Professional Documents
Culture Documents
SỰ ĐIỀU TRA KỸ THUẬT SỐ
SỰ ĐIỀU TRA KỸ THUẬT SỐ
SỰ ĐIỀU TRA KỸ THUẬT 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.
Hình 10. Biểu đồ tần số của ảnh trước và sau khi cân bằng biểu đồ.
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)
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.
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 (%)