SỰ ĐIỀU TRA KỸ THUẬT SỐ

PHÁT HIỆN VÀ DỰ ĐOÁN GIẢ MẠO HÌNH ẢNH SỐ BẰNG

VIỆC KHÁM PHÁ CÁC THAO TÁC HÌNH ẢNH CƠ BẢN
Tổng quan
Trong thời đại hiện đại mà chúng ta đang sống, hình ảnh kỹ thuật số đóng
một vai trò quan trọng trong nhiều lĩnh vực ứng dụng. Nhưng đồng thời các kỹ
thuật chỉnh sửa hình ảnh ngày càng tăng lên, gây ra mối đe dọa nghiêm trọng đối
với tính bảo mật của hình ảnh kỹ thuật số. Để ứng phó với vấn đề này, lĩnh vực
pháp y số và điều tra kỹ thuật số đã xuất hiện và cung cấp một số độ tin cậy đối với
hình ảnh kỹ thuật số. Trong bài báo này, chúng tôi đề xuất một kỹ thuật xác thực
hình ảnh nhằm phát hiện các sự thay đổi được thực hiện trên hình ảnh kỹ thuật số.
Trong hầu hết các trường hợp giả mạo hình ảnh như gỉa mạo copy-and-paste, gian
lận sao chép vùng, giả mạo ghép ảnh, các thao tác hoặc biến đổi cơ bản trên hình
ảnh thường được sử dụng. Do đó, nếu có bằng chứng cho sự thay đổi cơ bản trên
hình ảnh kỹ thuật số, chúng ta có thể nói rằng hình ảnh đã bị thay đổi. Bài báo này
nhằm mục đích phát hiện các thaoo tác cơ bản trên hình ảnh như tái lấy mẫu (quay,
thay đổi tỉ lệ), tăng cường độ tương phản và cân bằng biểu đồ màu, những thao tác
thường được thực hiện trên hình ảnh giả mạo. Phương pháp chữ ký phổ liên quan
đến nội suy có sẵn được sử dụng để phát hiện quay và sự thay đổi tỉ lệ, cũng như
ước lượng các tham số như góc quay và hệ số thay đổi tỉ lệ. Phương pháp phát hiện
xoay/thay đổi tỷ lệ này phát hiện một số hình ảnh không bị thay đổi thành hình ảnh
bị thay đổi khi hình ảnh được nén dưới dạng JPEG. Chúng tôi đã khắc phục vấn đề
đó bằng cách thêm nhiễu vào hình ảnh đầu vào. Chúng tôi cũng đã sử dụng phương
pháp phát hiện vân tay đã có để phát hiện việc tăng cường độ tương phản và cân
bằng biểu đồ màu. Bên cạnh các kỹ thuật đã được thảo luận trong phương pháp
hiện có, chúng tôi đã xác định một thuộc tính duy nhất cho việc cân bằng biểu đồ
màu có thể giúp chúng tôi phân biệt tăng cường độ tương phản và cân bằng biểu đồ
màu. Công việc này đã được thử nghiệm trên cơ sở dữ liệu USC-SIPI, gồm các
hình ảnh tổng quát không bị thay đổi, và đạt được kết quả với độ chính xác đáng
mong đợi.
1.Giới thiệu
Gỉa mạo hình ảnh kỹ thuật số là quá trình biến đổi hình ảnh chụp gốc để tạo
ra hình ảnh giả mạo. Pháp y số nhằm phát hiện các sự thay đổi được thực hiện trên
hình ảnh bằng cách phân tích các hình ảnh. Với việc sử dụng các công cụ chỉnh sửa
ảnh mạnh như Paint, Photoshop vv, nhiều kỹ thuật chỉnh sửa ảnh đã trở nên phổ
biến.
 Các hình ảnh giả mạo hoặc làm giả được tạo ra với mục đích thay đổi thông
tin có trong hình ảnh gốc. Trong hầu hết các hình ảnh giả mạo, các thao tác cơ bản
trên hình ảnh như quay, thay đổi tỉ lệ, kéo dãn, phóng to và tăng cường độ tương
phản thường được sử dụng. Trong nhiều ứng dụng, cần phát hiện xem hình ảnh đã
được chỉnh sửa hay chưa thay vì phát hiện loại giả mạo nào được sử dụng. Trong
những trường hợp như vậy, phương pháp phát hiện của chúng tôi có thể được sử
dụng vì nó phát hiện các sự thay đổi cơ bản trên hình ảnh được thực hiện trong hình
ảnh kỹ thuật số. Hãy xem xét một trường hợp gỉa mạo “copy-and-paste”. Trong
trường hợp gian lận này, một vùng hình ảnh được sao chép từ một hình ảnh và dán
vào cùng hoặc hình ảnh khác. Để làm cho vùng sao chép khớp với hình ảnh gốc và
để hình ảnh giả mạo trông tự nhiên, các thao tác biến đổi hình ảnh được thực hiện.
Do đó, việc phát hiện các thao tác biến đổi hình ảnh được thảo luận trong phương
pháp đề xuất của chúng tôi vẫn có ý nghĩa trong lĩnh vực pháp y số.

Hình 1. Hình ảnh giả mạo (trái) cho thấy George Bush đang cầm quyển sách ngược tại một
trường học và ảnh gốc của nó (phải)

Hình 1 thể hiện một ví dụ về hình ảnh giả mạo được tạo ra trong cuộc sống
thực và hình ảnh gốc. Năm 2002, bức ảnh giả này đã được lan truyền rộng rãi để
chỉ ra rằng Tổng thống George Walker Bush cầm cuốn sách thiếu nhi ngược đầu
trong một lần chụp ảnh tại một trường tiểu học. Tuy nhiên, các chuyên gia có kinh
nghiệm đã nhận ra rằng bức ảnh trên mặt sau của cuốn sách mà Bush đang cầm là
một bản sao đối xứng từ trái sang phải của bức ảnh mà cô bé đang cầm, và đã
chứng minh rằng nó đã được chỉnh sửa. Tuy nhiên, bức ảnh vẫn được dùng và tiếp
tục được trích dẫn như là bằng chứng cho việc cựu Tổng thống bị cho là thiếu
thông minh.
 Hình 2. Ảnh giả mạo (trái) của các nhà lãnh đạo trên thế giới trong Nhà Trắng và ảnh gốc của
nó(phải)

Hình 2 thể hiện một ví dụ khác về hình ảnh giả mạo và hình ảnh gốc. Vào
tháng 9 năm 2010, tờ báo lớn nhất của Ai Cập, Al-Ahram do nhà nước điều hành,
đã đăng một bức ảnh giả mạo về các nhà lãnh đạo thế giới đi bộ trên thảm đỏ trong
hội nghị hòa bình Trung Đông tại Nhà Trắng. Điều đáng chú ý là Tổng thống Ai
Cập Hosni Mubarak đang dẫn đầu, vượt xa cả Tổng thống Barack Obama ngay
trong ngôi nhà của ông. Không mất quá nhiều thời gian cho các quan sát viên nhận
ra rằng bức ảnh của Al-Ahram đã bị chỉnh sửa. Không chỉ sàn nhà và phần còn lại
của nền nơi các nhà lãnh đạo đứng bị cắt một cách thô thiển, khiến chúng ta có cảm
giác như các nhà lãnh đạo đang đi bộ trên thảm bay, mà còn có rõ ràng các đường
viền xung quanh Mubarak, nơi ông đã được đặt ở phía trước Obama và Tổng thống
Cơ quan X Palestina Mahmoud Abbas.
Bài báo này được tổ chức như sau: Phần 2 mô tả về các công trình hiện có
cho việc phát hiện gỉa mạo hình ảnh và giới hạn của chúng. Phần 3 giải thích về
phương pháp của hệ thống đề xuất của chúng tôi. Phần 4 thảo luận về kết quả của
hệ thống đề xuất và cũng thảo luận về hiệu suất phát hiện của hệ thống đề xuất, tiếp
theo là kết luận và công việc dự kiến được cung cấp trong Phần 5.
2. Các nghiên cứu liên quan
Trong những năm gần đây, đã có nhiều kỹ thuật phát hiện giả mạo hình ảnh
được đề xuất và chúng tôi đã khảo sát một số phương pháp hiện có để phát hiện giả
mạo ở đây. Các phương pháp hiện có có thể được phân loại thành hai loại: Phương
pháp chủ động hoặc không mù (Active hoặc Non-blind approach) và phương pháp
thụ động hoặc mù (Passive hoặc Blind approach).
Các kỹ thuật phát hiện giả mạo tích cực yêu cầu có kiến thức trước về hình
ảnh gốc, chẳng hạn như một mẫu tham chiếu hoặc các đặc trưng được trích xuất từ
hình ảnh gốc. Các phương pháp này có giá trị hạn chế trong ứng dụng vì hình ảnh
gốc không có sẵn trong hầu hết các trường hợp thực tế.Kỹ thuật đánh dấu kỹ thuật
số (Digital Watermarking) (Cox et al., 2002; Liu et al., 2008) là một kỹ thuật phát
hiện tích cực phổ biến để xác thực hình ảnh. Nó hoạt động bằng cách chèn một mã
kỹ thuật số không thể nhận thấy (hình mờ) vào hình ảnh trong quá trình ghi lại. Với
giả định rằng việc giả mạo sẽ làm thay đổi hình mờ, một hình ảnh có thể được xác
thực bằng cách xác minh rằng hình mờ được trích xuất giống với hình mờ được
chèn vào. Hạn chế chính của phương pháp đánh dấu kỹ thuật số là phải chèn hình
mờ vào đúng thời điểm ghi lại, điều này khiến phương pháp này hạn chế với các
máy ảnh kỹ thuật số được trang bị đặc biệt. Một số phương pháp trước đó để phát
hiện sự xoay và ước tính góc xoay đã được báo cáo. Trong Greenspan et al. (1994),
ước tính góc xoay được thực hiện dựa trên các đặc trưng cấu trúc bằng cách sử
dụng một kim tự tháp định hướng có thể điều chỉnh được, được sử dụng để trích
xuất các đặc trưng cho các cấu trúc đầu vào, sau đó được phân loại giám sát. Onishi
và Suzuki (1996) đã sử dụng một phiên bản sửa đổi của biến đổi Hough cho các
hình ảnh tham chiếu và đầu vào, đồng thời tính toán góc xoay duy nhất. Một
phương pháp khớp mẫu bất biến với xoay dựa trên sự kết hợp của phương pháp
chiếu và các đại lượng Zernike đã được đề xuất để ước tính góc xoay trong nghiên
cứu của Choi và Kim (2002). Trong nghiên cứu của Xiong và Quek (2006), góc
xoay giữa hình ảnh đầu vào và hình ảnh tham chiếu được xác định từ đỉnh của lược
đồ góc được tạo ra thông qua phương thức bỏ phiếu. Ulas et al. (2007) đã nghiên
cứu ước tính góc xoay của cấu trúc với mục tiêu triển khai thời gian thực. Mặc dù
các phương pháp này đã cho kết quả tốt, chúng là các phương pháp chủ động và do
đó không thể sử dụng trong các ứng dụng thời gian thực.
Các phương pháp thụ động là những kỹ thuật mới được phát triển và được sử
dụng rộng rãi hơn vì chúng không yêu cầu gì từ người chụp ảnh. Như đã nêu trong
(Farid, 2009), các kỹ thuật phát hiện thụ động có thể được nhóm lại thành năm loại:
(1) Dựa trên pixel (Fridrich và cộng sự, 2003; Popescu và Farid, tháng 2 năm 2005)
(2) Dựa trên định dạng (Farid , 2008; Lukas và Fridrich, 2003) (3) Dựa trên máy
ảnh (Johnson và Farid, 2006a; Popescu và Farid, 2005) (4) Dựa trên vật lý
(Johnson và Farid, 2005; Johnson và Farid, 2007a) và (5 ) Kỹ thuật dựa trên hình
học (Johnson và Farid, 2007b; Johnson và Farid, 2006b). H. Farid đã cung cấp một
cuộc khảo sát về tất cả các nhóm này trong Farid (2009) và giải thích các phương
pháp pháp y trong mỗi nhóm.
Một số kỹ thuật thụ động để xác thực hình ảnh dựa trên hoạt động phát hiện
hình ảnh đã được báo cáo. Popescu và Farid (tháng 2 năm 2005) đã trình bày một
phương pháp để tìm dấu vết thay đổi tỷ lệ ẩn dấu trong bất kỳ phần nào của hình
ảnh mà không cần dùng đến hình ảnh tham chiếu bằng cách sử dụng phương pháp
tối ưu
 Hình 3. Các bước trong phương pháp phát hiện tái lấy mẫu.

Hình 4. Đường cong DA và AD của hình ảnh Baboon đã thay đổi kích thước

hóa kỳ vọng (EM) (Dempster et al., 1977). Mahdian và Saic (2008) đã sử dụng tính
tuần hoàn do nội suy để thực hiện xác thực ảnh giả. Họ đã giới thiệu phép biến đổi
Radon trên cơ sở đạo hàm cấp hai để phát hiện chuyển động quay mà không cần
ước lượng góc quay. Gallagher (2005) đã đề xuất một phương pháp phát hiện thay
đổi tỷ lệ. Phương pháp này khai thác tính tuần hoàn trong hình ảnh được nội suy để
phát hiện dấu vết của việc thay đổi kích thước. Được thúc đẩy bởi phương pháp
Gallagher Wei et al. (2010) đã phát triển một cách thống nhất để xác định các tham
số thay đổi kích thước và xoay. Nhưng Gallagher (2005) và Wei et al. (2010) chỉ
phát hiện các thao tác xoay và thay đổi kích thước được thực hiện trong các hình
ảnh giả mạo. Điều này là không đủ và vì vậy chúng tôi đã đề xuất các phương pháp
để phát hiện xoay, thay đổi kích thước, tăng cường độ tương phản và cân bằng biểu
đồ. Stamn và Liu (2010) đã đề xuất một kỹ thuật để phát hiện các hoạt động ánh xạ
giá trị pixel như tăng cường độ tương phản. Theo Stamn và Liu (2010), các hoạt
động ánh xạ giá trị pixel để lại một số dấu vết thống kê được gọi là dấu vết nội tại
trong biểu đồ giá trị pixel của hình ảnh. Bằng cách phát hiện dấu vết nội tại, có thể
xác định các hoạt động ánh xạ giá trị pixel được thực hiện trong ảnh. Hạn chế trong
công việc này là nó không phát hiện xoay/thay đổi kích thước và do đó nó sẽ không
phát hiện tất cả các hình ảnh giả mạo. Phương pháp của chúng tôi kết hợp các kỹ
thuật trong Gallagher (2005), Wei et al. (2010), Stamn và Liu (2010) và phát hiện
các hoạt động như xoay, thay đổi kích thước, tăng cường độ tương phản và cân
bằng tần xuất. Vì bốn thao tác này có liên quan đến hầu hết các hình ảnh giả mạo
nên phương pháp được đề xuất của chúng tôi phát hiện hầu hết tất cả các hình ảnh
giả mạo.

Hình 5. Đường cong DA và AD của hình ảnh Khỉ đầu chó đã được xoay.
 Hình 6. Đường cong DA và AD của hình ảnh Peppers nén dưới dạng JPEG, không thay đổi
trước khi thêm nhiễu.

Trình bày công việc của chúng tôi có thể được tóm tắt như sau: Các kỹ thuật
phát hiện chủ động hình ảnh giả mạo phát hiện sự giả mạo có trong hình ảnh kỹ
thuật số bằng cách sử dụng kiến thức trước đó về hình ảnh gốc. Nhưng trong các
ứng dụng thời gian thực, hình ảnh gốc không có sẵn. Một số kỹ thuật phát hiện thụ
động như Pan và Lyu (2010) bị giới hạn trong việc phát hiện các loại hình ảnh giả
mạo cụ thể. Các phương pháp này cũng không phát hiện được hình ảnh giả mạo
nếu hình ảnh đã trải qua các phương pháp giả mạo khác. Do đó, việc phát hiện các
thao tác liên quan đến hình ảnh kỹ thuật số là cách chủ yếu để phát hiện hình ảnh
giả mạo. Mặc dù có các phương pháp như Gallagher (2005), Wei et al. (2010),
Stamn và Liu (2010) để phát hiện các thao tác trên hình ảnh, chúng bị giới hạn
trong việc phát hiện một hoặc hai thao tác trên hình ảnh. Tất cả những điều này đã
trở thành động lực cho sự phát triển công việc của chúng tôi, đó là kỹ thuật pháp y
cải tiến.

Hình 7. Đường cong DA và AD của Peppers nén JPEG, không thay đổi ảnh sau khi thêm nhiễu.
 Hình 8. Các bước trong phương pháp phát hiện tăng cường độ tương phản.

3. Công việc đề xuất

Trong bài báo này, phương pháp phát hiện sự thay đổi hình ảnh như tái lấy
mẫu, tăng cường độ tương phản và cân bằng biểu đồ tần suất đã được đề xuất.
Phương pháp này cũng ước tính các tham số của hoạt động xoay và thay đổi kích
thước. Trong các hình ảnh giả mạo, các thay đổi hình ảnh có thể được thực hiện đối
với toàn bộ hình ảnh (toàn cục) hoặc đối với các phần được chỉ định (cục bộ) của
hình ảnh. Công việc của chúng tôi phát hiện cả sự thay đổi hình ảnh toàn cục và
cục bộ. Như đã đề cập trước đó, chúng tôi đã sử dụng thuật toán phát hiện thay đổi
kích thước được mô tả trong Gallagher (2005) và thuật toán phát hiện xoay được
mô tả trong Wei et al. (2010) và tăng cường độ tương phản/cân bằng biểu đồ tần
suất được mô tả trong Stamn và Liu (2010). Bằng cách kết hợp tất cả các kỹ thuật
này, chúng tôi đã đạt được một phương pháp kết hợp để phát hiện xoay, thay đổi tỷ
lệ, tăng cường độ tương phản và cân bằng biểu đồ tần suất. Chúng tôi cũng đã cải
thiện hiệu suất của thuật toán được chỉ định trong Gallagher (2005) và Wei et al.
(2010).
 Hình 9. Biểu đồ tần số của hình ảnh trước và sau khi tăng cường sự tương phản.

Hình 10. Biểu đồ tần số của ảnh trước và sau khi cân bằng biểu đồ.

3.1. Phương pháp phát hiện lấy mẫu lại

Chúng tôi đã sử dụng phương pháp được mô tả trong Gallagher (2005) và
Wei et al. (2010) để phát hiện lấy mẫu lại trong ảnh kỹ thuật số. Các bước trong
phương pháp phát hiện lấy mẫu lại được đưa ra trong Hình 3. Như được hiển thị
trong Hình 3, kỹ thuật phát hiện bao gồm năm bước: (1) Tiền xử lý (2) Tạo bản đồ
cạnh (3) Biến đổi tần số (4) Phát hiện xoay/thay đổi tỷ lệ (5) Ước tính góc quay/hệ
số thay đổi tỷ lệ.
3.1.1. Tiền xử lý
Hình ảnh đầu vào trước tiên được chuyển đổi thành không gian màu YCbCr.
Động lực để chọn không gian màu YCbCr là nó đồng nhất về mặt cảm nhận và là
một phép tính gần đúng tốt hơn cho quá trình xử lý ảnh màu. Sau đó, thành phần độ
sáng là thành phần Y được tách ra khỏi ảnh màu YCbCr.
3.1.2. Trình tạo bản đồ cạnh
Một mẫu có sự khác biệt bậc hai, tức là, bản đồ cạnh của hình ảnh đầu vào
được tạo bằng cách kết hợp thành phần độ sáng (Y) của hình ảnh đầu vào với toán
tử Laplacian 3x3. Như vậy các bước còn lại được thực hiện trên bản đồ cạnh của
ảnh đầu vào.
3.1.3. Chuyển đổi tần số
DFT một chiều được tính cho bản đồ cạnh. Có hai phương pháp để tính DFT,
chẳng hạn như phương pháp DA (DFT + Trung bình) và AD (Trung bình + DFT).
Trong phương pháp DA, độ lớn của DFT được tính cho từng hàng của bản
đồ cạnh và sau đó lấy giá trị trung bình trên tất cả các hàng để có được quang phổ
ngang. Giả sử E(m,n), m ∈ [ 1 , M ] , n∈[1 , N ] là các mục của bản đồ cạnh và F là Biến
đổi Fourier rời rạc. Phương pháp DA có thể được thể hiện như sau:
M
1
E DA= ∑ |F [ E ( m ,n ) ]|
M m−1
(1)

Trong Phương pháp AD, trung bình của tất cả các hàng của bản đồ cạnh
được tính để tạo thành một hàng ngang và sau đó độ lớn của DFT được tính để có
được phổ tần số ngang. Phương pháp AD có thể được định nghĩa như sau:

|[ ]|
M
1
E AD = F ∑ E (m, n)
M m−1
(2)

3.1.4. Phát hiện xoay/thay đổi kích thước

Phổ tần số ngang thu được từ các phương pháp DA và AD được vẽ riêng biệt
theo tần số để tạo thành các đường cong DA và AD tương ứng. Chỉ một nửa đường
cong được xem xét vì biểu đồ DFA đối xứng. Các đỉnh xuất hiện trong các đường
cong DA và AD do giá trị độ phóng đại tối đa trong phổ tần số nếu hình ảnh được
lấy mẫu lại. Sự xuất hiện của các đỉnh là do nội suy. Khi một hình ảnh hoặc khối
hình ảnh được lấy mẫu lại, phép nội suy sẽ diễn ra trong hình ảnh hoặc khối hình
ảnh được lấy mẫu lại. Các vùng được nội suy và các dẫn xuất của chúng có tính
tuần hoàn cố hữu. Do tính tuần hoàn gây ra bởi phép nội suy, phổ tần số chứa các
đỉnh liên quan trực tiếp đến các hệ số tỷ lệ (Hãy nhớ rằng khi quay, hình ảnh cũng
được thay đổi tỷ lệ với hệ số tỷ lệ tỷ lệ với góc quay). Tần số của các đỉnh hình
thành được gọi là tần số đỉnh được sử dụng để ước tính góc quay và hệ số thay đổi
tỷ lệ.
Hình 11. Hình ảnh con ong và bông hoa ban đầu (thứ nhất và thứ hai) và hình ảnh giả mạo (thứ
ba) thu được bằng cách xoay hình ảnh con ong 15 độ và dán vào hình ảnh bông hoa.

Hình 12. Đường cong DA và AD của một trong các khối hình ảnh giả mạo của hình ảnh giả mạo.
Một đỉnh xuất hiện ở tần số 0,26 trong phương pháp DA do xoay 15 độ .

Lý do sử dụng hai phương pháp (DA và AD) là để phân biệt xoay và thay đổi
tỷ lệ. Mặc dù xoay và thay đổi tỷ lệ hoạt động theo cách tương tự, nhưng chúng
khác nhau trong một số trường hợp nhất định có thể được sử dụng để phân biệt
chúng. Các đỉnh được hình thành do xoay chỉ xuất hiện trong phương pháp DA và
các đỉnh được hình thành do thay đổi tỷ lệ xuất hiện trong cả hai phương pháp DA
và AD.
3.1.5. Ước tính góc quay/hệ số thay đổi tỷ lệ
Góc xoay/hệ số thay đổi tỷ lệ có thể được ước tính bằng cách sử dụng tần số
cực đại thu được từ các đường cong DA và AD. Công thức ước tính góc quay được
đưa ra như sau:
 {
f rot 1= 1−cos ( Θ ) ,0 °<Θ ≤ 60°
cos ( Θ ) , 60°<Θ ≤ 90 °
(3)

và

f rot 2=
{ sin ( Θ ) ,0 °<Θ ≤ 30°
1−sin (Θ ) , 30 °<Θ≤ 90 °
(4)

ở đây Θ là góc đã xoay và f rot 1 , f rot 2 là các tần số cực đại gây ra do quay. Công thức
ước lượng hệ số tái tỉ lệ được đưa ra như sau:

{
1
1− , 1< R ≤ 2
f res = R
(5)
1
, R>2
R

hoặc
1
f res = , R <1 (6)
R

trong đó R là hệ số thay đổi tỷ lệ và f res là tần số cực đại gây ra do thay đổi tỷ lệ.
Phương trình đầu tiên được sử dụng khi kích thước hình ảnh được phóng to và
phương trình thứ hai là công thức ước lượng được sử dụng, Q hoặc R có thể được
tính toán. Việc hình thành các công thức ước lượng hệ số thay đổi tỷ lệ và góc quay
có thể tham khảo từ Gallagher (2005) và Wei et al. (2010).
Chúng ta hãy xem một ví dụ về thuật toán phát hiện thay đổi kích thước. Giả
sử rằng hình ảnh Baboon được thay đổi tỷ lệ theo hệ số R=2.3. Việc phóng to hình
ảnh đã được thực hiện và điều kiện R > 2 được đáp ứng. Do đó từ phương trình.
(5), đỉnh sẽ xuất hiện ở 1/R = 1/2,3 = 0,43. Đỉnh này cũng sẽ được nhìn thấy trong
cả hai đường cong DA và AD. Hình 4 cho thấy đồ thị phương pháp DA và AD của
hình ảnh đã thay đổi tỷ lệ.
Một ví dụ cho thuật toán phát hiện xoay được xem xét bằng cách xoay hình ảnh
Baboon 15 độ . Các đỉnh chỉ xuất hiện trong đường cong DA ở 0,26 và 0,03. Các
đường cong DA và AD được hiển thị trong Hình 5.
3.2. Phát hiện xoay và mở rộng liên tiếp
Trong hầu hết các hình ảnh giả mạo, việc xoay và thay đổi kích thước được
thực hiện theo cách kết hợp. Các kết hợp xoay và thay đổi tỷ lệ khác nhau cũng có
thể được phân biệt và các tham số có thể được ước tính bằng phương pháp phát
hiện lấy mẫu lại. Bốn khả năng là thu phóng kép (DZ), thu phóng xoay (RZ), xoay
thu phóng (ZR) và xoay kép (DR). Trong tất cả các thao tác liên tiếp này, các đỉnh
gây ra bởi thao tác đầu tiên sẽ không xuất hiện trong khi các đỉnh do thao tác thứ
hai sẽ xuất hiện. Ngoài ra, một số đỉnh sẽ xuất hiện ở tần số tổng hợp do hoạt động
được kết hợp. Các đỉnh hoạt động kết hợp sẽ không xuất hiện trong đường cong
AD nếu thao tác xoay là một trong các hoạt động được thực hiện.

Hình 13. Ảnh gốc (trái) và ảnh giả mạo (phải) thu được bằng cách sao chép và thay đổi kích
thước một khối ảnh gốc rồi dán vào trong ảnh đó.

Hình 14. Đường cong DA và AD của một trong các khối giả mạo của hình ảnh giả mạo. Đỉnh
xuất hiện ở 0,33 trong cả hai phương pháp do thay đổi tỷ lệ với hệ số bằng 3.

3.2.1. Phát hiện thao tác phóng to kép

Giả sử hình ảnh được thực hiện phóng to 2 lần. Giả sử hệ số tỷ lệ đầu tiên là
R1 và hệ số thu phóng thứ hai là R2. Các đỉnh do R1 sẽ không xuất hiện. Các đỉnh
quang phổ được tạo ra ở 1/R2, 1 1/R2 hoặc 1/R2 1 và là kết quả của các hoạt động
liên tiếp, ở một số tần số tổng hợp là phép nhân của các tần số thu phóng đơn lẻ
chẳng hạn như
 f DZ =1 /( R1 R 2)và f DZ =(1/ R1 )(1−1/ R2 ) (7)
3.2.2. Phát hiện xoay-phóng to
Trong giả mạo hình ảnh bằng phương pháp sao chép-di chuyển, đối tượng
được chèn vào có thể được xoay và thay đổi kích thước để hợp nhất với môi trường
xung quanh. Giả sử rằng góc quay là Θ , tương ứng với các tần số cực đại tại sin(Θ ¿
, cos(Θ ), 1- sin(Θ ) và 1- cos(Θ) sẽ xuất hiện mà không cần thêm biến đổi hình học.
Sau khi xoay, nếu hình ảnh được thay đổi tỷ lệ với hệ số R, nó sẽ dẫn đến các đỉnh
ở 1/R, 1-1/R và 1/R-1 và một số tần số tổng hợp như sau:
f RZ =(1/ R)sin ⁡(Θ)và f RZ =(1 /R)(1−cos ( Θ ) ) (8)

3.2.3. Phát hiện phóng to-xoay

Đặt hệ số thu phóng là R và bước xoay tiếp theo thực hiện xoay một góc góc
Θ . Phép quay giới thiệu các cực đại ở tần số sin(Θ ¿,cos(Θ ¿, 1- sin(Θ ¿, và 1- cos (Θ ¿
, và một số tần số tổng hợp như sau:
f ZR =(1 /R)sin ⁡( Θ), f ZR=(1−1 /R)sin ⁡(Θ)và f ZR =(1 /R)cos (Θ) (9)

3.2.4. Phát hiện xoay kép

Giả sử góc quay đầu tiên là Θ1 tương ứng với các đỉnh tại các tần số sin( Θ1),
cos(Θ1), 1- sin(Θ1), và 1- cos(Θ1) sẽ xuất hiện nếu không có thêm thao tác nào được
thực hiện. Vòng quay thứ hai gây ra các cực đại tại sin( Θ2), cos(Θ2), 1- cos(Θ2) và 1-
sin (Θ2), cũng như các tần số tổng hợp như:
f DR =sin ⁡(Θ1 )cos ⁡( Θ2) và f DR =cos (Θ1)sin(Θ2 ) (10)
 Hình 15. Ảnh gốc (trái) và ảnh giả mạo (phải) thu được bằng cách tăng cường độ tương
phản cục bộ.

Hình 16. Biểu đồ phổ tần số của khối không thay đổi và một trong các khối bị thay đổi của hình
ảnh giả mạo. Một đỉnh nổi bật xuất hiện trong biểu đồ của khối hình ảnh bị thay đổi

Wei et al. (2010) đã đưa ra lời giải thích chi tiết về phát hiện lấy mẫu lại và
phát hiện xoay và chia tỷ lệ liên tiếp bằng các ví dụ riêng biệt. Lấy mẫu lại cục bộ
được phát hiện trong ảnh bằng cách chia ảnh thử nghiệm thành các khối chồng lấp
có kích thước B x B có vùng chồng lấp L x B trong đó L < B. Thuật toán phát hiện
lấy mẫu lại được áp dụng cho từng khối riêng lẻ. Nếu các giá trị đỉnh tồn tại trong
phổ tần số trung bình của bất kỳ khối nào, tần số đỉnh tương ứng sẽ được ghi lại và
các tham số được ước tính từ các công thức ước lượng tham số. Các khối trong đó
tồn tại các đỉnh được gọi là các khối đáng ngờ.
3.3. Thêm nhiễu cho sự tấn công dạng nén JPEG.
Khi một bức ảnh đã chỉnh sửa được tạo bằng cách tổng hợp kỹ thuật số các
hình ảnh riêng lẻ, có thể thường phải lấy mẫu lại hình ảnh để làm cho nó trông tự
nhiên. Hầu hết các hình ảnh giả mạo được lưu ở định dạng JPEG sau khi thực hiện
công việc chỉnh sửa. Phương pháp phát hiện lấy mẫu lại được đề xuất chỉ ra sự hiện
diện của các vùng hình ảnh được lấy mẫu lại trong một hình ảnh. Tuy nhiên,
phương pháp phát hiện này không chính xác vì phương pháp này dễ bị tấn công
bằng JPEG. Lý do là các thành phần chặn định kỳ của JPEG trùng khớp với các
mẫu định kỳ được sử dụng bằng cách lấy mẫu lại.
Trong bài báo này, chúng tôi đã đề xuất một phương pháp để triệt tiêu các tạo
phẩm định kỳ do JPEG gây ra trong khi vẫn duy trì tính định kỳ do lấy mẫu lại. Do
đó, một cách tiếp cận mới để triệt tiêu các tạo phẩm JPEG bằng cách thêm nhiễu
Gaussian để phát hiện mạnh mẽ thay đổi kích thước/xoay hình ảnh đã được đề xuất.
Trong pháp y, có thể thực hiện xử lý hậu kỳ phù hợp trên hình ảnh mà không phải
lo lắng về chất lượng hình ảnh của nó, vì hình ảnh được xử lý chỉ dành cho phân
tích pháp y. Do đó, thêm nhiễu Gaussian là một kỹ thuật hiệu quả để che đi các ảnh
hưởng của JPEG. Lượng nhiễu Gaussian được kiểm soát được thêm vào hình ảnh
đã thay đổi kích thước/xoay và nén JPEG. Bằng cách điều chỉnh mức nhiễu, các
thành phần tần số do JPEG gây ra bị triệt tiêu trong khi các đỉnh do nội suy gây ra
được giữ lại. Do đó, phương pháp được đề xuất hoạt động ngay cả sau khi nén
JPEG.
Hãy xem xét một hình ảnh Peppers không thay đổi được lưu trữ ở định dạng
JPEG và được nén với hệ số chất lượng tối đa. Như được hiển thị trong Hình 6,
biểu đồ phương pháp DA của ảnh gốc có một số đỉnh. Biểu đồ phương pháp DA và
AD của hình ảnh gốc sau khi thêm nhiễu Gaussian có phương sai 0,01 được hiển
thị trong Hình 7. Kết quả cho thấy rõ ràng rằng các đỉnh do nén JPEG bị triệt tiêu,
do đó chứng tỏ rằng hình ảnh Peppers không bị thay đổi.
3.4. Phát hiện tăng cường độ tương phản
Phương pháp phát hiện tăng cường độ tương phản toàn cục và cục bộ còn
được gọi là kỹ thuật phát hiện dấu vết nội tại. Các bước để phát hiện hình ảnh tăng
cường độ tương phản được hiển thị trong Hình 8
Ảnh kiểm tra có thể là ảnh thang xám hoặc ảnh màu. Nếu hình ảnh là hình
ảnh RGB, trước tiên nó được tách thành thành phần Đỏ, thành phần Xanh lục và
thành phần Xanh lam. Biểu đồ giá trị pixel của hình ảnh được tính cho thành phần
Đỏ hoặc Xanh lục hoặc Xanh lam. Độ lớn của DFT của biểu đồ tính toán sau đó
được tính toán. Độ lớn thu được sau đó được vẽ đồ thị theo tần số để thu được đồ
thị tần số. Các số 0 đột ngột hoặc các đỉnh nổi bật xuất hiện trong biểu đồ tần số
được gọi là dấu vết nội tại. Dấu vết nội tại nếu xuất hiện thì hình ảnh được cho là bị
thay đổi bằng cách tăng cường độ tương phản.

Hình 17. Hai ảnh gốc (thứ nhất và thứ hai) được sử dụng để tạo ảnh giả mạo (thứ ba) là một ví
dụ về cân bằng biểu đồ cục bộ

Hình 18. Biểu đồ phổ tần số của khối không thay đổi và một trong các khối đã thay đổi của hình
ảnh giả mạo. Một đỉnh nổi bật xuất hiện trong biểu đồ của khối hình ảnh bị thay đổi ở 0,25.

Sự hình thành các đỉnh trong biểu đồ tần số của hình ảnh tăng cường độ
tương phản là do một số lý do cụ thể. Khi hình ảnh được tăng cường độ tương
phản, các giá trị pixel được tăng lên so với giá trị ban đầu. Các giá trị pixel tăng lên
sẽ tiêu thụ nhiều năng lượng hơn và do đó có nhiều năng lượng hơn. Nói cách khác,
một hình ảnh cần nhiều năng lượng hơn để hiển thị các pixel trắng hơn các pixel
tối. Tất cả chúng ta đều biết trang web tìm kiếm tiết kiệm năng lượng Blackle.com
do Google cung cấp để nhắc nhở tất cả chúng ta về sự cần thiết phải thực hiện các
bước nhỏ trong cuộc sống hàng ngày để tiết kiệm năng lượng. Vì năng lượng tỷ lệ
thuận với tần số nên hình ảnh nâng cao có các thành phần tần số cao.
Tăng cường độ tương phản cục bộ là tăng cường một vùng hình ảnh trong
một hình ảnh. Điều này có thể được phát hiện bằng cách chia hình ảnh thành các
khối không chồng lấp có kích thước BxB và lặp lại các bước trên cho mỗi khối.
Chúng ta hãy xem xét một ví dụ về phát hiện tăng cường độ tương phản. Độ
tương phản của hình ảnh Peppers ban đầu được nâng cao trên toàn cục để tạo ra
hình ảnh được thay đổi. Đồ thị tần số của biểu đồ lớp màu đỏ của ảnh gốc và ảnh
đã thay đổi được hiển thị trong Hình 9. Một đỉnh nổi bật tồn tại trong đường cong
của ảnh được tăng cường chứng tỏ rằng ảnh được tăng cường độ tương phản. Hình
ảnh ban đầu không có sẵn cho người dùng. Kết quả của hình ảnh giả mạo được so
sánh với hình ảnh gốc chỉ để hiểu khái niệm rõ ràng. Trong các ứng dụng thời gian
thực, sự tồn tại của các đỉnh nổi bật chứng tỏ rằng hình ảnh đã bị thay đổi.
3.5. Phát hiện cân bằng biểu đồ tần suất
Thuật toán phát hiện cân bằng biểu đồ tần suất được chỉ định trong Stamn và
Liu (2010) sử dụng một kỹ thuật khác với kỹ thuật phát hiện dấu vết nội tại. Vì cân
bằng biểu đồ tần suất cũng là một hình thức tăng cường độ tương phản, hình ảnh
được cân bằng biểu đồ tần suất cũng sẽ có giá trị pixel tăng dẫn đến năng lượng
tăng. Vì vậy chúng tôi đã sử dụng phương pháp phát hiện dấu vết nội tại tương tự
để phát hiện hình ảnh cân bằng biểu đồ. Trong khi áp dụng kỹ thuật phát hiện dấu
vết nội tại cho các hình ảnh được cân bằng biểu đồ tần suất, chúng tôi đã phân tích
một thuộc tính duy nhất cho các hình ảnh này. Tất cả các hình ảnh được cân bằng
biểu đồ tần suất tạo ra một đỉnh đột ngột ở tần số cực đại 0,25. Nếu quá trình cân
bằng biểu đồ được thực hiện trong các vùng hình ảnh được cục bộ hóa, thì khối
tương ứng tạo ra đỉnh nổi bật ở mức 0,25.
Cân bằng biểu đồ làm tăng phạm năng lượng của các giá trị pixel của hình
ảnh một cách hiệu quả bằng cách đưa chúng vào một ánh xạ sao cho việc phân phối
các giá trị pixel đầu ra gần như đồng nhất. Ánh xạ được sử dụng để thực hiện điều
này phụ thuộc vào biểu đồ tần suất của hình ảnh không thay đổi và được tạo ra theo
phương trình sau.

( )
t
h(t )
mhe ( l )=round 255 ∑ (11)
t=0 N

trong đó N là tổng số pixel trong ảnh và h(t) là giá trị tần suất cho giá trị pixel t. Vì
một ánh xạ xác định trước được sử dụng cho tất cả các hình ảnh được cân bằng
biểu đồ tần suất, nên sự xuất hiện của đỉnh cũng được cố định cho tất cả các hình
ảnh. Do đó, cân bằng biểu đồ tần suất có một thuộc tính duy nhất có thể được sử
dụng để phát hiện nó và cũng để phân biệt tăng cường độ tương phản và cân bằng
biểu đồ.
Thuộc tính duy nhất của cân bằng biểu đồ được hiển thị trong Hình 10. Ví dụ
hình ảnh Peppers là biểu đồ được cân bằng hóa trên toàn cục và biểu đồ phổ tần số
của các hình ảnh không thay đổi và đã thay đổi được hiển thị trong Hình 10.
4. Kết quả và thảo luận
Chúng tôi đã thảo luận về kết quả của hệ thống được đề xuất trong phần này.
4.1. Phát hiện lấy mẫu lại
Hình 11 hiển thị một hình ảnh giả mạo được tạo ra từ nhiều hình ảnh. Như
được hiển thị trong Hình 11, hình ảnh con ong ban đầu được xoay 15 độ và dán vào
hình ảnh bông hoa ban đầu để tạo thành hình ảnh giả sau một số xử lý hậu kỳ. Phát
hiện khối một cách thông minh được thực hiện. Biểu đồ tần số của một trong các
khối giả thu được bằng phương pháp DA và AD được hiển thị trong Hình 12. Từ
các biểu đồ này, rõ ràng là tồn tại một đỉnh ở tần số 0,26 trong phương pháp DA.
Do đó, chỉ có phép quay đã được thực hiện. Khi tần số cực đại này được thay thế
trong công thức ước tính góc xoay, góc xoay được ước tính là 15 độ.
Hình 13 hiển thị một ví dụ về giả mạo sao chép-dán trong đó có liên quan
đến thay đổi kích thước cục bộ. Trong ví dụ này, một khối hình ảnh được lấy từ
hình ảnh gốc được thay đổi kích thước với hệ số bằng 3 và dán lại vào ảnh gốc với
mục đích che giấu một trong những người có mặt trong ảnh gốc. Phát hiện khối
một cách thông minh được thực hiện để xác định các khối giả mạo. Hình 14 cho
thấy biểu đồ tần số của một trong các khối giả thu được bằng phương pháp DA và
AD. Đỉnh xuất hiện trong cả hai phương thức ở mức 0,333 cho thấy việc giả mạo
được thực hiện đang thay đổi kích thước. Hệ số thay đổi tỷ lệ được ước tính là 3
bằng cách thay thế tần số cao nhất trong công thức ước tính hệ số thay đổi tỷ lệ.
Bảng 1
Hiệu suất của các phương pháp phát hiện giả mạo toàn cục khác nhau.
Loại giả mạo Xoay toàn cục Thay đổi kích Tăng cường Cân bằng biểu
thước toàn cục độ tương phản đồ tần suất
toàn cục toàn cục
Số lượng hình 300 300 300 300
ảnh giả mạo
được chụp
Hình ảnh giả 295 297 300 300
mạo được
phát hiện
chính xác
Hình ảnh giả 5 3 0 0
mạo không bị
phát hiện
Tỷ lệ phát 98.3 99 100 100
hiện (%)

Bảng 2
Hiệu suất của các phương pháp phát hiện giả mạo cục bộ khác nhau.
Loại giả mạo Xoay cục bộ Thay đổi kích Tăng cường Cân bằng biểu
thước cục bộ độ tương phản đồ tần suất
cục bộ cục bộ
Số lượng hình 300 300 300 300
ảnh giả mạo
được chụp
Hình ảnh giả 289 293 295 298
mạo được
phát hiện
chính xác
Hình ảnh giả 11 7 5 2
mạo không bị
phát hiện
Tỷ lệ phát 96.3 97.6 98.3 99.3
hiện (%)

4.2. Phát hiện tăng cường độ tương phản

Hình 15 hiển thị hình ảnh được tăng cường độ tương phản cục bộ. Hình ảnh
này có được bằng cách tăng cường độ tương phản của một vùng hình ảnh so với
hình ảnh gốc và dán vùng đã tăng cường vào cùng một vị trí trong hình ảnh gốc.
Kết quả được hiển thị trong Hình 16 với các đỉnh được phát hiện.
4.3. Phát hiện cân bằng biểu đồ
Hình ảnh giả mạo sử dụng cân bằng biểu đồ cục bộ được hiển thị trong Hình
17. Hai hình ảnh gốc được hiển thị trong Hình 17 được sử dụng để tạo thành hình
ảnh giả mạo. Người đàn ông trong ảnh gốc thứ hai được cắt và đặt trong ảnh gốc
đầu tiên. Để phù hợp với môi trường ánh sáng của các điểm ảnh lạ trong ảnh gốc,
hình ảnh người đàn ông được cắt ra và được cân bằng biểu đồ tần suất. Kết quả
phát hiện được hiển thị trong Hình 18
4.4. Đánh giá hiệu suất
Phương pháp đề xuất được thử nghiệm trong các hình ảnh từ cơ sở dữ liệu
USC-SIPI. Cơ sở dữ liệu này bao gồm toàn thể nhiều hình ảnh không thay đổi.
Những hình ảnh này được thay đổi thủ công bằng Adobe Photoshop để kiểm tra
khả năng phát hiện các thay đổi trong hình ảnh. Thử nghiệm được thực hiện với
300 hình ảnh đã thay đổi và kết quả của các kỹ thuật phát hiện toàn cục và cục bộ
khác nhau được so sánh và thể hiện trong Bảng 1 và Bảng 2. Lưu ý rằng các hình
ảnh thử nghiệm được chụp trong Bảng 1 và 2 không được nén JPEG. Đối với tất cả
các hình ảnh nén JPEG, kỹ thuật của chúng tôi triệt tiêu các đỉnh do quá trình nén
và giữ lại các đỉnh do nội suy sau khi thêm nhiễu.
Hiệu suất của kỹ thuật phát hiện bị giảm trong các kỹ thuật phát hiện cục bộ
vì giả mạo được áp dụng trong một khu vực rất nhỏ. Hiệu suất của các phương
pháp phát hiện cục bộ như xoay, thay đổi tỷ lệ, tăng cường độ tương phản và cân
bằng biểu đồ được đưa ra trong Bảng 2
5. Kết luận và công việc dự kiến
Một bộ công cụ ước tính hệ số phát hiện lấy mẫu lại hình ảnh và góc xoay/tỷ
lệ dựa trên các tạo phẩm nội suy đã được phát triển với độ chính xác thỏa đáng. Kết
hợp với khả năng định vị các mảng hình ảnh nhỏ được xoay/thay đổi tỷ lệ này cũng
đã được phát triển. Phương pháp này cũng có thể được sử dụng để khám phá các
hoạt động xoay và thay đổi kích thước liên tiếp của hình ảnh. Vì không cần lặp lại
gây tốn thời gian và thao tác chính được thực hiện trong quá trình phát hiện là FFT,
nên độ phức tạp tính toán của thuật toán không cao. Các thuật toán phát hiện lấy
mẫu lại không thành công khi thực hiện nén JPEG. Người ta đã chứng minh rằng
việc thêm nhiễu Gaussian là một kỹ thuật hiệu quả để giảm đi các ảnh hưởng của
JPEG.
Một tập hợp các kỹ thuật pháp y hình ảnh có khả năng phát hiện tăng cường
độ tương phản toàn cục và cục bộ và cân bằng biểu đồ cũng đã được đề xuất. Trong
mỗi kỹ thuật này, việc phát hiện phụ thuộc vào sự hiện diện hay vắng mặt của dấu
vết nội tại được đưa vào biểu đồ của hình ảnh bằng ánh xạ giá trị pixel. Tính hữu
ích của việc phát hiện thay đổi cục bộ (xoay, thay đổi kích thước, tăng cường độ
tương phản, cân bằng biểu đồ) đối với các loại giả mạo khác nhau như cắt và dán
đã được chứng minh.
 Phát hiện hình ảnh giả mạo là một nhiệm vụ khó khăn. Đối với kiểu giả mạo
hình ảnh sao chép - di chuyển, việc phát hiện đáng tin cậy các vùng hình ảnh rất
nhỏ vẫn là một thách thức. Khi xử lý hậu kỳ được thực hiện, chẳng hạn như mã hóa
JPEG với hệ số chất lượng thấp, việc phát hiện các thay đổi hình ảnh trở nên khó
khăn hơn. Hơn nữa, để tránh phát hiện thay đổi kích thước/xoay, có thể sử dụng các
phương pháp nội suy tinh vi hơn và các thao tác hình ảnh có thể được thực hiện để
làm cho dấu vết thay đổi kích thước không thể phát hiện được.
Cũng có thể giả mạo hình ảnh mà không cần sử dụng các thao tác cơ bản như
xoay, thay đổi tỷ lệ, tăng cường độ tương phản và cân bằng biểu đồ. Tất cả những
điều này đã trở thành động lực cho sự phát triển của các kỹ thuật pháp y cải tiến
hơn nữa. Trong những năm gần đây, việc thao túng nội dung video để tạo video giả
mạo cũng đang trở nên phổ biến. Do đó, các kỹ thuật phát hiện giả mạo nên được
mở rộng hơn nữa cho các video.
6.Tài liệu tham khảo
Choi M, Kim W. Một phương pháp khớp mẫu hai giai đoạn mới lạ cho tính bất biến
xoay và chiếu sáng. Nhận dạng mẫu 2002;35(1):119–29.
Cox IJ, Miller ML, Bloom JA. Thủy vân kỹ thuật số. San Mateo, CA: Morgan
Kaufmann; 2002.
Dempster AP, Laird NM, Rubin DB. Khả năng tối đa từ dữ liệu không đầy đủ thông
qua thuật toán EM. J Roy Stat Soc B Stat Meth 1977;39(1):1–38.
Farid H. Đạn đạo kỹ thuật số từ lượng tử hóa jpeg: một nghiên cứu tiếp theo.
DeptComp Sci., Đại học Dartmouth, Tech. Dân biểu TR2008–638; 2008.
Farid H. Phát hiện giả mạo hình ảnh. Quy trình tín hiệu IEEE Tạp chí tháng 3 năm
2009; 26(2):16–25.
Fridrich J, Soukal D, Lukás J. Phát hiện giả mạo di chuyển bản sao trong ảnh kỹ
thuật số. Trong: Proc. Hội thảo nghiên cứu pháp y kỹ thuật số, tháng 8 năm 2003.
Gallagher AC. Phát hiện phép nội suy tuyến tính và bậc ba trong ảnh nén JPEG.
Trong: Proc. Canada lần thứ 2 tầm nhìn của máy tính và robot, Washington, DC;
2005. tr. 65–72
Greenspan H, Goodman S, Perona R. Nhận dạng kết cấu bất biến xoay bằng cách
sử dụng một kim tự tháp có thể điều khiển được. Trong: Proc. Quốc tế IAPR lần
thứ 12 Nhận dạng mẫu conf, tập. 2; 1994. tr. 162–167.
Johnson MK, Farid H. Vạch trần các giả mạo kỹ thuật số bằng cách phát hiện các
điểm không nhất quán trong ánh sáng. Trong: Proc. Hội thảo bảo mật và đa phương
tiện ACM, New York, NY; 2005. tr. 1–10.
Johnson MK, Farid H. Vạch trần các giả mạo kỹ thuật số thông qua quang sai màu.
Trong: Proc. Hội thảo bảo mật và đa phương tiện ACM, Geneva, Thụy Sĩ; 2006a. P.
48–55.
Johnson MK, Farid H. Phép đo hệ mét trên mặt phẳng từ một hình ảnh duy nhất.
Khoa Khoa học Máy tính, Đại học Dartmouth, Tech. Dân biểu TR2006–579; 2006.
Johnson MK, Farid H. Phát hiện ảnh tổng hợp của con người. Trong: Proc. Quốc tế
thứ 6 hội thảo về thủy ấn kỹ thuật số, Quảng Châu, Trung Quốc; 2007a.
Johnson MK, Farid H. Phơi bày các giả mạo kỹ thuật số thông qua ánh sáng phản
chiếu cao trên mắt. Trong: Proc. Quốc tế thứ 9, Saint Malo, Pháp; 2007b. P. 311–
325.
Liu H, Rao J, Yao X. Lược đồ thủy vân dựa trên tính năng để xác thực hình ảnh.
Trong: IEEE Int. conf. đa phương tiện và triển lãm; 2008. tr. 229–232.
Lukas J, Fridrich J. Ước tính ma trận lượng tử hóa sơ cấp trong ảnh JPEG được nén
kép. Trong: Proc. hội thảo nghiên cứu pháp y kỹ thuật số, Cleveland, OH; Tháng 8
năm 2003.
Mahdian B, Saic S. Xác thực mù bằng cách sử dụng các thuộc tính nội suy tuần
hoàn. IEEE Trans Inf Forensics Security Tháng 9 năm 2008;3(3):529–38.
Onishi H, Suzuki H. Phát hiện chuyển động quay và dịch song song bằng cách sử
dụng biến đổi Hough và Fourier. Trong: Proc. IEEE Int. conf. đang xử lý hình ảnh;
1996. tr. 827–830.
Pan Xunyu, Lyu Siwei. Phát hiện trùng lặp vùng bằng tính năng hình ảnh phù hợp.
IEEE Trans Inf Forensics Security Tháng 12 năm 2010;5(4):857–67.
Popescu AC, Farid H. Phơi bày các giả mạo kỹ thuật số trong mảng bộ lọc màu
hình ảnh nội suy. IEEE Trans Signal Process 2005;53(10):3948–59.
Popescu AC, Farid H. Vạch trần các giả mạo kỹ thuật số bằng cách phát hiện dấu
vết của lấy mẫu lại. IEEE Trans Signal Process Tháng 2 năm 2005;53(2 Pt. 2):758–
67.
MC nổi tiếng, Liu KJ. Phát hiện pháp y thao tác hình ảnh bằng cách sử dụng dấu
vân tay thống kê. IEEE Trans Inf Forensics Security tháng 9 năm 2010;5(3):492–
506.
Ulas C, Demir S, Toker O, Fidanboylu K. Các thuật toán ước tính góc quay cho kết
cấu và triển khai thời gian thực của chúng trên FU-SmartCam. Trong: Proc. Quốc
tế thứ 5 triệu chứng xử lý hình ảnh và tín hiệu và Phân tích; 2007. tr. 469–475.
Wei W, Wang S, Tang Z. Ước tính góc xoay ảnh bằng cách sử dụngchữ ký quang
phổ liên quan đến phép nội suy với ứng dụng để phát hiện mù hình ảnh giả mạo.
IEEE Trans Inf Forensics Security Tháng 9 2010;5(3):507–17.
Xiong Y, Quek F. Đăng ký hình ảnh trên không tự động mà không cần thư từ.
Trong: Proc. IEEE lần thứ 4 conf. hệ thống thị giác máy tính; 2006. tr.25–33.