Các bước này có được mô tả lại qua sơ đồ như sau :
Hình 3.12. Sơ đồ thuật toán sử dụng phép biến đổi DWT động để xây dựng véc tơ đặc trưng.
Nhận xét:
- Trong bước 3, kích thước của Ei phụ thuộc vào kích thước khối, b lớn thì Ei có nhiều đặc trưng, b nhỏ thì ít đặc trưng. Trong các nghiên cứu thường chọn b=8,
16,…, với trường hợp b=8 mỗi véc tơ đặc trưng Ei có bốn giá trị như sau:
(2,2) LL (2,1), LL (1,2), LL (1,1),
LLi,2 i,2 i,2 i,2
i E
- Do ma trận G đã được sắp xếp theo thứ tự từ điển, nên để tìm các cặp khối
tương tự chỉ cần xét với các chỉ số i, j có hiệu số |i-j| ≤ k trong đó k là một ngưỡng nào đó, thông thường lấy bằng 5.
- Giá trị γ trong bước 6 thường được chọn bằng 0.85% kích thước của ảnh. Fi Fi Fi Fj Fj Fj A A S S S
- Thuật toán được trình bầy ở trên thuộc mô hình chung thuật toán đối sánh bền vững được nhiều tác giả sử dụng, các thuật toán này chỉ khác nhau cách xây dựng vectơ đặc trưng. Vì vậy, tính đúng đắn đã được khẳng định và trong số các bước của các thuật toán thì Bước 4 (Sắp xếp theo thứ tự từ điển) và Bước 5 (Tìm các cặp khối tương tự) là có số phép toán đáng kể nhất, cho nên để phân tích độ phức tạp của thuật toán ta chỉ cần phân tính độ phức tạp của hai bước này. Gọi u là số chiều của vectơ đặc trưng. Khi đó Bước 4 thực chất là sắp xếp một dãy Sb vectơ thực u
chiều, nên số phép tính cần thực hiện Sb Sb u
2 ) 1 ( phép so sánh 2 số thực và nhiều nhất Sb Sb u 2 ) 1
( phép hoán vị 2 số thực. Với Bước 5 tìm các khối tương tự thực chất là việc đối sánh k×Sb cặp vectơ thực u chiều. Do đó cần thực hiện u×k×Sb
phép só sánh. Vậy độ phức tạp tính toán của hai Bước 4 và 5 là:
Sb k u Sb Sb u ( 1) 3.4.3 Thực nghiệm
Trong các thử nghiệm chọn ảnh có định dạng BMP, được thu thập từ internet, kích thước chia khối là 16×16. Để tạo ra ảnh giả mạo sử dụng phần mềm Photoshop chỉnh sửa. Để có được các tham số ngưỡng, chọn 50 ảnh với kính cỡ trong phạm vi
128×128, và thực hiện một loạt các thao tác cắt/dán với các vùng ngẫu nhiên trong
ảnh, và sau đó các ảnh giả mạo này tiếp tục được thao tác như thêm nhiễu, làm mờ, và nén ảnh với các tham số khác nhau. Kết quả thu được một tập các giá trị của αk, β, γ và k, nhận thấy các giá trị tối ưu là 10 đến 20 cho αk, 5 đến 10 cho k. Trong các thử nghiệm dưới đây chọn bộ dữ liệu với αk=20, β =5, γ =0.85 kích thước ảnh và k = 5.
Trong Bảng 3.11 bên dưới là kết quả thử nghiệm với ảnh bị chỉnh sửa và có các thao tác tấn công. Kết quả cho thấy thuật toán (ký hiệu là DWT động) vẫn có thể khoanh vùng giả mạo với một mức độ thỏa đáng. Ngoài ra, Bảng 3.11 còn đưa ra các thử nghiệm tương tự với thuật toán trong [24] sử dụng phép biến đổi DWT Haar (ký hiệu là DWT Haar) và D4 (ký hiệu là DWT D4) theo cách thứ hai như thuật toán đề
xuất. So với các phương pháp này thì kết quả của thuật toán có nhỉnh hơn, rõ nhất là trường hợp ảnh giả được thêm nhiễu và kết hợp nhiều phép tấn công với nhau.
Bảng 3.11. Một số kết quả phát hiện ảnh giả mạo có thao tác thêm nhiễu, làm mờ, nén ảnh.
Ảnh ban đầu
Ảnh giả mạo DWT động DWT D4 DWT Haar
Ảnh giả được làm mờ Gaussian
bluring
Ảnh giả được thêm nhiễu Gaussian Ảnh giả được nén JPEG với hệ số 60 Ảnh giả được làm mờ Gaussian blurring và nén JPEG với hệ số 60
Ảnh giả được làm mờ Gaussian blurring, thêm nhiễu Gaussian và
nén JPEG q = 60
Để có một định lượng về hiệu quả của thuật toán, thực hiện thử nghiệm trên tập
100 ảnh có kích thước từ 128×60 đến 128 ×128. Tập ảnh được làm giả bằng cách
cắt/dán các vùng vuông một cách ngẫu nhiên và sau đó được thao tác thêm nhiễu Gaussian, làm mờ Gaussian blurring và nén JPEG. Tập ảnh này được ký hiệu là Ni
(Ni=100), số lượng ảnh được xác định giả mạo ký hiệu là Nf, số lượng ảnh được xác
định có chỉnh sửa chính xác là Nc. Tỷ lệ phát hiện ký hiệu là DR (DR=Nf/Ni), tỷ lệ phát hiện chính xác ký hiệu là CR (CR=Nc/Ni). Các kết quả thử nghiệm được cho
trong Bảng 3.12.
Bảng 3.12. Kết quả thử nghiệm với ảnh sau khi cắt dán được thêm nhiễu Gaussian, nén JPEG, làm mờ Gaussian Blurring. được thêm nhiễu Gaussian, nén JPEG, làm mờ Gaussian Blurring.
Thêm nhiễu Nén JPEG Làm mờ
Hệ số DR CR Q DR CR Hệ số DR CR
1% 0.930 0.905 40 0.900 0.890 r=1px 0.912 0.870 3% 0.910 0.880 60 0.920 0.910 r=3px 0.905 0.860 5% 0.825 0.805 90 0.935 0.915 r=5px 0.890 0.855 Để so sánh tính hiệu quả phát hiện vùng giả mạo của thuật toán đề xuất với các thuật toán DWT Haar và DWT D4, thuật toán trong [64,124] sử dụng phép biến đổi DWT theo cách thứ nhất (ký hiệu là DWT1) tức là áp dụng DWT một mức cho toàn ảnh sau đó sử dụng góc phần tư thứ nhất thay thế cho ảnh, thuật toán trong [119] sử dụng phép biến đổi SVD (ký hiệu là SVD), và thuật toán trong [76] sử dụng kết hợp DWT với SVD (ký hiệu là DWTSVD), sử dụng tham số r là vùng
2 1 2 2 1 1 D D D R D R r r D D D R D R w 2 1 2 2 1 1
trong đó D1 là vùng ảnh nguồn, D2 là vùng ảnh giả mạo. R1 và R2 là vùng ảnh được thuật toán phát hiện giả mạo xác định.
Tiến hành thử nghiệm với 50 ảnh trong tập ảnh thu thập ở trên, các ảnh được làm giả bằng cách cắt/dán các vùng một cách ngẫu nhiên. Kết quả được cho trong Bảng 3.13 bên dưới cho thấy: thuật toán đề xuất DWT động cho giá trị của r cao
hơn và của w thấp hơn các thuật toán so sánh, như vậy thuật toán đề xuất có khả năng phát hiện vùng giả mạo tốt hơn và phát hiện nhầm ít hơn.
Bảng 3.13. Bảng so sánh tỷ lệ phát hiện vùng phát hiện đúng và phát hiện nhầm của thuật toán.
DWT Haar DWT D4 DWT1 SVD DWTSVD DWT động Chưa tấn công r 1.000 1.000 0.958 1.000 0.943 1.000 w 0.009 0.008 0.122 0.009 0.115 0.006 Nén JPEG Q=60 r 0.840 0.900 0.701 0.830 0.625 0.920 w 0.084 0.063 0.322 0.060 0.498 0.045 Làm mờ r = 1px r 0.978 0.980 0.800 0.969 0.783 0.980 w 0.013 0.007 0.324 0.009 0.361 0.006 Thêm nhiễu 3% r 0.793 0.715 0.648 0.659 0.548 0.839 w 0.066 0.088 0.399 0.068 0.598 0.048 Kết hợp r 0.671 0.640 0.489 0.633 0.412 0.721 w 0.041 0.045 0.584 0.073 0.659 0.035
Trong phần 3.3 này, trình bày đề xuất một phép biến đổi động kiểu wavelet rời rạc có khả năng tập trung năng lượng ảnh cao hơn so với một số phép biến đổi DWT thông dụng như DWT Haar, Daubechies D4. Dựa trên phép biến đổi này xây dựng một thuật toán mới phát hiện ảnh giả mạo dạng cắt/dán dựa trên phép biến đổi mới này. Thực nghiệm cho thấy, so với các thuật toán [24,64,73,119,124] thì thuật
toán mới đề xuất có tính bền vững cao hơn trước các phép tấn công thêm nhiễu, làm mờ, nén JPEG và kết hợp các phép tấn công trên.
3.5 KỸ THUẬT DỰA TRÊN PHÉP THỪA SỐ HÓA MA TRẬN KHÔNG ÂM NMF KHÔNG ÂM NMF
Phép phân tích thừa số hóa ma trận không âm NMF cũng được sử dụng trong bước trích chọn đặc trưng xây dựng thuật toán phát hiện giả mạo dạng cắt/dán [126], thuật toán cho hiệu quả phát hiện tốt. Trong thuật toán dưới đây thay vì sử dụng thuật toán NMF ban đầu của D.D. Lee và H.S. Seung [76] thì sử dụng thuật toán aNMF đề xuất ở Chương 2 với thuật toán điều chỉnh cộng trong mục 2.2 sẽ cho tốc độ thực hiện nhanh hơn.
Trong thuật toán này đầu vào là một ảnh đa cấp xám A và ngưỡng T. Chi tiết
của thuật toán được trình bày ở các bước như sau:
Bước 1. Chuyển từ hệ màu RGB sang YCbCr. Áp dụng bộ lọc thông thấp cho thành phần Y. Sau đó thu được ma trận U.
Bước 2. Chia ảnh thành các khối không chờm nhau có kích thước B×B, mỗi khối ký hiệu là C(i), số khối thu được là:
L=(N-B+1)(M-B+1)
Bước 3. Áp dụng thuật toán NMF đề xuất cho từng khối C(i):
[W(i),H(i)]=NMF(C(i)
trong đó W(i) là ma trận cơ sở, H(i) là ma trận hệ số.
Bước 4. Lượng tử hóa ma trận hệ số H(i):
Bước 5. Sắp xếp L ma trận Q theo số lượng các phần tử 0 trong Q,
Bước 6. Tính khoảng cách hamming giữa các khối:
Q(i) và Q(j) là hai ma trận lượng tử hệ số.
Bước 7. Tìm các cặp khối giống nhau bằng cách so sánh khoảng cách hamming của các cặp khối với ngưỡng T. Nếu nhỏ hơn T thì cặp khối giống nhau.
3.6 KẾT LUẬN CHƯƠNG 3
Nội dung của chương trình bày về ảnh giả mạo dạng cắt/dán, sơ đồ chung của kỹ thuật đối sánh chính xác, đối sánh bền vững phát hiện ảnh giả mạo dạng cắt/dán. Chương cũng trình bày một số kỹ thuật phát hiện cụ thể đã được nghiên cứu trước đó dựa trên phép biến đổi DCT, DWT, đặc trưng màu sắc,… từ đó làm cơ sở để cải tiến, đề xuất kỹ thuật mới.
Chương trình bày về cải tiến kỹ thuật đối sánh bền vững dựa trên phép biến đổi DCT và đề xuất phép biến đổi DWT động, xây dựng kỹ thuật phát hiện dựa trên phép biến đổi mới này. Trong phần này còn trình bày kỹ thuật phát hiện ảnh giả mạo dạng cắt/dán sử sụng phép thuật toán aNMF ở Chương 2.
Chương 4. PHÁT HIỆN ẢNH GIẢ MẠO DẠNG GHÉP ẢNH
Trong Chương 3 đối tượng của các kỹ thuật phát hiện là các ảnh giả mạo được chỉnh sửa, sao chép các nội dung trong cùng một ảnh, gọi là giả mạo dạng cắt/dán. Chương 4 này đề cập đến đối tượng là các ảnh giả mạo được làm giả bằng cách cắt ghép từ các ảnh có nguồn gốc khác nhau, gọi là giả mạo dạng ghép ảnh. Chương này trình bày một số kỹ thuật phổ biến phát hiện giả mạo dạng ghép ảnh dựa trên tính chất của phép lấy mẫu lại. Trình bày hai kỹ thuật đề xuất là biến đổi hiệu và lọc thông cao của của phép biến đổi DWT phát hiện giả mạo dựa trên tính chất phẳng hơn của vùng ảnh sau được lấy mẫu tăng. Ngoài ra trình bày cách tiếp cận dựa trên các tính chất của phép nén JPEG. Một phần nội dung này đã được công bố trong [5] tại danh mục các công trình khoa học đã công bố.
4.1 PHÁT HIỆN ẢNH GIẢ MẠO DẠNG GHÉP ẢNH DỰA TRÊN TÍNH CHẤT CỦA PHÉP LẤY MẪU LẠI TRÊN ẢNH TÍNH CHẤT CỦA PHÉP LẤY MẪU LẠI TRÊN ẢNH
Ảnh giả mạo dạng ghép ảnh là ảnh được tạo ra bằng cách cắt ghép các phần từ nhiều ảnh vào một ảnh, có thể mô tả qua sơ đồ sau: