CHƯƠNG 2 : CÁC KỸ THUẬT PHÁT HIỆN ẢNH SỐ GIẢ MẠO
2.3. Dựa trên đặc điểm máy ảnh (Máy ảnh-Based)
Mỗi một máy ảnh đều có đặc điểm riêng biệt (có thể cùng một nhà sản xuất, cùng một loại máy ảnh), khi ta chụp ảnh bằng những chiếc máy ảnh, những bức ảnh sẽ để lại một số dấu hiệu riêng của máy ảnh mà tạo ra nó. Một số nhà nghiên cứu cũng đã khai thác dấu hiệu riêng đó để phân biệt giữa ảnh thật và ảnh bị làm giả.
2.3.1. Quang sai màu (Chromatic Aberration)
Trong một hệ thống hình ảnh lý tưởng, ánh sáng đi qua ống kính được tập trung vào một điểm duy nhất trên cảm biến. Trong hệ thống quang học thực tế trái với mô hình lý tưởng, nó không hoàn toàn tập trung ánh sáng của tất cả các bước sóng. Cụ thể, phương quang sai thể hiện vị trí nơi mà các ánh sáng có bước sóng khác nhau chiếu đến bộ cảm biến. Người ta đã chỉ ra rằng, phương quang sai này có thể được coi như là mở rộng hoặc co lại của màu sắc với các kênh màu khác nhau. Thể hiện trong hình (a), hình ảnh chồng lên ảnh với các vector không thẳng hàng đại diện cho các kênh màu đó so với các kênh màu xanh lá cây. Thể hiện trong hình (b), hình ảnh này đã được ghép thêm hình ảnh của một con cá. Trong trường hợp này, quang sai bên trong khu vực ghép vào khác với quang sai toàn cục.
Hình 2.1. Mô phỏng sử dụng quang sai để phát hiện ảnh giả
Trong quang học cổ điển, sự khúc xạ ánh sáng ở biên giới giữa hai nguồn sáng được mô tả theo luật Snell’s: , trong đó là góc sáng,
là góc khúc xạ, n và nf là chỉ số khúc xạ của các phương tiện truyền ánh sáng
mà qua đó, ánh sáng đi qua. Chỉ số khúc xạ của thủy tinh nf phụ thuộc vào bước sóng của ánh sáng đi qua nó. Điều này phụ thuộc kết quả trong đa sắc ánh sáng được phân chia theo bước sóng của nó sau khi thoát khỏi ống kính và chiếu vào bộ cảm biến. Thể hiện trong hình (c) là một sơ đồ mạch cho thấy sự phân tách ánh sáng có bước sóng ngắn (tia màu xanh lá cây) với ánh sáng có bước sóng
dài (tia màu đỏ). Kí hiệu vị trí của các tia màu đỏ và màu xanh là (xr, yr) và
(xg, yg). Trong việc biểu diễn quang sai, vị trí của các tia được mô hình hóa như sau: 0 0) (x x x xr g (2.6) 0 0) (y y y yr g (2.7)
Trong đó là một giá trị vô hướng và (x0, y0) là gốc khúc xạ.
Việc ước tính thông số của mô hình này như là chìa khóa để giải quyết vấn đề. Khi quang sai cho kết quả không thẳng hàng giữa các kênh màu, mô hình tham số được ước tính bằng cách tối đa hóa sự liên kết của các kênh màu.
Cụ thể, thông tin giữa các kênh màu đỏ và màu xanh lá cây được tối đa (một ước lượng tương tự được thực hiện để xác định sự biến dạng giữa các kênh màu xanh và màu xanh lá cây). Tính toán quang sai của khu vực sau đó so sánh với quang sai toàn cục ta sẽ phát hiện ra sự giả mạo.
2.3.2. Mảng lọc màu (Color Filter Array)
Một hình ảnh kỹ thuật số bao gồm ba kênh màu chứa sự khác nhau về dải tần quang phổ màu sắc. Hầu hết các máy ảnh kỹ thuật số đều trang bị bộ cảm biến CCD hoặc CMOS và các ảnh màu được chụp qua mảng lọc màu (CFA). Hầu hết các bộ lọc màu gồm ba màu (đỏ, xanh và xanh lá cây), được đặt trên mỗi đỉnh của bộ cảm biến. Kể từ khi chỉ là một mẫu màu duy nhất được ghi lại tại mỗi vị trí điểm ảnh, hai mẫu màu sắc phải được ước tính từ màu lân cận để có được một màu gồm có cả ba kênh màu. Việc ước tính của các màu bị mất được gọi là phép nội suy hoặc khử (Demosaicking) CFA. Demosaicking là phương pháp dựa trên những hoạt động hạt nhân trên mỗi kênh độc lập (ví dụ, nội suy tuyến tính hoặc song lập phương). Hơn thế nữa các thuật toán nội suy tuyến tính sẽ làm mờ các tính năng hình ảnh. Bất kể triển khai cụ thể thực tế, CFA nội suy đưa ra thống kê cụ thể mối tương quan giữa một tập hợp các điểm ảnh với mỗi một kênh màu. Khi mà mảng lọc màu CFA thường được sắp xếp theo một khuôn mẫu định kỳ, với những mối tương quan định kỳ, cùng lúc đó, các điểm ảnh sẽ được ghi lần lượt với sự tương quan đó. Như vậy, các mối tương quan này có thể được sử dụng như một dấu hiệu để nhận dạng. Để xác định sự tương quan này, người ta sử dụng thuật toán kỳ vọng cực đại (EM). Thuật toán kỳ vọng cực đại (EM) bao gồm hai bước lặp:
1. Bước kỳ vọng: Ước tính xác suất của mỗi điểm ảnh được tương quan với các điểm lân cận.
2. Bước cực đại: hình thức cụ thể của mối tương quan được ước tính.
Bằng cách mô hình hóa các mối tương quan CFA với một mô hình tuyến tính đơn giản, bước kỳ vọng làm giảm ước lượng Bayesian và bước cực đại làm giảm trọng số của vùng ước lượng. Trong một ảnh thật thì mô hình định kỳ của các điểm ảnh với các điểm lân cận có sự tương quan với nhau, nếu có sự chênh lệch nó sẽ là bằng chứng về sự giả mạo một vùng so với toàn cục.
2.3.3. Đáp ứng của máy ảnh (Máy ảnh Response)
Vì hầu hết các cảm biến của hình ảnh kỹ thuật số gần như tuyến tính, có một mối quan hệ tuyến tính giữa số lượng ánh sáng được đo bởi mỗi phần tử
cảm biến tương ứng và tương quan với giá trị điểm ảnh cuối cùng đạt được. Tuy nhiên, hầu hết các máy ảnh áp dụng một quá trình phi tuyến để nâng cao chất lượng hình ảnh cuối cùng đạt được. Các nhà nghiên cứu đã ước tính lập bản đồ này, được gọi là hàm đáp ứng (response function), từ một hình ảnh duy nhất. Sự khác biệt trong các chức năng đáp ứng trên toàn bộ hình ảnh này sau đó được sử dụng để phát hiện giả mạo.
Xem xét một cạnh mà các điểm ảnh dưới cạnh là một hằng số màu c1 và
các điểm ảnh trên của cạnh đó có màu sắc khác là c2. Nếu đáp ứng máy ảnh là tuyến tính thì các điểm ảnh dọc theo cạnh đó phải là một sự kết hợp tuyến tính màu sắc của các điểm ảnh lân cận. Độ lệch của các điểm ảnh trung gian dự kiến sẽ đáp ứng tuyến tính được sử dụng để ước tính chức năng đáp ứng của máy ảnh. Chức năng đáp ứng nghịch đảo của máy ảnh sẽ được lấy từ mối tương quan giữa các điểm ảnh màu trước và mối quan hệ tuyến tính được ước tính từ ước lượng hậu cực đại (MAP). Để ổn định ước lượng các cạnh được lựa chọn trên cả hai mặt của cạnh tương tự, sự chênh lệch ở hai bên cạnh là nhỏ, sự khác biệt
giữa c1 và c2 là lớn và các điểm ảnh dọc theo cạnh là giữa c1 và c2. Hạn chế của phương pháp này là cần thiết phải có tăng đơn điệu với nhiều nhất một điểm ảnh có sự thay đổi và nên xét trên mỗi kênh màu. Khi có thể ước tính được đáp ứng ở mức độ bộ phận, ta cũng có thể so sánh với đáp ứng trên toàn cục để tìm ra vùng bị làm giả.
2.3.4. Mẫu nhiễu cảm biến (Sensor Pattern Noise)
Ảnh thu được sau quá trình thu nhận ảnh không tránh được nhiễu gây bởi các thiết bị quang học và điện tử. Mỗi hãng khi chế tạo thiết bị thu nhận ảnh thường có các chiến lược thu nhận ảnh khác nhau. Điều đó có nghĩa là lượng nhiễu cảm biến của các thiết bị khác nhau sẽ khác nhau. Vì thế, mỗi loại máy ảnh thu nhận ảnh đều có một mẫu nhiễu cảm biến riêng. Với một bức ảnh chụp từ một loại máy ảnh đã biết, xác thực bức ảnh đó có phải giả mạo không bằng cách tính toán độ tương quan giữa lượng nhiễu dư trong ảnh với mẫu nhiễu cảm biến tương ứng. Phương pháp này sẽ được trình bày chi tiết ở chương 3.