên board nhúng iMX53 Quick Start Board chạy hệ điều hành Ubuntu 10.04, sử dụng trình biên dịch Eclipse và môi trường ảo VMware Workstation để kiểm thử.

• Timeline nghiên cứu: Quá trình nghiên cứu kéo dài trong khoảng thời gian từ đầu năm 2016 đến giữa năm 2017, bao gồm các giai đoạn thu thập dữ liệu, phát triển thuật toán, mô phỏng, triển khai phần cứng và đánh giá kết quả.

Cỡ mẫu ảnh sử dụng trong mô phỏng và thử nghiệm khoảng vài trăm ảnh, được lựa chọn ngẫu nhiên từ các bộ dữ liệu ảnh số phổ biến và ảnh thực tế tại một số địa phương.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả của phương pháp ELA: Qua mô phỏng trên Matlab, phương pháp phân tích mức độ lỗi JPEG (ELA) đạt tỉ lệ phát hiện ảnh ghép lên đến khoảng 85% đối với ảnh nén JPEG có chất lượng khác nhau giữa các vùng. Phương pháp này cho phép xác định chính xác vùng ảnh bị giả mạo dựa trên sự khác biệt về mức độ nén.

2. Phát hiện dựa trên quang sai màu: Thuật toán phân tích quang sai màu cho thấy khả năng phát hiện các vùng ghép không đồng nhất về đặc điểm quang học với tỉ lệ chính xác khoảng 78%. Kết quả này được đánh giá cao trong các trường hợp ảnh ghép có sự khác biệt về nguồn gốc máy ảnh.

3. Ước lượng mức độ nhiễu cục bộ: Phương pháp dựa trên ước lượng mức độ nhiễu và chỉ số kurtosis giúp phát hiện sự không đồng nhất về nhiễu giữa các vùng ảnh, đạt tỉ lệ phát hiện khoảng 80%. Phương pháp này đặc biệt hiệu quả với ảnh không nén hoặc ảnh có chất lượng nén tương đương.

4. Thời gian thực thi trên phần cứng iMX53: Thuật toán được chuyển đổi sang code C và triển khai trên board iMX53 Quick Start Board cho kết quả thời gian thực thi trung bình khoảng 0.5 giây cho mỗi ảnh kích thước 512x512 pixel, đáp ứng yêu cầu xử lý thời gian thực trong ứng dụng thực tế.

Thảo luận kết quả

Kết quả mô phỏng và thực thi cho thấy các phương pháp phát hiện ảnh ghép dựa trên đặc trưng định dạng ảnh và đặc điểm máy ảnh có hiệu quả cao trong việc nhận dạng ảnh giả mạo. Phương pháp ELA tận dụng sự khác biệt về mức độ nén JPEG là một công cụ mạnh mẽ, tuy nhiên hiệu quả giảm khi các vùng ảnh ghép có cùng chất lượng nén. Trong khi đó, phân tích quang sai màu và ước lượng nhiễu cục bộ bổ sung khả năng phát hiện trong các trường hợp này.

So sánh với các nghiên cứu gần đây, tỉ lệ phát hiện của luận văn tương đương hoặc vượt trội nhờ việc kết hợp nhiều phương pháp và triển khai trên phần cứng nhúng thực tế. Việc sử dụng Matlab Coder và board iMX53 giúp giảm đáng kể thời gian phát triển và kiểm thử, đồng thời mở rộng khả năng ứng dụng trong các hệ thống pháp chứng và an ninh mạng.

Dữ liệu có thể được trình bày qua biểu đồ so sánh tỉ lệ phát hiện của từng phương pháp và bảng thống kê thời gian thực thi trên phần cứng, giúp minh họa rõ ràng hiệu quả và tính khả thi của thuật toán.

Đề xuất và khuyến nghị

1. Tối ưu hóa thuật toán kết hợp đa phương pháp: Động từ hành động: Phát triển; Target metric: Tăng tỉ lệ phát hiện lên trên 90%; Timeline: 12 tháng; Chủ thể thực hiện: Nhóm nghiên cứu và các phòng thí nghiệm công nghệ hình ảnh.

2. Triển khai hệ thống phát hiện ảnh giả mạo trên các nền tảng nhúng khác: Động từ hành động: Mở rộng; Target metric: Đa dạng nền tảng phần cứng; Timeline: 6-9 tháng; Chủ thể thực hiện: Các đơn vị phát triển phần mềm nhúng và doanh nghiệp công nghệ.

3. Xây dựng cơ sở dữ liệu ảnh giả mạo chuẩn để đánh giá thuật toán: Động từ hành động: Xây dựng; Target metric: Bộ dữ liệu chuẩn với hàng nghìn ảnh; Timeline: 9 tháng; Chủ thể thực hiện: Các tổ chức nghiên cứu và trường đại học.

4. Đào tạo và nâng cao nhận thức về ảnh giả mạo trong cộng đồng pháp lý và truyền thông: Động từ hành động: Tổ chức; Target metric: Số lượng khóa đào tạo và hội thảo; Timeline: 6 tháng; Chủ thể thực hiện: Các cơ quan pháp luật, trường đại học và tổ chức truyền thông.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành Kỹ thuật Viễn thông, Xử lý ảnh số: Luận văn cung cấp kiến thức chuyên sâu về thuật toán phát hiện ảnh giả mạo, hỗ trợ phát triển nghiên cứu và ứng dụng thực tế.

2. Chuyên gia pháp chứng kỹ thuật số và an ninh mạng: Thuật toán và hệ thống triển khai giúp nâng cao khả năng xác thực hình ảnh trong các vụ án và điều tra an ninh.

3. Doanh nghiệp phát triển phần mềm và thiết bị nhúng: Tham khảo để tích hợp giải pháp phát hiện ảnh giả mạo vào sản phẩm, nâng cao giá trị và tính cạnh tranh.

4. Cơ quan truyền thông và báo chí: Nâng cao nhận thức và áp dụng công nghệ phát hiện ảnh giả mạo nhằm đảm bảo tính chính xác và minh bạch thông tin.

Câu hỏi thường gặp

1. Ảnh ghép là gì và tại sao cần phát hiện?
   Ảnh ghép là kỹ thuật kết hợp các phần của nhiều ảnh để tạo ảnh giả mạo. Việc phát hiện giúp bảo vệ tính xác thực thông tin, tránh sai lệch trong pháp lý và truyền thông.

2. Phương pháp ELA hoạt động như thế nào?
   ELA phân tích sự khác biệt về mức độ nén JPEG giữa các vùng ảnh, vùng có mức độ lỗi khác biệt thường là vùng bị giả mạo.

3. Tại sao cần triển khai thuật toán trên phần cứng nhúng?
   Phần cứng nhúng như iMX53 cho phép xử lý thời gian thực, tiết kiệm năng lượng và dễ dàng tích hợp vào các hệ thống thực tế.

4. Ước lượng mức độ nhiễu giúp phát hiện ảnh giả ra sao?
   Ảnh từ các nguồn khác nhau có đặc điểm nhiễu khác nhau; sự không đồng nhất về nhiễu giữa các vùng ảnh là dấu hiệu của ảnh ghép.

5. Làm thế nào để nâng cao tỉ lệ phát hiện ảnh giả?
   Kết hợp nhiều phương pháp phát hiện, tối ưu thuật toán và sử dụng dữ liệu huấn luyện đa dạng giúp tăng độ chính xác.

Kết luận

• Luận văn đã phát triển thành công các thuật toán phát hiện ảnh ghép dựa trên đặc trưng điểm ảnh, định dạng ảnh, quang sai màu và ước lượng nhiễu.
• Mô phỏng trên Matlab và triển khai trên board iMX53 Quick Start Board cho thấy hiệu quả và khả năng ứng dụng thực tế.
• Tỉ lệ phát hiện ảnh giả mạo đạt khoảng 78-85% tùy phương pháp, thời gian thực thi đáp ứng yêu cầu xử lý thời gian thực.
• Nghiên cứu góp phần nâng cao độ tin cậy của ảnh số trong các lĩnh vực pháp lý, an ninh và truyền thông.
• Đề xuất mở rộng nghiên cứu, xây dựng cơ sở dữ liệu chuẩn và đào tạo cộng đồng nhằm phát huy hiệu quả ứng dụng.

Để tiếp tục phát triển, các nhà nghiên cứu và doanh nghiệp được khuyến khích áp dụng và cải tiến thuật toán, đồng thời triển khai rộng rãi trong các hệ thống pháp chứng và an ninh mạng. Hãy bắt đầu hành trình bảo vệ tính xác thực của ảnh số ngay hôm nay!

Trích đoạn nội dung tài liệu

Chương I:Lý thuyết cơ bản 18 Nguyén Ngoc Hai Phát triển thuật toán phát hiện các ảnh ghép splicing THD: GS.TS Lê Tiến Thường CHƯƠNG II CÁC PHƯƠNG PHÁP NHẬN DẠNG ẢNH GHÉP 2.1 Khái niệm ảnh ghép 2.2 Phát hiện ảnh ghép dựa trên đặc trưng điểm ảnh 2.3 Phát hiện ảnh ghép dựa trên định dạng ảnh 2.4 Phát hiện ảnh ghép dựa trên nhiễu cảm biến 2.1 Khái niệm ảnh ghép: Đây là một dạng pho biến của kỹ thuật giả mạo ảnh số. Trong đó ảnh được ghép từ hai hay nhiêu hinh ảnh lại với nhau với ý định dé tạo ra một ảnh giả mang đặc điểm của nhiều anh.Dinh nghĩa cơ bản cua ảnh gia mạo ghép ảnh. f(x,y) a) Ảnh gốc g(x,y) : > xy) b) Anh géc c) Anh ghép Hình 2.1: Khái niệm ảnh ghép Các bước của quá trình tạo ảnh ghép giả mạo: + f(x, y) và g (x, y) là ảnh gốc + I (x, y) là hình ảnh ghép tạo ra từ một phần của f (x, y) chèn vào g (x, y). Vi du minh hoa: Chương II:Phương pháp phat hiện ảnh 19 Nguyén Ngoc Hai Phát triển thuật toán phát hiện các ảnh ghép splicing THD: GS.TS Lê Tiến Thường Hình 2.2 bằng cách ghép một phần của bức ảnh ở hình 2.2b người ta có thé tạo một ảnh ghép giống như thật ở hình 2.2c mà bang mắt thường khó nhận ra Hình 2.3 Minh họa ảnh ghép từ hai ảnh có sự thay đổi tỷ lệ.

Hình ảnh này nếu không chứng minh là giả tạo thì sẽ phải có cách nhìn khác về tiến hóa của loài người. Vì được ghép lại từ 2 hay nhiều ảnh với nhau nên phần được ghép sẽ có một số đặc điểm khác nhau về phân thành phân nhiễu , ánh sang , độ nén .Dựa vào các đặc điểm này ta có một số phương pháp phát hiện ảnh ghép. Chương II:Phương pháp phát hiện ảnh 20 Nguyễn Ngọc Hải Phát triển thuật toán phát hiện các ảnh ghép splicing THD: GS.TS Lê Tiến Thường 2. Phát hiện ảnh ghép dựa trên đặc trưng điểm anh (Pixel Based): Một hình thức phổ biến của việc giả mạo ảnh số đó là ghép hai hoặc nhiều ảnh vào với nhau.

Khi ho thực hiện một cách can thận không thé thay được biên giữa các vùng ghép đó bằng mắt thường. Tuy nhiên, một số nghiên cứu cho thấy có thể sử dụng thống kê Fourier bậc cao để phát hiện ra sự ghép nối đó. Xét một tín hiệu một chiều x(n) và có dãy biến đổi Fourier X(Q). Phố năng lượng biểu diễn là P(Q)=X(Q)X*(Q) được sử dụng để phân tích các thành phan của tan số tín hiệu.

Ngoài phố, ta có công thức thống kê sử dụng để tìm kiếm các tương tác không tuyến tính.1) Dựa vào công thức, ta thấy được sự tương quan giữa ba thành phan tan số O1, Q2 và O1 + Q2. Những khoảng bất thường chứng tỏ đã bị ghép nối.3 Phát hiện ảnh ghép dựa trên định dạng ảnh (Format Based): Nguyên tắc đầu tiên trong việc phân tích tìm bằng chứng là các băng chứng phải được bảo toàn. Về phương diện nay, việc mat dữ liệu trong nén hình ảnh qua các phần mềm nén, chăng hạn như JPEG, có thể được coi như là một khó khăn trong việc phân tích. Ngược lại, một số thuộc tính độc đáo của việc mất mát dir liệu trong quá trình nén anh lại có thé được khai thác dé phân tích tìm các băng chứng đề chứng minh sự giả mạo trong ảnh sô.

Hau hết các ảnh nén được sử dụng hiện nay đều theo định dạng JPEG. Kỹ thuật nén được sử dụng trong cả các máy ảnh số. Các nhà sản xuất máy ảnh thường cau hình cho thiết bị của họ khác nhau dé cân băng và nén với chất lượng khác nhau để phù hợp với nhu cầu và thị hiếu của thị trường. Sự khác biệt này có thể được sử dụng đề xác định nguồn gôc cua một hình anh.

Với ba kênh màu ảnh (RGB), quá trình nén của chuẩn JPEG được tiến hành như sau: Những hình anh RGB dau tiên được chuyển đổi thành không gian độ Chương II:Phương pháp phát hiện ảnh 21 Nguyén Ngoc Hai Phát triển thuật toán phát hiện các ảnh ghép splicing THD: GS.TS Lê Tiến Thường sáng/màu sắc (YCbCr). Mỗi kênh sau đó được phân chia thành các khối 8x8 điểm ảnh. Các giá trị được chuyển đổi từ số nguyên dương sang số nguyên có dấu (ví dụ từ [0. Mỗi khối được chuyển đổi sang không gian tần suất băng cách sử dụng biến đổi cosin rời rac (DCT-2D).

Tùy thuộc vào tần số và kênh cụ thé, mỗi hệ số DCT, sẽ được lượng tử hóa bởi một lượng gq: [đ/r|. Giai đoạn nay chính là nguồn nén. Bảng lượng tử hóa đầy đủ bao gồm 192 giá trị - tập 8x8 giá trị tương ứng với một tần số cho một trong ba kênh màu (YCbCr). Đối với tỷ lệ nén thấp, các giá trị có xu hướng tiến tới 1 và tăng dan với tỷ lệ nén cao hơn.

Với một số biến thể khác nhau, trình tự nêu trên được phát triển bởi các bộ mã hóa JPEG trong máy ảnh kỹ thuật số và phần mềm chỉnh sửa hình ảnh. Các nguồn chính của các bộ mã hóa là sự chọn lựa các bảng lượng tử. Như vậy, một dau hiệu sắp xếp đã được nhúng vào trong mỗi ảnh JPEG. Bảng lượng tử hóa có thé được triết xuất từ bộ mã hóa ảnh JPEG hoặc ước lượng từ các hình ảnh được chụp từ máy ảnh này.

Do các máy ảnh sử dụng các bộ mã hóa khác nhau vì thế chúng ta có thể so sánh bảng lượng tử hóa của chúng và có thé xác định được nguồn gốc của một hình ảnh, có thé được chụp băng loại máy ảnh này hay không. + Phương pháp phân tích mức độ lỗi JPEG (ELA) Phương pháp Như trong trình bày ở trên chúng ta đã thay, anh ghép (splicing) là loại ảnh được ghép từ hai hay nhiều hỉnh ảnh lại với nhau. Khi các hình ảnh được ghép vào là các ảnh JPEG có độ nén khác nhau, khi được ghép lại với nhau, người ta nghĩ sẽ có những dau hiệu để có thể nhận biết được ảnh đó là ảnh giả hay dựa vào độ nén (chất lượng ảnh JPEG) khác nhau trên các vùng hình ảnh. Và hơn thế nữa, có thể suy đoán được vùng bị làm giả.

Phương pháp phân tích mức đội lỗi (ELA) xác định khu vực trong một hình ảnh ở cấp độ nén khác nhau. Với những bức ảnh tự nhiên, chưa bị can thiệp thường tat cả các vùng trên hình ảnh sẽ có một mức độ lôi khác nhau. Nêu một phan của hình Chương II:Phương pháp phát hiện ảnh 22 Nguyễn Ngọc Hải Phát triển thuật toán phát hiện các ảnh ghép splicing THD: GS.TS Lê Tiến Thường ảnh có mức độ lỗi khác chứng tỏ đã có dấu hiệu ảnh bị làm giả.Như chúng ta đã biết, hình ảnh JPEG là hình anh đã bị nén và tốn hao đữ liệu. Sau mỗi lần lưu lại dưới dạng nén JPEG, chất lượng của hình ảnh JPEG lại bị mất đi.

Đặc biệt, các thuật toán nén JPEG hoạt động trên mạng lưới các khối ảnh 8x8 điểm ảnh. Mỗi khối vuông 8x8 được nén một cách độc lập. Nếu ảnh hoàn toàn không sửa đôi gi thì tất cả các khối này có khả năng lỗi là tương tự nhau. Còn những hình ảnh không sửa đổi và được lưu lại (resaved) thì mỗi khối đó có mức độ giảm cũng xấp xỉ nhau.

Phương pháp ELA sẽ cho một hình anh dạng đặc biệt về chất lượng của JPEG. Ảnh này sẽ cho thấy toàn bộ lỗi trên toàn bộ hình ảnh. Ảnh này sẽ được so sánh với hình anh ban đầu. Nếu vùng nao đó trên hình ảnh đã bị sửa đối, ta sẽ thay mức độ lỗi của vùng đó sẽ khác với các vùng khác trên hình ảnh.

Một cách tiếp cận dé phân tích cấp đội lỗi (ELA) là xem xét riêng từng tan số trong ba kênh độ sáng/màu sắc. Thay vì tính toán sự khác biệt giữa các hệ số lượng tử DCT, chúng ta xem xé t sự khác biệt tính trực tiếp từ giá tri điểm ảnh như sau: d(xy,q) =s »;_,(,y,ï) — fq@,y, ĐI? (2.2) Trong đó f(x,y,i),i= 1, 2, 3 đại diện cho một trong ba kênh mau RGB và fq có kết quả là độ nén f với chất lượng q. Có một số loại hình ảnh khác xuất hiện bên ngoài vùng bị làm giả mà có thể làm khó khăn cho công việc phân tích ảnh giả. Những khó khăn này chủ yếu xuất phát từ trong nội dung hình ảnh.

Cụ thể, bởi vì sự khác biệt hình ảnh được tính toán trên tất cả không gian tần số, một khu vực nhỏ với nội dung không gian tần số cao (ví dụ bầu trời chủ yếu là thông nhất) sẽ có một sự khác biệt thấp hơn so với một khu vực có kết cau cao (ví dụ như cỏ). Dé bù dap cho những sự biệt này, một không gian trung bình và các biện pháp làm bình thường hóa khác biệt này được xem xét. Sự khác biệt của hình ảnh được xét từ trung bình của khối bxb điểm ảnh: Chương II:Phương pháp phát hiện ảnh 23 Nguyễn Ngọc Hải Phát triển thuật toán phát hiện các ảnh ghép splicing THD: GS.TS Lê Tiến Thường ô(x,y,q) = Dh 1 SL Le tol f(x + Dery + by, i) — fax + bey + by i)? (23) Sau đó, su khác biệt trung bình tai mỗi điểm (x,y) được thu nhỏ lại trong phạm vi[O,1 |: d(x,y,q) = ỗ(%,y,q)— TnaXq [8(x,y,q) —ming [8(x,y,4)Ï] (2.4) Yếu tố lam cho là co sở cho việc phát hiện ảnh giả bang phương pháp ELA đó là các máy ảnh khác nhau, sử dụng các phần mềm tạo ra các bức ảnh với chất lượng JPEG khác nhau, có thé do người sử dụng tùy chỉnh, có thể do mặc định của nhà sản xuất. Khi các ảnh ghép (splicing) được tạo từ các ảnh có chất lượng JPEG khác nhau là điệu kiện lý tưởng cho phương pháp ELA, tuy nhiên điều này không phải luôn luôn xảy ra việc các ảnh splicing được tạo từ các ảnh có chất lượng JPEG như nhau, mặc dù vậy, lợi thế của phương pháp này, là sự khác biệt của hình ảnh được tính bằng trung bình trên tất cả các không gian tần số, kết quả là có sự khác biệt nhỏ trong bảng lượng tử hóa ban dau và vẫn có thé có sự khác biệt đáng kế giữa các ảnh có chất lượng JPEG như nhau (vì có thể mức sáng, màu sắc khác nhau với cùng một chất lượng hình ảnh).

Thuật toán Bước |: Tính sự khác nhau giữa ảnh được kiểm tra với độ nén khác nhau. Bước 2: Tính sự khác nhau trên mỗi khối bxb diémanh. Bước 3: Tính sự khác biệt trung bình toàn bức ảnh. Bước 4: Hiển thị kết quả.