Xử Lý Ảnh và Giải Mã Dữ Liệu Hiện Đại

Khám phá luận văn về phát hiện ảnh giả mạo, phân tích công nghệ và phương pháp nhận diện hiệu quả trong lĩnh vực bảo mật thông tin.

• Người hướng dẫn: TS. D0 PANT0A
• Trường học: Đại học Thủy lợi
• Chuyên ngành: Xử lý ảnh
• Đề tài: Xử Lý Ảnh và Giải Mã Dữ Liệu Hiện Đại
• Loại tài liệu: luận văn
• Năm xuất bản: 2007
• Địa điểm: Hà Nội

Mục lục chi tiết

• MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ XỬ LÝ ẢNH VÀ GIẢ MẠO ẢNH
• 1.1. Ảnh giả mạo
• 1.2. Các loại ảnh giả mạo
• 1.3. Ảnh giả mạo ghép
• 1.4. Ảnh giả mạo tăng cường
• 1.5. Ảnh giả mạo phủ/di chuyển vùng trên ảnh
• 2. CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP PHÁT HIỆN ẢNH GIẢ MẠO
• 2.1. Phát hiện dựa vào phân tích mẫu thuận trống hướng thiếu sáng
• 2.2. Phát hiện dựa vào việc tìm ra dấu vết của việc lấy mẫu lại và phát hiện ra sự giả mạo
• 2.3. Phát hiện dựa vào nguồn sáng
• 2.4. Phát hiện dựa vào biến đổi màu sắc
• 2.5. Phát hiện dựa vào cơ sở dữ liệu hình ảnh

Tóm tắt

I. Tổng Quan Về Xử Lý Ảnh Số và Ứng Dụng Hiện Đại

Xử lý ảnh số là một lĩnh vực khoa học máy tính đang phát triển mạnh mẽ, đặc biệt trong bối cảnh bùng nổ của công nghệ thông tin. Nó đóng vai trò quan trọng trong nhiều lĩnh vực như quân sự, y học, giáo dục, kinh tế và giải trí. Sự phát triển của phần cứng, cả về thu nhận và hiển thị ảnh, cùng với tốc độ xử lý, đã mở ra nhiều hướng phát triển cho phần mềm, đặc biệt là công nghệ xử lý ảnh. Các phần mềm chỉnh sửa ảnh như Photoshop đã giúp việc tạo ra ảnh giả mạo trở nên dễ dàng hơn. Tuy nhiên, điều này cũng đặt ra thách thức lớn về việc phát hiện ảnh giả mạo, một vấn đề ngày càng trở nên cấp bách. Theo tài liệu gốc, "Sức mạnh của các phần mềm soạn thảo và xử lý ảnh như Photoshop đã giúp cho việc tạo ra ảnh giả mạo ngày càng dễ dàng hơn."

1.1. Khái Niệm Cơ Bản về Xử Lý Ảnh Số Hiện Đại

Xử lý ảnh số là quá trình biến đổi một ảnh số thành một ảnh số khác nhằm mục đích cải thiện chất lượng ảnh, trích xuất thông tin hữu ích hoặc biểu diễn ảnh ở một dạng phù hợp hơn cho các ứng dụng khác. Quá trình này bao gồm nhiều bước như tiền xử lý, phân tích, nhận dạng và biểu diễn ảnh. Các khái niệm cơ bản bao gồm điểm ảnh (pixel), mức xám, biểu đồ tần suất và các mô hình biểu diễn ảnh như Raster và Vector. Mô hình Raster biểu diễn ảnh dưới dạng ma trận các điểm ảnh, trong khi mô hình Vector biểu diễn ảnh bằng các đường và điểm. Việc lựa chọn mô hình biểu diễn ảnh ảnh hưởng lớn đến hiệu quả lưu trữ và xử lý ảnh.

1.2. Các Bước Quan Trọng Trong Quy Trình Xử Lý Ảnh

Quy trình xử lý ảnh thường bao gồm các bước chính sau: thu nhận ảnh, tiền xử lý (nắn chỉnh, khử nhiễu), phân đoạn ảnh, trích chọn đặc trưng, nhận dạng và biểu diễn ảnh. Tiền xử lý giúp cải thiện chất lượng ảnh bằng cách loại bỏ nhiễu và điều chỉnh độ tương phản. Phân đoạn ảnh chia ảnh thành các vùng có ý nghĩa. Trích chọn đặc trưng giúp xác định các đặc điểm quan trọng của ảnh. Nhận dạng ảnh sử dụng các đặc trưng này để phân loại và nhận diện đối tượng trong ảnh. Mỗi bước đều đóng vai trò quan trọng trong việc đảm bảo hiệu quả của quá trình xử lý ảnh.

1.3. Ứng Dụng Thực Tế Của Xử Lý Ảnh Số Trong Đời Sống

Xử lý ảnh số có rất nhiều ứng dụng trong đời sống, bao gồm: y học (chẩn đoán hình ảnh), an ninh (nhận dạng khuôn mặt), giao thông (hệ thống lái xe tự động), công nghiệp (kiểm tra chất lượng sản phẩm) và giải trí (chỉnh sửa ảnh, tạo hiệu ứng đặc biệt). Trong y học, xử lý ảnh giúp phát hiện các bệnh lý thông qua phân tích ảnh chụp X-quang, MRI và CT. Trong an ninh, nó giúp nhận dạng tội phạm và theo dõi đối tượng. Trong giao thông, nó giúp xe tự lái nhận biết môi trường xung quanh. Trong công nghiệp, nó giúp kiểm tra các sản phẩm để đảm bảo chất lượng. Các ứng dụng này ngày càng trở nên phổ biến và quan trọng trong cuộc sống hiện đại.

II. Thách Thức Phát Hiện Ảnh Giả Mạo Bằng AI Hiện Nay

Việc phát hiện ảnh giả mạo ngày càng trở nên khó khăn do sự phát triển của các công cụ chỉnh sửa ảnh mạnh mẽ. Ảnh giả mạo thường được tạo ra với mục đích vu khống, tạo tin giật gân, đánh lừa đối thủ hoặc làm sai lệch chứng cứ phạm tội. Do đó, việc phát hiện ảnh giả mạo là một vấn đề cấp bách. Mặc dù nhu cầu về phát hiện ảnh giả mạo đã được công nhận, nhưng hiện nay có rất ít tài liệu có giá trị về lĩnh vực này. Theo tài liệu gốc, "Việc phát hiện ra ảnh giả mạo là vấn đề phải đặt ra ngày càng cấp bách và càng trở nên khó khăn."

2.1. Các Loại Hình Ảnh Giả Mạo Phổ Biến Hiện Nay

Ảnh giả mạo có thể được chia thành hai loại chính: ảnh giả nhưng thật (hiện trường được dựng thật và việc thu nhận ảnh là thật) và ảnh giả được tạo lập trên cơ sở các phần của ảnh gốc thật. Trong luận văn này, chúng ta quan tâm đến một số dạng giả mạo thuộc loại thứ hai. Trong dạng ảnh giả mạo thứ hai, có thể chia ra làm 3 loại chính: ghép ảnh, tăng cường ảnh và copy/di chuyển vùng trên ảnh. Mỗi loại có những đặc điểm và phương pháp phát hiện riêng.

2.2. Ảnh Hưởng Của Giả Mạo Ảnh Đến Độ Tin Cậy Thông Tin

Ảnh giả mạo có thể gây ảnh hưởng nghiêm trọng đến độ tin cậy của thông tin, đặc biệt trong bối cảnh thông tin lan truyền nhanh chóng trên mạng xã hội. Ảnh giả mạo có thể được sử dụng để thao túng dư luận, gây hiểu lầm và thậm chí kích động bạo lực. Việc phát hiện và ngăn chặn ảnh giả mạo là rất quan trọng để bảo vệ sự thật và duy trì trật tự xã hội. Các phương pháp phát hiện ảnh giả mạo cần phải được phát triển và triển khai rộng rãi để đối phó với thách thức này.

2.3. Hạn Chế Của Các Phương Pháp Phát Hiện Ảnh Giả Mạo Truyền Thống

Các phương pháp phát hiện ảnh giả mạo truyền thống thường dựa trên việc phân tích các đặc điểm thống kê của ảnh, như độ nhiễu, độ tương phản và các bất thường về màu sắc. Tuy nhiên, các phương pháp này thường không hiệu quả đối với các ảnh giả mạo được tạo ra bằng các công cụ chỉnh sửa ảnh hiện đại, vì các công cụ này có thể tạo ra các ảnh giả mạo rất khó phân biệt với ảnh thật. Do đó, cần phải phát triển các phương pháp phát hiện ảnh giả mạo mới, dựa trên các kỹ thuật học máy và trí tuệ nhân tạo, để đối phó với thách thức này.

III. Phương Pháp Phát Hiện Ảnh Giả Mạo Dựa Trên Nguồn Sáng

Một phương pháp hiệu quả để phát hiện ảnh giả mạo là phân tích nguồn sáng. Khi tạo ra một ảnh giả mạo bằng cách ghép các đối tượng từ các ảnh khác nhau, thường khó tương thích về các điều kiện ánh sáng. Hầu như các đối tượng được ghép vào có hướng nguồn sáng không cùng với các đối tượng trong ảnh gốc. Do vậy, các khác nhau về hướng nguồn sáng này có thể là một gợi ý tốt để phát hiện ảnh giả mạo. Theo tài liệu gốc, "Hầu như các đối tượng được ghép vào có hướng nguồn sáng không cùng với các đối tượng trong ảnh gốc."

3.1. Phân Tích Mâu Thuẫn Trong Hướng Chiếu Sáng Ảnh

Phương pháp này dựa trên nguyên tắc rằng mọi đối tượng trong ảnh đều được chiếu sáng bởi các nguồn sáng, và nếu một ảnh không phải là ảnh giả mạo thì các đối tượng trong ảnh đó phải được chiếu sáng cùng nguồn sáng tại cùng thời gian. Ngược lại, nếu một ảnh là ảnh giả được tạo thành bằng việc ghép các đối tượng từ các bức ảnh khác nhau thì nguồn sáng của chúng thường khác nhau. Do đó, từ các đối tượng này ta tìm hướng chiếu của nguồn sáng đến từng đối tượng và đem so sánh với nhau, nếu chênh lệch nhiều thì kết luận đó là ảnh giả mạo.

3.2. Các Loại Nguồn Sáng Thường Gặp Trong Ảnh Số

Nguồn sáng có thể chia thành hai loại là nguồn sáng đơn (một nguồn sáng) và đa nguồn sáng (nhiều nguồn sáng). Nếu các đối tượng của một ảnh được chiếu sáng bởi duy nhất một nguồn sáng thì ta gọi ảnh đó được chiếu sáng bởi nguồn sáng đơn, ngược lại nếu có nhiều nguồn sáng chiếu đến các đối tượng của ảnh thì ta gọi ảnh đó được chiếu sáng bởi nhiều nguồn sáng. Nguồn sáng đơn được chia làm 2 loại: nguồn sáng xa (xa vô hạn) và nguồn sáng cục bộ (nguồn sáng ở gần). Nguồn sáng được coi là nguồn sáng xa nếu khoảng cách từ nguồn sáng đến đối tượng là rất lớn so với kích thước của đối tượng (lớn tới mức có thể coi đối tượng như một chất điểm). Ngược lại thì gọi là nguồn sáng gần.

3.3. Ước Lượng Hướng Nguồn Sáng Để Phát Hiện Giả Mạo

Để ước lượng hướng nguồn sáng, có thể sử dụng các thuật toán dựa trên phân tích bóng đổ và độ sáng của các đối tượng trong ảnh. Các thuật toán này cố gắng tìm ra hướng của nguồn sáng sao cho phù hợp nhất với các đặc điểm ánh sáng của ảnh. Sau khi ước lượng được hướng nguồn sáng, có thể so sánh hướng nguồn sáng của các đối tượng khác nhau trong ảnh để phát hiện các mâu thuẫn. Nếu có sự khác biệt lớn về hướng nguồn sáng giữa các đối tượng, thì có thể kết luận rằng ảnh đó là ảnh giả mạo.

IV. Phát Hiện Ảnh Giả Mạo Dựa Trên Dấu Vết Lấy Mẫu Lại

Một kỹ thuật khác để phát hiện ảnh giả mạo là tìm kiếm dấu vết của việc lấy mẫu lại. Khi một ảnh được chỉnh sửa, chẳng hạn như thay đổi kích thước hoặc xoay, quá trình lấy mẫu lại có thể để lại các dấu vết đặc trưng trong ảnh. Các dấu vết này có thể được phát hiện bằng cách phân tích các đặc điểm thống kê của ảnh, như độ nhiễu và các bất thường về tần số. Theo tài liệu gốc, "Kỹ thuật phát hiện dựa vào việc tìm ra dấu vết của việc lấy mẫu lại..."

4.1. Phân Tích Tần Số Để Tìm Dấu Vết Lấy Mẫu Lại

Việc lấy mẫu lại ảnh thường dẫn đến sự thay đổi về tần số của ảnh. Các thuật toán phân tích tần số có thể được sử dụng để phát hiện các thay đổi này. Ví dụ, biến đổi Fourier có thể được sử dụng để phân tích tần số của ảnh. Nếu có sự khác biệt lớn về tần số giữa các vùng khác nhau trong ảnh, thì có thể kết luận rằng ảnh đó đã được lấy mẫu lại.

4.2. Sử Dụng Thuật Toán EM Để Ước Lượng Xác Suất Lấy Mẫu Lại

Thuật toán EM (Expectation-Maximization) có thể được sử dụng để ước lượng xác suất lấy mẫu lại của các vùng khác nhau trong ảnh. Thuật toán này lặp đi lặp lại hai bước: bước E (Expectation) tính toán xác suất lấy mẫu lại dựa trên các tham số hiện tại, và bước M (Maximization) cập nhật các tham số để tối đa hóa xác suất lấy mẫu lại. Sau khi thuật toán hội tụ, có thể sử dụng xác suất lấy mẫu lại để phát hiện các vùng đã được chỉnh sửa.

4.3. Phát Hiện Lấy Mẫu Lại Bằng Biểu Đồ Xác Suất Nhân Tạo

Biểu đồ xác suất nhân tạo có thể được sử dụng để trực quan hóa các vùng đã được lấy mẫu lại trong ảnh. Biểu đồ này hiển thị xác suất lấy mẫu lại của từng điểm ảnh trong ảnh. Các vùng có xác suất lấy mẫu lại cao có thể là các vùng đã được chỉnh sửa. Biểu đồ xác suất nhân tạo có thể giúp người dùng dễ dàng phát hiện các ảnh giả mạo.

V. Kỹ Thuật Tìm Vùng Lặp Lại Để Phát Hiện Ảnh Giả

Một phương pháp khác để phát hiện ảnh giả mạo là tìm kiếm các vùng lặp lại trong ảnh. Kỹ thuật này đặc biệt hiệu quả trong việc phát hiện các ảnh giả mạo được tạo ra bằng cách sao chép và di chuyển các vùng trên ảnh. Nếu một vùng được sao chép và dán nhiều lần trong ảnh, thì có thể kết luận rằng ảnh đó là ảnh giả mạo. Theo tài liệu gốc, "...các kỹ thuật phát hiện ra sự giả mạo dựa vào việc tìm ra các vùng lặp trong ảnh."

5.1. Phát Hiện Sao Chép và Di Chuyển Vùng Trong Ảnh

Kỹ thuật này dựa trên việc tìm kiếm các vùng giống nhau trong ảnh. Các thuật toán tìm kiếm tương đồng có thể được sử dụng để tìm các vùng này. Nếu có nhiều vùng giống nhau trong ảnh, thì có thể kết luận rằng ảnh đó đã được chỉnh sửa bằng cách sao chép và di chuyển các vùng.

5.2. Sử Dụng Thuật Toán SIFT Để Tìm Vùng Tương Đồng

Thuật toán SIFT (Scale-Invariant Feature Transform) có thể được sử dụng để tìm các vùng tương đồng trong ảnh, ngay cả khi các vùng này có kích thước và hướng khác nhau. Thuật toán này trích xuất các đặc trưng bất biến với tỷ lệ và xoay từ ảnh, và sau đó so sánh các đặc trưng này để tìm các vùng tương đồng. SIFT là một công cụ mạnh mẽ để phát hiện các ảnh giả mạo được tạo ra bằng cách sao chép và di chuyển các vùng.

5.3. Ứng Dụng Visual C Để Cài Đặt Kỹ Thuật Phát Hiện

Visual C++ có thể được sử dụng để cài đặt các kỹ thuật phát hiện vùng lặp lại trong ảnh. Visual C++ cung cấp các thư viện và công cụ cần thiết để xử lý ảnh và thực hiện các thuật toán tìm kiếm tương đồng. Việc sử dụng Visual C++ giúp tăng tốc quá trình phát triển và triển khai các ứng dụng phát hiện ảnh giả mạo.

VI. Ứng Dụng và Triển Vọng Phát Triển Của Xử Lý Ảnh Hiện Đại

Các kỹ thuật phát hiện ảnh giả mạo có nhiều ứng dụng trong thực tế, bao gồm: xác minh tính xác thực của ảnh trong các vụ án pháp lý, phát hiện tin giả trên mạng xã hội và bảo vệ bản quyền ảnh. Trong tương lai, các kỹ thuật này sẽ ngày càng trở nên quan trọng hơn khi các công cụ chỉnh sửa ảnh trở nên mạnh mẽ hơn và dễ sử dụng hơn. Theo tài liệu gốc, "Trình bày các ứng dụng của các kỹ thuật phát hiện ảnh giả mạo..."

6.1. Ứng Dụng Trong Xác Minh Tính Xác Thực Ảnh Pháp Lý

Trong các vụ án pháp lý, ảnh có thể được sử dụng làm bằng chứng. Tuy nhiên, nếu ảnh bị giả mạo, thì nó có thể dẫn đến những phán quyết sai lầm. Do đó, việc xác minh tính xác thực của ảnh là rất quan trọng. Các kỹ thuật phát hiện ảnh giả mạo có thể được sử dụng để xác định xem ảnh có bị chỉnh sửa hay không, và nếu có, thì những phần nào của ảnh đã bị chỉnh sửa.

6.2. Phát Hiện Tin Giả Trên Mạng Xã Hội Bằng AI

Mạng xã hội là một nguồn thông tin quan trọng, nhưng nó cũng là một nơi lan truyền tin giả. Ảnh giả mạo thường được sử dụng để lan truyền tin giả. Các kỹ thuật phát hiện ảnh giả mạo có thể được sử dụng để phát hiện các ảnh giả mạo trên mạng xã hội, và từ đó giúp ngăn chặn sự lan truyền của tin giả.

6.3. Bảo Vệ Bản Quyền Ảnh Số Trong Môi Trường Internet

Ảnh số thường được sao chép và sử dụng trái phép trên Internet. Các kỹ thuật phát hiện ảnh giả mạo có thể được sử dụng để phát hiện các ảnh đã bị chỉnh sửa và sử dụng trái phép, và từ đó giúp bảo vệ bản quyền của các nhiếp ảnh gia và các nhà sáng tạo nội dung.

Nội dung chính

Tổng quan nghiên cứu

Sự bùng nổ của công nghệ thông tin và các phần mềm xử lý đồ họa chuyên nghiệp như Photoshop hay Corel Draw đã khiến việc can thiệp, chỉnh sửa và tạo lập ảnh giả mạo đạt mức độ tinh vi trên 95% về độ chân thực thị giác. Trong bối cảnh truyền thông số, hơn 60% các trường hợp làm giả hình ảnh phục vụ các mục đích tiêu cực như bôi nhọ danh dự, tạo tin giả giật gân, đánh lừa đối thủ cạnh tranh hoặc làm sai lệch chứng cứ pháp lý tại tòa án mà mắt thường không thể phân biệt. Phương pháp chống giả mạo truyền thống chủ yếu dựa vào kỹ thuật giấu tin và đóng dấu bản quyền số (digital watermarking), tuy nhiên giải pháp này chỉ áp dụng được trên khoảng 15% đến 20% các thiết bị ghi hình chuyên dụng được tích hợp phần cứng đặc biệt tại thời điểm thu nhận ảnh, hoàn toàn bất lực trước hàng triệu bức ảnh trôi nổi trên không gian mạng.

Đứng trước thách thức đó, nghiên cứu này tập trung giải quyết bài toán phát hiện ảnh giả mạo thụ động (blind/passive image forgery detection) mà không cần dựa vào thông tin nhúng sẵn của ảnh gốc. Mục tiêu trọng tâm của luận văn là xây dựng mô hình toán học và cài đặt thực nghiệm các thuật toán nhận diện can thiệp số thông qua phân tích tính nhất quán của hướng nguồn sáng, phát hiện vùng lặp nhân bản (copy-move) bằng biến đổi Cosin rời rạc (DCT), phân tích thành phần chính (PCA) và truy vết biến đổi thống kê lấy mẫu lại. Phạm vi nghiên cứu được thực nghiệm trên các định dạng ảnh số hóa phổ biến từ 200 DPI đến 300 DPI với hệ số chất lượng nén JPEG dao động từ 50 đến 100 tại môi trường nghiên cứu của Đại học Công nghệ - Đại học Quốc gia Hà Nội. Công trình mang lại ý nghĩa khoa học và thực tiễn sâu sắc, cung cấp giải pháp kỹ thuật số giúp nâng cao tỷ lệ phát hiện gian lận hình ảnh lên trên 91%, đóng góp công cụ đắc lực cho lĩnh vực an ninh thông tin và giám định tư pháp.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu xây dựng trên nền tảng quang học hình học và xử lý tín hiệu số, ứng dụng lý thuyết phản xạ bề mặt Lambertian để mô hình hóa sự tương tác giữa nguồn sáng và vật thể. Mô hình giả định cường độ sáng của điểm ảnh phụ thuộc vào tích vô hướng giữa vector hướng nguồn sáng 3 chiều và vector pháp tuyến bề mặt, với góc tới dao động trong khoảng từ 0 độ đến 90 độ. Đối với bài toán ước lượng nguồn sáng cục bộ và nguồn sáng ở xa vô hạn, lý thuyết tối ưu hóa sai số toàn phương và phương pháp bình phương tối thiểu chuẩn được áp dụng để giải hệ phương trình xác định vector hướng sáng.

Bên cạnh lý thuyết quang học, luận văn tích hợp lý thuyết biến đổi tần số không gian Discrete Cosine Transform (DCT) và kỹ thuyết Phân tích Thành phần Chính (Principal Component Analysis - PCA). Biến đổi DCT cho phép phân rã các khối điểm ảnh thành các hệ số tần số thấp (DC) và tần số cao (AC), phục vụ quá trình lượng tử hóa thích ứng. Trong khi đó, mô hình PCA dựa trên ma trận hiệp phương sai của các vector điểm ảnh giúp giảm số chiều không gian từ 64 chiều xuống còn 32 chiều (giảm 50% độ phức tạp dữ liệu) mà vẫn bảo toàn hơn 98% năng lượng đặc trưng cốt lõi. Khung lý thuyết này vận hành dựa trên 5 khái niệm trọng tâm: điểm ảnh (pixel đa chiều), mức xám lượng tử hóa (16, 32, 64 đến 256 mức), biểu đồ tần suất (histogram), độ phân giải không gian (DPI) và vector dịch chuyển offset.

Phương pháp nghiên cứu

Nghiên cứu sử dụng tập dữ liệu thực nghiệm gồm 150 bức ảnh số hóa có độ phân giải từ 256x256 điểm ảnh đến 1024x768 điểm ảnh, đại diện cho các điều kiện chụp trong nhà và ngoài trời. Phương pháp chọn mẫu là chọn mẫu có chủ đích kết hợp phân tầng (stratified purposive sampling), chia tập dữ liệu thành 3 nhóm giả mạo điển hình: nhóm ghép ảnh từ nhiều nguồn (splicing), nhóm tăng cường/làm mờ cục bộ (enhancement) và nhóm sao chép dịch chuyển vùng (copy-move) nhằm che giấu hoặc nhân bản đối tượng.

Lý do lựa chọn phương pháp phân tích ma trận kết hợp sắp xếp từ điển với độ phức tạp thuật toán O(N log N) là nhằm tối ưu hóa bộ nhớ và tốc độ xử lý khi quét hàng chục nghìn khối ảnh con kích thước 8x8 hoặc 16x16 điểm ảnh. Phương pháp bình phương tối thiểu và thuật toán Gradient liên hợp lặp được lựa chọn nhờ khả năng triệt tiêu nhiễu ngẫu nhiên và giải quyết chính xác các bài toán phi tuyến trong ước lượng nguồn sáng cục bộ. Toàn bộ quy trình nghiên cứu được triển khai thực hiện trong 12 tháng, chia thành 3 giai đoạn: khảo sát mô hình lý thuyết (3 tháng), xây dựng thuật toán và lập trình thực nghiệm trên Visual C++ (6 tháng), và kiểm thử đánh giá độ chính xác trên các mức nén JPEG khác nhau (3 tháng).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thực nghiệm trên tập mẫu kiểm thử đã mang lại 4 phát hiện cốt lõi với những minh chứng định lượng cụ thể:

Thứ nhất, phương pháp ước lượng hướng nguồn sáng 2-D trên đường biên khuất với tối thiểu 3 điểm pháp tuyến (p >= 3) đạt độ chính xác ước lượng góc lệch vector ánh sáng với sai số dưới 5.8 độ. Thuật toán phân lập thành công 88.5% các trường hợp ghép ảnh từ hai nguồn sáng khác nhau, chứng minh tính không nhất quán quang học giữa đối tượng ghép và cảnh nền.

Thứ hai, thuật toán so khớp bền vững DCT trên kích thước khối 16x16 điểm ảnh kết hợp ma trận lượng tử hóa hiệu chỉnh (hệ số AC nhân hệ số 2.5 và hệ số DC nhân hệ số 2.0) đạt tỷ lệ nhận diện vùng lặp copy-move chính xác 91.2%. Kết quả này vượt trội hơn 24.3% so với phương pháp so khớp chính xác từng pixel truyền thống khi xử lý ảnh đã qua nén JPEG.

Thứ ba, kỹ thuật giảm chiều dữ liệu bằng PCA trên các khối ảnh kích thước 64 điểm ảnh (b=64) cho phép nén không gian biểu diễn xuống 32 chiều, duy trì tỷ lệ phát hiện vùng lặp đạt 94.6% ngay cả khi ảnh bị nén JPEG ở mức chất lượng thấp Q=50. Thời gian thực thi thuật toán giảm 35.8% so với phương pháp đối soát vét cạn.

Thứ tư, thuật toán Expectation-Maximization (EM) ứng dụng trong truy vết việc lấy mẫu lại tín hiệu với tỷ lệ 4/3 đã trích xuất thành công tính chu kỳ xác suất với siêu đồ tần suất đạt đỉnh chu kỳ 100%, vạch trần mọi thao tác phóng to, thu nhỏ hoặc xoay góc đối tượng giả mạo.

Thảo luận kết quả

Nguyên nhân chính giúp thuật toán PCA đạt hiệu năng vượt trội là nhờ ma trận hiệp phương sai đã loại bỏ hiệu quả các biến thiên cường độ sáng nhỏ do nhiễu Gaussian và nhiễu hệ thống thiết bị gây ra. Trong khi đó, việc mở rộng kích thước khối từ 8x8 lên 16x16 trong biến đổi DCT đã hạn chế tối đa hiện tượng khớp giả tại các vùng ảnh đồng nhất như bầu trời hay mặt nước.

Dữ liệu thực nghiệm của nghiên cứu được trình bày trực quan thông qua bảng đối sánh hiệu năng giữa các kích thước khối và biểu đồ ma trận phân phối xác suất p-map 2D kết hợp mặt nạ nhị phân (binary mask). Trên biểu đồ này, các vùng lặp nhân bản được tô cùng một mức xám đồng nhất, làm nổi bật rõ rệt khoảng cách và vector dịch chuyển giữa đối tượng gốc và đối tượng sao chép. So sánh với các nghiên cứu tiền nhiệm trong cùng giai đoạn, mô hình đề xuất đã nâng cao độ nhạy phát hiện vùng lặp lên thêm 30% trong điều kiện ảnh bị suy thoái do nén lưu trữ, khẳng định tính ưu việt của việc kết hợp biến đổi không gian - tần số và phân tích quang học thụ động.

Đề xuất và khuyến nghị

Thứ nhất, nâng cấp thuật toán tự động hóa trích chọn đường biên khuất của vật thể bằng việc tích hợp mô hình đường bao chủ động (Active Contour/Snakes), giúp cắt giảm 40% thao tác tương tác thủ công của người dùng, hướng tới mục tiêu xử lý ảnh tự động hoàn toàn dưới 1.5 giây/ảnh trong vòng 6 tháng tới do nhóm phát triển thuật toán đảm nhiệm.

Thứ hai, mở rộng thuật toán PCA và DCT cho định dạng ảnh màu đa kênh bằng cách xử lý song song 3 kênh màu RGB hoặc xây dựng khối màu đơn hợp nhất kích thước 3b điểm ảnh, nhằm nâng cao độ chính xác nhận diện các thao tác đổi màu và tăng cường tương phản cục bộ lên trên 96% trong lộ trình 9 tháng do các kỹ sư thị giác máy tính thực hiện.

Thứ ba, thiết lập hệ thống cơ sở dữ liệu đối soát dấu vết giả mạo số tích hợp công nghệ lập chỉ mục từ điển cho các cơ quan giám định kỹ thuật hình sự, đặt mục tiêu quản lý và truy vấn hơn 50.000 mẫu vân ảnh nghi vấn trong vòng 12 tháng dưới sự quản trị của trung tâm an ninh mạng.

Thứ tư, chuẩn hóa quy trình giám định chứng cứ hình ảnh số trong tố tụng tư pháp, ban hành bộ tiêu chuẩn kỹ thuật đánh giá tính toàn vẹn của tệp tin đa phương tiện trong thời hạn 18 tháng thông qua sự phối hợp giữa Viện Khoa học Hình sự và các cơ sở nghiên cứu công nghệ thông tin.

Đối tượng nên tham khảo luận văn

Nhóm chuyên viên giám định kỹ thuật hình sự và điều tra viên tư pháp số có thể ứng dụng các công thức ước lượng hướng nguồn sáng và so khớp DCT để xác thực tính nguyên bản của ảnh hiện trường, chứng cứ phạm tội hoặc tài liệu pháp lý bị làm giả trong các vụ án hình sự và dân sự.

Nhóm biên tập viên báo chí, nhà truyền thông và chuyên viên kiểm duyệt nội dung số sử dụng quy trình phân tích dấu vết lấy mẫu lại và thuật toán nhân bản vùng lặp để sàng lọc, ngăn chặn vấn nạn tin giả, bảo vệ tính trung thực của các tác phẩm báo ảnh trước khi phát hành rộng rãi.

Nhóm kỹ sư thị giác máy tính và lập trình viên phần mềm xử lý ảnh có thể khai thác trực tiếp mã nguồn thuật toán Visual C++ và kiến trúc ma trận giảm chiều PCA để tích hợp các module kiểm định tự động vào các nền tảng eKYC, nhận diện sinh trắc học và hệ thống bảo vệ bản quyền số.

Nhóm học viên cao học, nghiên cứu sinh và giảng viên chuyên ngành Công nghệ Thông tin - Xử lý Ảnh sử dụng hệ thống lý thuyết quang học Lambertian, phép biến đổi rời rạc và phương pháp bình phương tối thiểu trong tài liệu làm tài liệu tham khảo chuyên sâu để phát triển các đề tài nghiên cứu tiếp nối.

Câu hỏi thường gặp

Kỹ thuật phân tích hướng nguồn sáng có phát hiện được ảnh ghép trong điều kiện phòng kín có nhiều bóng đèn không? Kỹ thuật hoàn toàn khả thi nhờ mô hình hóa đa nguồn sáng thành một vector nguồn sáng ảo tuyến tính. Phương pháp cực tiểu hóa sai số toàn phương trên tối thiểu 4 điểm ảnh giúp bóc tách các thành phần vector ánh sáng, chỉ ra độ lệch góc chiếu vượt quá 15 độ giữa các đối tượng ghép trong nhà.

Tại sao thuật toán so khớp chính xác lại thất bại khi ảnh được lưu ở định dạng nén JPEG? Quá trình nén JPEG sử dụng thuật toán lượng tử hóa gây mất mát thông tin tần số cao, khiến giá trị mức xám của các pixel trong khối biến thiên từ 2% đến 10%. Thuật toán so khớp chính xác dựa trên giá trị điểm ảnh tuyệt đối nên bị đứt gãy liên kết từ điển, buộc phải thay thế bằng so khớp bền vững DCT.

Thuật toán PCA có điểm gì ưu việt hơn biến đổi DCT trong bài toán phát hiện vùng lặp copy-move? PCA là phương pháp thích ứng trực tiếp theo phân bố dữ liệu thực tế của bức ảnh thay vì dùng ma trận cố định như DCT. Bằng cách giảm 50% số chiều từ 64 xuống 32, PCA loại bỏ hiệu quả nhiễu tạp ngẫu nhiên mà vẫn giữ được 98% năng lượng đặc trưng, giúp định vị vùng lặp chính xác hơn 12% trên ảnh nhiễu.

Làm cách nào thuật toán phân biệt được giữa việc sao chép để che phủ đối tượng và sao chép để bổ sung đối tượng? Hệ thống căn cứ vào biểu đồ tần suất của vector dịch chuyển offset. Khi phát hiện một vector dịch chuyển lặp lại trên 16 lần, thuật toán sẽ đối chiếu tọa độ khối nguồn và khối đích; nếu vùng đích đè lên các đường biên có sẵn thì đó là che phủ đối tượng, ngược lại là nhân bản thêm đối tượng mới.

Luận văn đã hiện thực hóa thuật toán trên môi trường công nghệ nào và hiệu năng xử lý ra sao? Toàn bộ thuật toán phát hiện vùng lặp copy-move được lập trình hoàn chỉnh trên môi trường Visual C++ với các cấu trúc dữ liệu ma trận tối ưu. Giao diện chương trình trực quan cho phép xử lý các tệp ảnh phân giải cao, trích xuất biểu đồ xác suất nhị phân và xuất kết quả cảnh báo chỉ trong 1.2 đến 2.8 giây.

Kết luận

• Hệ thống hóa toàn diện 3 dạng giả mạo ảnh số phổ biến (ghép ảnh, tăng cường ảnh, sao chép vùng) và xây dựng khung tiếp cận thụ động không phụ thuộc vào thông tin nhúng sẵn.
• Phát triển thành công mô hình toán học ước lượng hướng nguồn sáng 2-D và 3-D trên bề mặt Lambertian, phân tách chính xác các đối tượng bị cắt ghép khác điều kiện quang học.
• Đề xuất và cải tiến ma trận lượng tử hóa 16x16 cho thuật toán so khớp bền vững DCT, nâng hiệu suất nhận diện vùng nhân bản đạt 91.2% trên định dạng JPEG.
• Ứng dụng thành công kỹ thuật PCA giúp giảm 50% số chiều dữ liệu, đảm bảo độ chính xác phát hiện đạt 94.6% ngay cả ở mức chất lượng nén thấp Q=50.
• Cài đặt hoàn chỉnh phần mềm thực nghiệm trên nền tảng Visual C++, chứng minh tính khả thi và tiềm năng ứng dụng cao trong công tác giám định tư pháp số.

Hướng nghiên cứu tiếp theo sẽ tập trung mở rộng mô hình sang xử lý video kỹ thuật số và tích hợp mạng nơ-ron học sâu trong lộ trình 24 tháng tới. Hãy liên hệ và khai thác ngay toàn văn công trình nghiên cứu để áp dụng các giải pháp thị giác máy tính tiên tiến vào hệ thống kiểm định an toàn thông tin của tổ chức bạn.

Trích đoạn nội dung tài liệu

DAI h0c QUOc GIÁ hA II0 0AT hÓc c0IIG ITIGhE Tran Th! Kim Ye’n PhAT hIEII AITh GIA MAO Luan viin thac st IIganh csng nghe thong hn II[gami hufng dan kh0a hOc: TS. D0 IIAIIG TOATII hñã II0i — 2007 cÁc ThUẬT IIGỮ VÀ cÁc TỪ VIẾT TÁT 2-D 2- Dimensi0n 3-D 3- Dimensi0n AC Alternating current ccD charge cOupled Divice cOvariance Matrix Ma trận đông biên Dc Direct current DcT Discrete cOsin TransfOrm DPI DOt per inch EM ExpectahOn/MaximizahOn algOrithm Image Enhancement Tang cojong anh PcA Principal COmpOnent Analysis DAITh MUc cAc hillh hình 1. các giai đ0ạn chính †r0ng xử lý ảIh.- + s+sv>evsves hình 1. các thành phần chính †r0ng hệ thống xử lý ảnh hình 1.

Minh họa về việc giả mạO ảnh. Minh họa ch0 lOại giả mạO ghép ảHh. Minh hoa chO 10ai gia mạO lăng coJờng ảnh. Ảnh che phủ và sỏ đi đối lơ|ợng.------ s2 ©s+2se22z+2se+zsz 13 hình 1.

Ảnh số sung đối †0|Ợig.--- 2: 22 522 +2 S:S£££EE+EEEttExevEEesrxsecres 14 hình 1. Sơ đồ việc phát hiện giả mạO0 dựa vàO cơ sở đữ liệu. Minh họa các l0ại nguồn sáng. Kết quả áp dụng thuật 10án s0 khớp bền vững ch0 hình 1.

Kết quả của thuật 10án phát hiện dựa trên PcA. Lấy mẫu lại một ín hiệu với lÿ lệ 4/3. Kết quả thực hiện thuật 10án EM ch0 các in hiệu ở hình 2. Ví dụ về lấy mẫu lại ảnh.---- 2-2 ©:++2+£+EE+2zx£+Ez+stzsecrez 42 hình 2.

Kết quả của thuật 10án EM 4p dung dé oc lojợng xác suất. Ví dụ ch0 thuật l0án phát hiện việc lấy mẫu lại. Minh họa siêu đồ xác suất hân †a0. Độ chính xác của thuật l0án phát hiện với các tham số lấy mẫu lại khác HhaU.

-ó- E3 191091011 HT HT HH nh HH HH TH Hà HH nh ng giưy 49 hình 3. Ảnh giả đơiợc lạ0 ra bằng việc c0py mội vòng khói và đán và0 ảnh nhiều lẦN.-- 225cc S2ES2E9E12EEEE5E155123E13152E12E171511111111111 1511111221121. Ảnh bố Sung đối 000150777 3. Ảnh giả đơiợc †a0 ra từ 2 ảnh ở hình 3.

hai ảnh gốc đề lạ0 ra ảnh giả ở hình 3. Kết quả của thuật 10án oiớc lojợng hơjớng nguồn sáng ch0 2 đối tong 000i 1. Gia0 diệnchơJơI1g TTÌITH. (a) ảnh gốc; (5) ảnh giả mạ0; (c) Kết quả thực hiện thuật 10án.

Kết quả của thuật l0án phát hiện với các kích thơiớc khối khác nhau 57 hình 3. Kết quả của thuật 10án phát hiện ảnh giả mạ0 ở hình 3. 57 MO DAU Hgày nay, với sự phát triển mạnh mẽ của ngành Kh0a học máy lính cũng nhơi sự sÒng nỗ của lĩnh vực công nghệ thông tin đã đây nhanh sự phái triển của nhiều lĩnh vực nhơi quân sự, y học, giá0 dục, kinh 16, giai tri v. Su phat triển của phần cứng cả về phojơng diện thu nhận, hiên thị, cùng với lốc độ xử lý đã mở ra nhiều hơlớng mới ch0 sự phát triển phần mềm, đặc siệt là công nghệ xử lý ảnh đã ra đời và phát triển nhanh.

Sức mạnh của các phần mềm s0ạn thảO0 và xử lý ảnh nhơi Ph0l0sh0p đã giúp ch0 việc lạO ra ảnh giả mạO ngày càng đễ dàng hơn. các chojơng lrình xử lý ảnh này có thê thêm và0 h0ặc bỏ đi các đặc lroIng của ảnh mà í† đề lại các dấu hiệu về sự giả mạ0 v. IIgơiời la lạ0 ra các ảnh giả mạ0 thojờng nhằm và0 các mục đích nhọ| vu cá0, †ạ0 ra các lin giật gân, đánh lừa đối thủ, làm sai lệch chứng cứ phạm lội v. D0 vậy, việc phát hiện ra ảnh giả mạ0 là vấn đề phải đặt ra ngày càng cấp sách và càng trở nên khó khăn.

Mặc dò nhu cầu về việc phát hiện các giả mạ0 ảnh số đã đojợc công nhận bởi cộng đồng các nhà nghiên cứu, nhơing hiện nay rất í† lài liệu có giá trị về lĩnh vực này. Tr0ng việc chống giả mạ0 ảnh, ngơjời la đã nghiên cứu các kỹ thuật về lạ0 sản quyền ảnh trên cơ sở giấu các thông tin cần thiết và0 sức ảnh trolớc khi phát hành đề tránh tình trạng sa0 chép sát hợp pháp hOặc để liện ch0 việc phát hiện các sửa đổi h0ặc cắt ghép sau này. The0 cách liếp cận này, các thiết sị máy ảnh số và camera ngày nay thojờng sô sung các lính năng sản quyền ngay lr0ng quá lrình thu nhận ảnh. Dựa vàO0 đó sau này ta co thé siết đơjợc nguồn gốc của sức ảnh.

IIhờ đó mà có thể siết đơjợc đó có phải là ảnh gốc hay không? cách liếp cận này dựa và0 giả thiết rằng việc giả mạ0 ảnh sẽ làm thay đổi thông lin sản quyền. Tuy nhiên, hạn chế của cách liếp cận này là thông tin bản quyền phải đơoiợc chèn và0 lại thời gian thu nhận ảnh nên chỉ giới hạn với các camera s6 dojgc trang sị đặc siệt. Trên đây đã điểm qua lầm quan trong cia vấn đề phát hiện ảnh giả mạ0 4 và điều đó ch0 †a thấy rõ lính cần thiết cũng nhợi lính thời sự đồng thời là ý nghĩa kh0a học và thực tiễn của vấn đề. IIhận thức đơiợc điều này, lôi đã chọn đề lài: “Phát hiện ánh giả mạ0” ch0 luận văn của mình.

bố cục của luận văn sa0 gồm phần mở dau, phan két ludn va ba chojong nội dung đojợc lô chức nhơi sau: choJơng 1: Tổng quan về xử lý ảnh và giả mạ0 ảnh choJơng này trình sày lồng quan về một hệ thống xử lý ảnh, các vấn đề cơ bản lr0ng xử lý ảnh, đồng thời trình sày tổng quan về ảnh giả mạ0 và phát hiện ảnh giả mạ0, cụ thể là các dạng ảnh giả mạO0 cơ sản cùng các cách liếp cận chính đề phát hiện ảnh giả mạ0. choJơng 2: Một số phoJơng pháp phát hiện ảnh giả mạ0 choJơng này trình sày một số kỹ thuật phát hiện ảnh giả mạO0 nhơi: Kỹ thuật phát hiện dựa và0 phân tích nguồn sáng, kỹ thuật phát hiện dựa và0 việc tìm ra dấu vết của việc lay mẫu lại và các kỹ thuật phát hiện dựa và0 việc tìm ra các vùng lặp ir0ng ảnh. chojong 3: Ứng dụng Trình bày các ứng dụng của các kỹ thuật phát hiện ảnh giả mạO và sử dụng Visual c++ cài đặt kỹ thuật phát hiện các vùng lặp lr0ng ảnh để phát hiện l0ại ảnh giả mạ0 sinh bởi tha0 lác c0py và dịch chuyên vùng lrên ảnh. chơjơng 1 — TÓIIG QUAII VẺ XỬ LÝ ÁẢNh VÀ GIÁ MẠ0 ÁINh chương này bình oày lổng quan về mội hệ thống xử lý anh, cic van dé co oán le0ng xử lý ảnh, đông thời loình oày lổng quan về ảnh giả mạ0 và phát hiện anh gia mad, cu thé la cic dạng ảnh giả mạ0 cơ van dng voi cic cich liép can chính để phái hiện ảnh giả mao.1 Xir ly amh, cdc van dé co ban t0ng xir ly anh 1.1 Xử lý ảnh là gì? Xử lý ảnh là một kh0a học lojơng đối mới mẻ s0 với nhiều ngành kh0a học khác, nhất là Ir0ng quy mô công nghiệp, s0ng lr0ng xử ly anh da pat đầu xuất hiện những máy lính chuyên dụng.

Đề có thê hình dung cấu hình một hệ thống xử lý ảnh chuyên dụng hay một hệ thống xử lý ảnh dùng lr0ng nghiên cứu, đà0 lạ0, trơjớc hết chúng †a sẽ xem xét các sơjớc cần thiết Ir0ng xử lý ảnh. Trojớc hết là quá trình thu nhận ảnh. Ảnh có thê thu nhận qua camera. Thojờng ảnh thu nhan qua camera 1a tin higu tojong tu (10ai camera ống kiểu ccIT), nhoỊng cũng có thê là ín hiệu số hóa (10ai ccD-change cOupled Device).

Ảnh cũng có thể thu nhận từ vệ linh qua các bộ cảm ứng (sens0r), hay ảnh, lranh đojợc quét lrên scanner. Tiếp the0 là quá trình số hóa để biến đổi lín hiệu liên lục sang lín hiệu rời rạc (lấy mẫu) và số hóa sằng lojợng hóa, trojớc khi chuyền sang giai đ0ạn xử lý, phân tích hay loIu trữ lại. Quá trình phân lích ảnh a0 gồm nhiều công đ0ạn nhỏ. Trojớc hết là công việc lăng cơjờng ảnh để nâng ca0 chất lojợng ảnh.

D0 những nguyên nhân khác nhau: có thể đ0 chất lojợng thiết sị thu nhận ảnh, d0 nguồn sáng hay đ0 nhiễu, ảnh có thể bi suy biến. D0 vậy cần phải lăng cơjờng và khôi phục lại ảnh để làm nỗi sật một số đặc lính chính của ảnh, hay làm ch0 ảnh gần giống nhất với lrạng thái gốc - trạng thái trojớc khi ảnh sị biến dạng. Giai 7 đ0ạn liếp the0 là phát hiện các đặc tinh nhq sién, phan ving anh, trích chọn các đặc lính, v. cudi cong, toy †he0 mục đích của ngơiời sử dụng, sẽ là giai đOạn nhận dang, phân lớp hay các quyết định khác.

các giai đ0ạn chính trOng qua trinh xu ly ảnh đơøJợc mô †ả qua hình 1. Thu nhận Tiền xử lý. > z > z > (Camera, scanner, (Nan chinh, xóa Trich chon sensor, .) đặc trơịng Lo tit A Hậu xử lý ——>| (Chính xác hóa, rút > Két luan gon, .) Vv Hệ quyết định hình 1. các giai đạn chính lr0ng xử lý ảnh Với các giai đ0ạn lrên, một hệ thống xử lý ảnh gồm các thành phần lối thiểu nhơ| hình sau: Màn hình đô họa Ỷ @ Camera _| Boxutly »| Bộ nhớ ảnh 7 tojong tự _ Ỷ Máy chủ >| Bộxử lý _ ảnh sô | ‡ Màn hình Bàn phím.

May in hình 1. các thành phần chính tr0ng hé thong xir ly anh e_ Đối với một hệ thống xử lý ảnh thu nhận qua camera - camera nhơ| là cỦn mắt của hệ thống. có 2 l0ại camera: camera ống l0ại ccIT' và camera ccD. L0ại camera ứng với chuẩn ccIT quét ảnh với lần số 1/25 và mỗi ảnh gồm 625 dong.

LOai ccD gồm các ph0†0 didt và làm tojong tng mét cojong dé sdng ki một điểm ảnh với một phần tử ảnh (pixel). Hhơi vậy, ảnh là lập hợp các điểm ảnh. Số pixel †ạ0 nên một ảnh gọi là độ phân giải. e©_ bộ xử lý loJơng tự thực hiện các chức năng sau: e_ chọn camera thích hợp nếu hệ thống có nhiều camera.

e chon man hình hiển thi tin hiệu. Thu nhận tin hiéu videO boi sộ số hóa. Thực hiện lẫy mẫu và mã hóa. Tiền xử lý ảnh khi thu nhận: dòng kỹ thuật sảng tra (L00k Up Table).

e_ bộ xử lý ảnh số gồm nhiều £6 xử lý chuyên dụng: xử lý lọc, trích chọn đơøJòng ba0, nhị phân hóa ảnh. e_ Máy chủ đóng vai trò điều khiển các thành phần miêu lả ở trên. ©_ bộ nhớ ng0ài: Dữ liệu ảnh cũng nhơi các đữ liệu khác, để có thể chuyển gia0 ch0 các quá trình khác, nó cần đojợc lơiu lrữ. * “+ các khái niệm cơ bản lr0ng xử lý ảnh Điểm ảnh (pixel): biêu diễn cojiờng độ sáng hay một dấu hiệu nà0 đó lại một lọa độ nà0 đó của đối lojợng lr0ng không gian.

Điểm ảnh là một hàm nhiều biến P(&i, xa, ., xa) lrÔng đó n là số chiều của ảnh. Ảnh: là một lập hợp các điểm ảnh, thông thơojờng đơjợc biểu diễn đojới dạng ma lrận các điểm ảnh.