Đang tải... (xem toàn văn)
Nội dung của bài viết được tổ chức như sau: Trình bày một số phương pháp liên quan, tính chất của vùng ảnh sau khi lấy mẫu tăng và đưa ra một phép biến đổi mới trên ma trận, gọi là phép biến đổi hiệu, áp dụng phép biến đổi này để xây dựng phương pháp phát hiện ảnh giả mạo, phương pháp dựa trên bộ lọc thông cao của phép biến đổi DWT,...
Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Phát ảnh giả mạo có vùng đƣợc lấy mẫu tăng dựa phép biến đổi hiệu lọc thông cao DWT Detection of Upsampled Image Forgery based on Difference Transform and High Pass Filter of DWT Trần Đăng Hiên, Nguyễn Ngọc Hƣng, Phạm Văn Ất Abstract: In this paper, we present two methods for detecting image forgery that have areas are copied from the various images The first method is based on difference transform for the × blocks and the second method is based on high pass filter of DWT (Discrete Wavelet Transform) Compared to some previous methods, proposed methods have lower computational complexity and can detect forgery areas more clearly Experiments show that the method are more robust against some attacks such as rotation, scaling, add noise, JPEG compression, Keywords: Image forgery, re-sampling detection, DWT discrete wavelet transform I GIỚI THIỆU CHUNG Ngày nay, ảnh số phương tiện truyền thông sử dụng rộng rãi, đóng vai trò quan trọng đời sống người Những hình ảnh bị chỉnh sửa sử dụng cho mục đích xấu dẫn đến hậu khơng tốt Trong đó, với sẵn có công cụ xử lý ảnh, ảnh số dễ dàng thay đổi mà khơng để lại chứng thị giác Để giải vấn đề trả lời câu hỏi ảnh có độ tin cậy bao nhiêu, ảnh thật, ảnh giả, kỹ thuật xác thực phát triển Chẳng hạn kỹ thuật chủ động (active method) nhúng dấu thủy vân hay chữ ký số vào ảnh, ngược lại kỹ thuật thụ động (passive method) giúp phát ảnh bị chỉnh sửa mà không cần dấu thủy vân hay chữ ký số nhúng vào trước Có nhiều cách để tạo hình ảnh giả mạo, chép vùng ảnh từ ảnh khác cách phổ biến Trong làm vậy, để tạo hình ảnh thuyết phục, người ta thường phải sửa kích thước, quay, hay co giãn phần ảnh, q trình đòi hỏi lấy mẫu lại (resampling) Mặc dù việc lấy mẫu lại thường nhìn thấy mắt thường để lại dấu vết mặt tương quan điểm ảnh Vì vậy, dựa vào dấu vết việc lấy mẫu lại để phát ảnh giả mạo có vùng chép từ nguồn khác hướng nghiên cứu quan trọng, nhiều người quan tâm Đầu tiên A.C Popescu H Farid [7] trình bày phương pháp kiểm tra xem ảnh A có bị lấy mẫu lại hay không cách sử dụng ma trận hệ số D kích thước (2×M+1) ( 2×M+1) với M hệ số, [4] gọi D dự báo (the prediction) Từ D xác định giá trị dự báo (i,j) theo công thức: ∑ ∑ Hiệu giá trị dự báo giá trị cho trước: gọi sai số dự báo Tiếp đó, tính Pij=P(aij=bij) xác suất để bij aij Các xác suất tỷ lệ nghịch với sai số dự báo, nghĩa eij nhỏ Pij lớn ngược lại Ma trận P gồm phần tử Pij gọi đồ xác suất (p-map) Các tác giả A ảnh bị lấy mẫu lại (resampled), tồn dự báo D, cho phần tử Pij xấp xỉ xuất cách tuần hoàn Để xác định D P vậy, Popescu - 110 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Farid sử dụng phương pháp EM (Expectation Maximization) Tính tuần hồn P nhận cách sử dụng phổ phép biến đổi Fourier rời rạc (DFT-Discrete Fourier Transform) P Trên phổ xuất điểm sáng nhọn (peaks) đối xứng xung quanh tâm dấu hiệu chứng tỏ ảnh (hay vùng ảnh) bị lấy mẫu lại Độ phức tạp thuật toán xác định D P [7] lớn phải thực vòng lặp xác định hai ma trận Trong [4], Kirchner D đóng vai trò khơng cao, nên để giảm thời gian tính tốn, Kirchner chọn trước ma trận hệ số D tính ma trận đồ xác suất P theo D chọn Tuy nhiên, hai phương pháp [4] [7] dựa quan sát điểm sáng nhọn nên khó xác định vùng giả mạo, tính hiệu hạn chế Phát lấy mẫu lại miền không gian đề xuất [8] dựa tính sai phân bậc hai hàng cột ma trận điểm ảnh Phương pháp có ưu điểm tốc độ nhanh phương pháp [4,7], nhiên khó khoanh vùng giả mạo Trong [1] tác giả đưa cải tiến nhỏ phương pháp [8] cách sử dụng giá trị ngưỡng với ma trận DFT ma trận p[k], cải tiến không nâng cao khả khoanh vùng phát giả mạo R Wang [11] đưa cách phát dấu vết lấy mẫu lại ảnh cách sử dụng phép biến đổi SVD (Singular Value Decomposition) Ảnh sau lấy mẫu lại có đặc điểm độc lập tuyến tính hàng cột ma trận điểm ảnh thay đổi, dùng phép biến đổi SVD để khảo sát thay đổi độc lập tuyến tính, từ kết luận ảnh có giả mạo hay khơng Phương pháp có ưu điểm đơn giản đưa kết luận ảnh có bị lấy mẫu lại hay khơng, khơng phát vùng giả mạo Trong [3] ba tác giả X Feng, I Cox, G Doerr tính mật độ lượng chuẩn hóa (normalized energy density) vùng ảnh để xác định giả mạo Phương pháp dựa giả thiết trình lấy mẫu lại ảnh hưởng đến phân bố lượng ảnh Tập V-2, Số 14 (34), tháng 12/2015 miền tần số (frequency domain), lượng ảnh hiểu tổng bình phương ∑ điểm ảnh ( ) Cũng giống [11] đưa kết luận ảnh có lấy mẫu lại hay khơng Trong [8] ngồi trình bày phương pháp dựa sai phân bậc hai, S Prasad K R Ramakrishnan trình bày phương pháp sử dụng phép biến đổi DCT phép biến đổi DWT song trực giao 3.5 (biorthogonal 3.5) để xác định ảnh giả mạo có lấy mẫu tăng Các phương pháp hiển thị vùng giả mạo khối lượng tính tốn bị dư thừa phải tính tốn liệu không sử dụng Hầu hết phương pháp có nhược điểm hiệu thấp, thời gian tính tốn lớn, khó khoanh vùng giả mạo Phương pháp [8] sử dụng phép biến đổi DCT DWT có ưu điểm khoanh vùng giả mạo Trong báo đề xuất hai phương pháp phát ảnh giả mạo dựa phép biến đổi hiệu lọc thông cao phép biến đổi DWT Các phương pháp dựa tính phẳng vùng ảnh lấy mẫu tăng (mục III.3), có ưu điểm đơn giản, định vị vùng giả mạo lấy mẫu tăng bền vững trước số phép biến đổi quay, tịnh tiến, nén JPEG,… Các phương pháp đề xuất có khả phát giả mạo tốt phương pháp [4] Kirchner sai phân bậc hai [8], có khả phát giả mạo tương đương với phương pháp sử dụng phép biến đổi DWT [8], có độ phức tạp tính tốn thấp Nội dung báo tổ chức sau: Phần II trình bày số phương pháp liên quan, Phần III trình bày tính chất vùng ảnh sau lấy mẫu tăng đưa phép biến đổi ma trận, gọi phép biến đổi hiệu, áp dụng phép biến đổi để xây dựng phương pháp phát ảnh giả mạo, Phần IV trình bày phương pháp dựa lọc thông cao phép biến đổi DWT, Phần V trình bày số đánh giá phân tích, Phần VI kết thử nghiệm Phần VII kết luận - 111 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT II MỘT SỐ PHƢƠNG PHÁP LIÊN QUAN Mục giới thiệu số phương pháp phát ảnh giả mạo, chúng dùng để đánh giá, so sánh với phương pháp đề xuất II.1 Phƣơng pháp Kirchner (ký hiệu K4) Trong [4], Kirchner sử dụng dự báo cấp 3×3 sau: [ ] Để phát vùng giả mạo ảnh, cần chia ảnh thành khối cấp M×N chồng lấn (hai khối liên tiếp khác hàng cột) Giả sử A khối cần xét, phương pháp kiểm tra tính giả mạo A thực theo bước: Bƣớc Tính ma trận dự báo B A cách sử dụng dự báo D theo cơng thức B(u,v)=0.5×[A(u,v-1)+A(u-1,v)+A(u,v+1)+ A(u+1,v)]–0.25×[A(u-1,v-1)+A(u-1,v+1)+ A(u+1,v-1)+A(u+1,v+1)], Tập V-2, Số 14 (34), tháng 12/2015 Bƣớc Hiển thị F dạng ảnh để quan sát Nếu xuất điểm sáng nhọn (peaks) đối xứng xung quanh tâm kết luận khối A giả mạo II.2 Phƣơng pháp dựa sai phân bậc hai (ký hiệu SPB2) Trong [8], trình bày hai phương pháp dựa sai phân bậc hai Cũng phương pháp Kirchner, ảnh chia thành khối cấp chồng lấn Để kiểm tra tính giả mạo khối A, cần thực bước: Bƣớc Xây dựng ma trận nhị phân B ứng với A theo công thức: [ ] [ { ] (1) S[u,v] sai phân cấp hai A[u,v] tính theo hàng Nói cách khác: S[u,v]=A[u,v]+A[u,v+2]-2A[u,v+1] Bƣớc Thực phép biến đổi DFT ma trận B để ma trận F Bƣớc Hiển thị F dạng ảnh để quan sát Nếu xuất điểm sáng nhọn đối xứng xung quanh tâm kết luận khối A giả mạo với (u=2,…,M-1; v=2,…,N-1) Bƣớc Tính ma trận sai số E: Phương pháp thứ hai khác phương pháp thứ cách xây dựng ma trận nhị phân B Thay cho công thức (1) bước cơng thức: E(u,v)=A(u,v)-B(u,v) Bƣớc Tính ma trận P (p-map) theo công thức: P(u,v)=exp(-|E(u,v)|2) Bƣớc Thực phép biến đổi DFT ma trận P để ma trận F [ ] { [ [ ] ] [ [ Hình Sơ đồ bước phương pháp dựa phép biến đổi DWT song trực giao 3.5 [8] - 112 - ] ] Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT II.3 Phƣơng pháp Prasad Ramakrishnan (ký hiệu DWT3.5) Trong [8], hai tác giả Prasad Ramakrishnan đưa phương pháp phát giả mạo dựa phép biến đổi DWT song trực giao 3.5, chi tiết bước phương pháp sau:Đầu vào ảnh đa cáp xám I, có kích thước 2M 2N Q trình lấy mẫu lại tín hiệu y gồm bước sau: Bƣớc Biến đổi tọa độ từ nguyên sang thực Tọa độ nguyên i=0,1,…,n-1 biến đổi thành α×i, Bảng đây: Bảng Tọa độ biến đổi từ x giá trị hàm y Bƣớc Xây dựng ma trận điểm ảnh A từ I Bƣớc Biến đổi DWT với ma trận A C gồm bốn vùng LL, LH, HL, HH sau: C=DWT(A)= * +34 LL, LH, HL, HH ma trận cấp M N LL thường gọi miền tần số thấp, LH, HL, HH miền tần số cao Bƣớc Trong C, thay LL, LH, HL ma trận cấp M N ma trận: Tập V-2, Số 14 (34), tháng 12/2015 X α α ×2 … α×(n-1) Y y0 y1 y2 … yn-1 Bƣơc Nội suy để xây dựng hàm liên tục f(x) xác định đoạn [0, α×(n-1)] Bƣớc Xác định tín hiệu mới: zi=f(i) với i nguyên, i=0,…,(m-1) (m-1)=⌊ (trong ⌊ ⌋ phần nguyên x) Ví dụ: Cho α=1.5 tín hiệu y sau: Bảng Giá trị tọa độ nguyên x giá trị hàm y + =* ⌋ Bƣớc Biến đổi IDWT Q: Bƣớc Hiển thị ma trận Q dạng ảnh, nhận thấy vùng ảnh không bị biến đổi sáng vùng ảnh giả mạo lấy mẫu tăng tối x y 10 12 Bước Biến đổi tọa độ từ nguyên sang thực Bảng Các bước mô tả theo sơ đồ Hình III LẤY MẪU TĂNG VÀ PHÁT HIỆN ẢNH GIẢ MẠO BẰNG PHÉP BIẾN ĐỔI HIỆU Bảng Giá trị tọa độ biến đổi từ x giá trị hàm y x 1.5 4.5 y 10 12 III.1 Lấy mẫu lại tín hiệu Cho tín hiệu chiều y gồm n mẫu: y=( y0, y1,…,yn-1) hệ số lấy mẫu lại α ( với α>1: lấy mẫu tăng; α1 số mẫu (điểm ảnh) tăng lên, ảnh to hơn, trái lại α1 ảnh rộng (khoảng α2 lần), số điểm ảnh (số mẫu) nhiều hơn, giá trị cực đại cực tiểu ảnh gần không thay đổi, nên ảnh phẳng (các điểm ảnh có giá trị đồng hơn) Có thể đánh giá độ phẳng ảnh cách tính trung bình cộng (ký hiệu T) giá trị tuyệt đối hiệu cặp điểm ảnh kề ma trận điểm ảnh Các giá trị điểm ảnh sau lấy mẫu tăng đồng nên T giảm Để minh họa điều thực thử nghiệm 50 khối ảnh ngẫu nhiên có kích thước 8×8, gọi khối ảnh gốc Các khối ảnh lẫy mẫu lại tỉ lệ α=p/q 1.2; 1.5; lần so với khổi ảnh gốc, sử dụng phương pháp nội suy: láng giềng gần (Nearest Neighbor Interpolation), song tuyến tính (bilinear interpolation), song khối (Bicubic Interpolation) Biểu đồ mơ tả kết thực 50 khối Bảng Qua biểu đồ Bảng nhận thấy đường màu tím chấm tròn thể giá trị T ma trận khối ảnh sau lấy mẫu tăng nằm bên đường màu hồng chấm thể giá trị T ma trận khối ảnh ban đầu Trong phần trình bày phép biến đổi hiệu ma trận điểm ảnh, phương pháp phát ảnh giả mạo dựa phép biến đổi hiệu III.4.1 Phép biến đổi hiệu ma trận điểm ảnh Định nghĩa: Giả sử A ma trận điểm ảnh cấp 2M 2N, phép biến đổi hiệu A, ký hiệu R =Fd(A), ma trận cấp với A xác định sau: Chia A thành khối 2 theo thứ tự từ trái sang phải từ xuống Sau biến đổi khối theo quy tắc: * + * [ +, ] (2) Nói cách khác, phần tử R xác định theo công thức: (( ) ( )) (( ) ( )) với: i=1,2,…,M; j=1,2,…,N Từ định nghĩa có số nhận xét sau Nhận xét 3.1: Nếu phần tử khối 2 A có giá trị đồng (xấp xỉ nhau) phần tử khối tương ứng R = Fd(A) có giá trị tuyệt đối nhỏ gần Ý tưởng phương pháp phát ảnh giá mạo: Giả sử I ảnh cần kiểm tra Nếu I có vùng giả mạo, ma trận điểm ảnh A có khối đồng giá trị (tính chất mục III.3) Vì vậy, ma trận R =Fd(A) có khối có giá trị nhỏ gần (nhận xét 3.1) Khi hiển thị R vùng giả mạo (ứng với khối có giá trị nhỏ gần 0) đen vùng khác Dựa vào đặc điểm dễ dàng định vị vùng giả mạo Chi tiết phương pháp trình bày phần - 114 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Bảng Kết mô tả độ đồng khối ảnh sau lấy mẫu tăng Tỷ lệ p/q 1.2 1.5 Láng giềng gần Song tuyến tính Song khối III.4.2 Phƣơng pháp phát ảnh giả mạo dựa phép biến đổi hiệu (ký hiệu BĐH) Đầu vào ảnh đa cấp xám I IV ĐỀ XUẤT PHƢƠNG PHÁP DỰA TRÊN LỌC THÔNG CAO CỦA PHÉP BIẾN ĐỔI DWT IV.1 Phép biến đổi DWT Bƣớc Xây dựng ma trận điểm ảnh A từ I Bƣớc Tính: R=Fd(A) Bƣớc 3: Hiển thị ảnh ứng với ma trận R Vùng ảnh tối vùng giả mạo (vùng tăng mẫu dán vào ảnh gốc) Nhận xét 3.2: Trong nhiều trường hợp ảnh tồn vùng tối giả mạo, vùng xuất cách ngẫu nhiên, khơng có biên khơng có ý nghĩa rõ ràng Còn vùng tối giả mạo có biên có ý nghĩa Tuy nhiên có số trường hợp khác chụp chỗ tối, chụp ban đêm, xuất vùng tối có biến (khi hiển thị R), trường hợp phương pháp đưa kết phát nhầm (ảnh không giả mạo kết luận giả mạo) Đây nhược điểm phương pháp đề xuất Mỗi phép biến đổi Wavelet rời rạc sử dụng lọc (thường ký hiệu L0D HiD) để phân tích ảnh (Decomposition) gọi q trình thuận lọc (thường ký hiệu L0R HiR) để dựng lại ảnh (Reconstruction) gọi trình ngược, Ví dụ phép biến đổi Wavelet rời rạc DB2, thì: L0D=[-0.1294, 0.2241,0.8365, 0.4830], HiD=[-0.4830, 0.8365,-0.2241,-0.1294], L0R = [ 0.4830, 0.8365, 0.2241, -0.1294], HiR=[ -0.1294, -0.2241, 0.8365, -0.4830] Để tiện theo dõi mục trình bày lại phép biến đổi thuận DWT ngược IDWT Theo [6,9,10] phép biến đổi thuận ngược DWT thực sau: - 115 - Các công trình nghiên cứu, phát triển ứng dụng CNTT-TT Phép biến đổi thuận DWT chiều: Phép biến đổi sử dụng lọc thơng thấp LoD để tính giá trị vùng tần số thấp lọc thông cao HiD để tính giá trị vùng tần số cao Q trình mơ tả theo sờ đồ Hình Tập V-2, Số 14 (34), tháng 12/2015 IV.2 Đề xuất phƣơng pháp giảm độ phức tạp tính tốn (ký hiệu LTC) Phép biến đổi ngƣợc IDWT chiều: Phép biến đổi thực theo trình tự ngược lại với phép biến đổi thuận, sử dụng lọc thông thấp LoR lọc thông cao HiR, cụ thể sơ đồ Hình Phương pháp DWT3.5 mục II.3 sử dụng ma trận HH, phải tính tốn ma trận LL, LH, HL Như độ phức tạp tính tốn phương pháp tăng mà không cần thiết Trong phần cải tiến phương pháp để tính tốn dư thừa mà hiệu phát tương đương Hình Sơ đồ thực phép biến đổi DWT thuận Theo mục IV.1, để thực phép biến đổi DWT cần sử dụng lọc thông thấp lọc thông cao Tương tự để thực phép biến đổi IDWT cần sử dụng lọc thông thấp lọc thông cao Trong phương pháp đề xuất trước tiên xây dựng ma trận HH cách dụng lọc thông cao HiD, sau phóng to HH để nhận ma trận C (tương tự ma trận Q) có kích thước ảnh ban đầu Chi tiết bước phương pháp sau: Đầu vào ảnh đa cáp xám I, có kích thước 2M 2N Bƣớc Xây dựng ma trận điểm ảnh A từ I Bƣớc Sử dụng lọc thông cao HiD cuộn theo hàng cho ma trận A để nhận ma trận L có kích thước 2M N Hình Sơ đồ phép biến đổi DWT ngược Trong đó: X Hàng X Cột Hàng Cột Hàng Cột Cuộn theo hàng với lọc X Bƣớc Sử dụng lọc thông cao HiD cuộn theo cột cho ma trận L HH có kích thước M N Bƣớc Phóng to HH lên lần để nhận C có kích thước 2M 2N Trong phép phóng to này, phần tử HHij tạo ma trận cấp 2, sau: Cuộn theo cột với lọc X Giảm mẫu lần theo hàng: giữ lại hàng có số lẻ (chỉ số tính từ 1) Giảm mẫu lầ theo cột: giữ lại cột có số lẻ Tăng mẫu theo hàng: hàng thêm hàng với giá trị Tăng mẫu theo cột: cột thêm cột với giá trị Cộng hai ma trận cấp * + với: Bƣớc Hiển thị ma trận C dạng ảnh, nhận thấy vùng ảnh không bị biến đổi sáng vùng ảnh giả mạo lấy mẫu tăng tối Các bước mô tả theo sơ đồ Hình bên - 116 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Hình Sơ đồ bước phương pháp LTC Nhận xét: - Thay tính đẩy đủ q trình DWT IDWT phương pháp đề xuất sử dụng lọc thông cao HiD tính liệu cần thiết để có vùng HH, sau phóng to lần thay sử dụng phép IDWT, nên phương pháp có độ phức tạp thấp đáng kể so với phương pháp DWT3.5 - Theo [trang 66-67,6], áp dụng lọc thông cao với vùng ảnh phẳng (smooth) nhận giá trị gần Nên khối HH ứng với miền giả mạo có giá trị gần so với miền khác Vì vậy, hiển thị HH phát vùng giả mạo Như vậy, bước áp dụng IDWT DWT3.5 có vai trò phóng to vùng HH để định vị vùng giả mạo ứng với ảnh gốc Tương tự, phương pháp LTC sử dụng phép phóng to lần định vị vùng giả mạo Ngoài ra, phép phóng to độ phức tạp tính tốn thấp so với phép IDWT nhiều trường hợp nhận vùng giả mạo rõ nét V ĐÁNH GIÁ ĐỘ PHỨC TẠP TÍNH TỐN VÀ TÍNH BỀN VỮNG CỦA CÁC PHƢƠNG PHÁP V.1 Đánh giá độ phức tạp tính tốn phƣơng pháp BĐH Trong phương pháp biến đổi hiệu BĐH có bước q trình áp dụng phép biến đổi hiệu cho ma trận ảnh A nên để đánh giá độ phức tạp ta cần đánh giá bước thay phép dịch chuyển bít), cần phép tính Đối với ảnh có kích thước 2M 2N số khối cần biến đổi M N, nên độ phức tạp tính toán phương pháp BĐH là: T(BĐH)=4 M N V.2 Đánh giá độ phức tạp tính tốn phƣơng pháp DWT3.5 Để áp dụng phép cuộn với lọc có kích thước S cho phần từ hàng/cột cần: S phép nhân S-1 phép cộng Nên với hàng gồm 2N phần tử cần: 2N (S+S-1) phép toán với cột 2M phần tử cần 2M (S+S-1) phép toán Trong phương pháp DWT3.5 bước áp dụng phép biến đổi DWT bước áp dụng phép biến đổi IDWT nên để đánh giá đố phức tạp ta cần đánh giá bước Theo bước với phép biến đổi DWT cần áp dụng lọc LoD, HiD để cuộn ma trận A sau tiếp tục dùng lọc cuộn ma trận có số chiều 2M×N cho vùng LL, LH, HL, HH, nên cần số phép tính: (2M 2N (S+S-1)) + (2M N (S+S-1)) Tương tư bước với phép biến đổi IDWT có độ phức tạp q trình DWT thêm 8×M×N phép tốn cho phép cộng ma trận cấp Theo công thức (2) để biến đổi khối 2 cần: phép cộng, phép trừ phép chia cho (có thể - 117 - Vậy độ phức tạp tính tốn DWT3.5 là: T(DWT3.5)=2×(2 (2M 2N (S+S-1))+ (2M N (S+S-1)))+8×M×N = 32 (M N (S+S-1)) + 8×M×N Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 V.3 Đánh giá độ phức tạp tính tốn phƣơng pháp LTC thực DWT3.5 thường lớn thời gian thực LTC từ đến lần Với phương pháp LTC bước bước áp dụng lọc thơng cao HiD để tính HH đáng kể V.4 Phân tích tính bền vững phƣơng pháp Bước cần số phép toán là: 2M 2N (S+S-1) Bước cần số phép tốn là: 2M N (S+S-1) Vì khơng phải thực q trình IDWT nên độ phức tạp tính tốn LTC là: T(LTC)=2M 2N (S+S-1)+2M N (S+S-1) = (M N (S+S-1)) Để tiện so sánh độ phức tạp tính tốn phương pháp chúng tơi lập Bảng tổng hợp đây: Bảng Độ phức tạp tính tốn phương pháp Phƣơng pháp Độ phức tạp BĐH M N DWT3.5 32 (M N (S+S-1)) + 8×M×N LTC (M N (S+S-1)) Đối với phép quay, tịnh tiến: Các phép biến đổi có đặc điểm không làm thay đổi giá trị mà thay đổi vị trí điểm ảnh nên khơng ảnh hưởng đến tính phẳng ban đầu ảnh Đối với phép nhiễu, làm mờ,…: Bản chất phép biến đổi thêm giá trị nhiễu vào điểm ảnh Nếu giá trị nhiễu nhỏ (hệ số thấp) không làm thay đổi giá trị điểm ảnh nhiều nên giữ tính phẳng ban đầu ảnh Đối với phép nén JPEG: Nén JPEG nén mát thơng tin, làm thay đổi giá trị điểm ảnh Tuy nhiên, nén với tỷ lệ không lớn giá trị thay đổi ít, nên giữ tính phẳng ban đầu ảnh Như vậy, phép biến đổi không làm ảnh hưởng nhiều đến tính phẳng ban đầu ảnh Trong đó, phương pháp DWT3.5 phương pháp đề xuất BĐH, LTC dựa tính chất phẳng ảnh sau lấy mẫu tăng, nên có khả bền vững trước phép biến đổi VI KẾT QUẢ THỬ NGHIỆM Nhận xét: - Qua Bảng tổng hợp nhận thấy: + Phương pháp BĐH có độ phức tạp thấp + Phương pháp DWT3.5 có độ phức tạp cao + Phương pháp LTC có độ phức tạp khoảng 1/6 phương pháp DWT3.5 - Do độ phức tạp phương pháp DWT3.5, LTC có thành phần S số phần tử lọc, lọc có kích thước lớn độ phức tạp tính tốn phương pháp tăng ngược lại Trường hợp phương pháp DWT3.5 LTC sử dụng phép biến đổi DWT song trực giao 3.5 lọc có kích thước S=12, độ phức tạp T(DWT3.5) = 744×M×N, T(LTC) = 138 (M N), T(LTC)≈1/6T(DWT3.5) Trong thực nghiệm, thời gian Mục minh họa khả phát giả mạo, tính bền vững, thời gian thực đánh giá khả thực nghiệm tập 100 ảnh lấy ngẫu nhiên từ thư viện chuẩn UCID (Uncompressed Colour Image Database, http://homepages.lboro.ac.uk/ ~cogs/datasets/ucid/ucid.html) Chương trình thử nghiệm viết mơi trường Matlab 2011, máy tính có cấu hình chíp Intel 2×2.2 GHz, RAM GB VI.1 Một số hình ảnh minh họa khả phƣơng pháp Để minh họa khả phương pháp chúng tơi chọn số hình ảnh làm giả (vùng khoanh tròn) Bảng - 118 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Bảng Một số hình ảnh giả mạo dùng để thực nghiệm Ảnh giả mạo Ảnh giả mạo Ảnh giả mạo Ảnh giả mạo Bảng Một số hình ảnh giả mạo kết phát K4 SPB2 DWT3.5 119 LTC BĐH Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 Bảng 10 Minh họa tính bền vững phương pháp Ảnh giả mạo DWT3.5 BĐH LTC Quay 450 Quay 900 Co giãn ảnh 10% Nén JPEG Q=60 Bảng 11 Thời gian thực phương pháp (đơn vị giây) Tên ảnh DWT3.5 LTC BĐH Ảnh giả mạo 0.06873153 0.01234781 0.01023203 Ảnh giả mạo 0.07134330 0.01149425 0.01021168 Ảnh giả mạo 0.06715074 0.01137544 0.01012858 Ảnh giả mạo 0.06705382 0.01158946 0.01020247 Bảng 12 Đánh giá khả phát tính bền vững phương pháp Tên phƣơn pháp DWT3.5 LTC BĐH Chƣa công Co giãn ảnh Quay vùng giả mạo 90 180 Nén JPEG Q= Q= Q = 60 75 90 5% 10% 45 89 85 82 70 82 82 75 84 89 86 80 76 68 79 80 77 81 86 Bảng số minh họa kết phát phương pháp Qua bảng nhận thấy hình ảnh DWT3.5, BĐH, LTC khoanh vùng giả mạo cách rõ nét phân biệt với vùng lại Trong phương pháp K4 SPB2 xét trường hợp thuận lợi nhất: chọn khối nằm vùng giả mạo, dấu hiệu giả mạo (các điểm sáng nhọn đối xứng xung quanh tâm) không hiển thị - 120 - Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT cách rõ ràng Điều cho thấy khả phát giả mạo hai phương pháp thấp, phần thử nghiệm xét phương pháp lại Bảng 10 số minh họa kết phát phương pháp với Ảnh giả mạo sau thực số phép công quay ảnh, co giãn, nén JPEG Trong Bảng 11 kết so sánh thời gian thực ba phương pháp DWT3.5, LTC, BĐH với ảnh minh họa Bảng 3, ảnh có kích thước 512×384 Nhận xét: - Phương pháp BĐH có thời gian thực nhất, DWT3.5 có thời gian thực lớn nhất, thời gian thực DWT3.5 gấp khoảng lần thời gian thực LTC Điều hoàn toàn phù hợp với đánh giá phân tích lý thuyết mục V - Trong thực tế kiểm tra ảnh giả mạo phải thực chia ảnh thành khối chồng lấn kiểm tra khối Số khối lớn nên cải tiến giảm độ phức tạp tính tốn giúp việc thực chạy chương trình nhanh VI.2 Đánh giá so sánh hiệu phƣơng pháp Để đánh giá hiệu so sánh phương pháp thử nghiệm 100 ảnh chọn lựa ngẫu nhiên từ thư viện chuẩn UCID, sau ảnh chuyển sang đa cấp xám Để tạo ảnh giả mạo sử dụng phần mềm Photoshop chỉnh sửa Trong Bảng 11 kết phát tập ảnh thử nghiệm chỉnh sửa với vùng giả mạo chèn vào có tỉ lệ lấy mẫu p/q=2, gồm hai trường hợp khơng cơng có cơng ảnh với phép như: co giãn ảnh, quay, nén JPEG Tập V-2, Số 14 (34), tháng 12/2015 chất phẳng ảnh sau lấy mẫu tăng, hầu hết phép biến đổi quay, co giãn, nén JPEG,… gần khơng làm ảnh hưởng đến tính phẳng này, nên phương pháp bền vững trước phép biến đổi Kết thực nghiệm cho thấy phương pháp DWT3.5 LTC có tỉ lệ phát tương đương VII KẾT LUẬN Trong báo này, đề xuất hai phương pháp phát ảnh giả mạo dựa phép biến đổi hiệu lọc thông cao phép biến đổi DWT Qua phân tích, đánh giá thực nghiệm cho thấy, so với phương pháp K4 [4] phương pháp SPB2 [1,8] phương pháp có khả phát tốt hẳn, thực tế phương pháp K4, SPB2 có khả phát thấp So với phương pháp DWT 3.5 [8], phương pháp có độ phức tạp tính tốn thấp hơn, số trường hợp có khả khoanh vùng thể vùng giả mạo rõ ràng, sắc nét Các phương pháp bền vững trước số phép biến đổi ảnh, điều chứng minh phân tích dựa tính phẳng ảnh sau lấy mẫu tăng mà [8] chưa TÀI LIỆU THAM KHẢO [1] G K BIRAJDAR, V H MANKAR, “Blind Authentication of Resampled Images and Rescaling Factor Estimation”, Proceedings of the IEEE International Conference on Cloud & Ubiquitous Computing & Emerging Technologies, 2013 [2] I DAUBECHIES, Ten lectures on wavelets, Society for Industrial and Applied Mathematics Philadelphia, PA, USA, 1992 [3] X FENG, I COX, and G DOERR, “Normalized energy density based forensic detection of resampled images”, Bảng 11 cho thấy tỉ lệ bỏ sót tương đối thấp, có tỉ lệ phát cao với ảnh giả mạo bị công Các phương pháp DWT3.5, BĐH, LTC dựa tính - 121 - IEEE Trans Inf Forensics Security, vol 14, no 3, pp 536–545, June 2012 Các cơng trình nghiên cứu, phát triển ứng dụng CNTT-TT Tập V-2, Số 14 (34), tháng 12/2015 tampering”, Proc IEEE Int Conf.Multimedia Expo., Toronto, Canada, pp 1325-1328, 2006 [4] M KIRCHNER, “Fast and reliable resampling detection by spectral analysis of fixed linear predictor residue”, Proceedings of the 10th ACM Workshop on Multimedia and Security - MM&Sec 2008, 2008 [9] D SALOMON, Data Compression: The Complete Reference, 3rd ed., Springer, 2004 [5] S MALLAT, A Wavelet Tour of Signal Processing, 2nd ed San Diego, CA: Academic, 1999 [10] G STRANG, T NGUYEN, Wavelets and filter banks, Wellesley-Cambridge Press, 1996 [6] ALASDAIR MCANDREW, Introduction to Digital Image Processing with MATLAB, Course Technology/Thompson Learning, 2004 [11] R WANG, P XIJIAN, "Detection of Resampling Based on Singular Value Decomposition", in Proceedings 5th International Conference on Image and Graphics, Xi'an, China, pp 879-884, Sep 21 2009 [7] A C POPESCU and H FARID, "Exposing digital forgeries by detecting traces of re-sampling", IEEE Transactions on Signal Process , vol 53, no 2, pp 758767, Feb 2005 [8] S PRASAD, K R RAMAKRISHNAN, “On resampling detection and its application to image Ngày nhận bài: 18/9/2015 SƠ LƢỢC VỀ TÁC GIẢ TRẦN ĐĂNG HIÊN NGUYỄN NGỌC HƢNG Sinh ngày 06/08/1983 Hà Nội Ngày sinh 9/12/1987 Hưng Yên Tốt nghiệp ĐH năm 2005, Thạc sĩ năm 2010 Trường ĐH Công nghệ – ĐH Quốc gia Hà Nội Giảng dạy Trường ĐH Công nghệ - ĐH Quốc gia Hà Nội Lĩnh vực nghiên cứu: Giấu tin, thủy vân số, phát anh giả mạo Tốt nghiệp ĐH năm 2009, Thạc sĩ năm 2014 Hiện nghiên cứu viên Phòng Tin học Viễn thông, Viện CNTT, viện Hàn lâm Khoa học Công nghệ Việt Nam Email:hientd_68@yahoo.com Lĩnh vực nghiên cứu: Giấu tin, thủy vân số, xử lý ảnh, mạng máy tính PHẠM VĂN ẤT Email: nnhung@ioit.ac.vn Sinh ngày 12/6/1945 Hà Nội Tốt nghiệp ĐH năm 1967 tiến sĩ năm 1980 Trường ĐH Tổng hợp Hà Nội Năm 1984 nhận học hàm Phó Giáo sư Hiện giảng dạy Khoa CNTT – Trường ĐH Giao thông Vận tải Hà Nội Lĩnh vực nghiên cứu: Lý thuyết ma trận, xử lý ảnh, an tồn thơng tin, phân tích liệu Email: phamvanat83@vnn.vn - 122 - ... phát ảnh giả mạo dựa phép biến đổi hiệu lọc thông cao phép biến đổi DWT Các phương pháp dựa tính phẳng vùng ảnh lấy mẫu tăng (mục III.3), có ưu điểm đơn giản, định vị vùng giả mạo lấy mẫu tăng bền... dạng ảnh, nhận thấy vùng ảnh không bị biến đổi sáng vùng ảnh giả mạo lấy mẫu tăng tối x y 10 12 Bước Biến đổi tọa độ từ nguyên sang thực Bảng Các bước mô tả theo sơ đồ Hình III LẤY MẪU TĂNG VÀ PHÁT... PHÁP DỰA TRÊN LỌC THÔNG CAO CỦA PHÉP BIẾN ĐỔI DWT IV.1 Phép biến đổi DWT Bƣớc Xây dựng ma trận điểm ảnh A từ I Bƣớc Tính: R=Fd(A) Bƣớc 3: Hiển thị ảnh ứng với ma trận R Vùng ảnh tối vùng giả mạo