1200 620
Hình 2.21 - Minh họa kết quả xác định hƣớng ánh sáng trên bức ảnh giả mạo có sẵn bị lệnh góc hơn 50
64
2.4. Phát hiện ảnh kỹ thuật số giả mạo dạng cắt/dán dựa vào thuật toán SIFT. toán SIFT.
Cách tiếp cận đƣợc đề xuất là dựa trên các thuật toán SIFT để trích xuất các tính năng mạnh mẽ mà có thể cho phép phát hiện ra nếu một phần của một hình ảnh đƣợc sao chép di chuyển. Trong thực tế, phần sao chép đã cơ bản cùng sự xuất hiện của bản gốc, do đó điểm khóa (keypoints) đƣợc chiết xuất trong khu vực giả mạo sẽ khá giống với bản gốc.
Trên cơ sở đó tơi đƣa ra thuật tốn tìm ra các điểm khóa và phát hiện ảnh kỹ thuật số giả mạo dạng cắt/dán FImage 0.1, bao gồm các bƣớc sau:
Bước 1: Khai thác các tính năng của thuật toán SIFT và kết hợp với nhiều điểm khóa (keypoint).
Thuật tốn SIFT (Scale Invarian Feature Tranorms) [9]
Đây là một trong những phƣơng pháp hiệu quả để trích chọn các điểm bất biến từ các ảnh đƣợc dùng để thực hiện so khớp tin cậy giữa các tầm nhìn khác nhau của cùng một đối tƣợng hoặc quang cảnh. Phƣơng pháp này đƣợc gọi là “Phép biến đổi đặc trƣng bất biến tỷ lệ” (Scale Invariant Feature Transform – SIFT) vì nó biến đổi dữ liệu ảnh thành các tọa độ bất biến tỷ lệ có liên quan tới các đặc trƣng cục bộ. Thuật toán này gồm 4 giai đoạn chính: phát hiện các cực trị trong khơng gian tỷ lệ, định vị chính xác điểm khóa, gán hƣớng cho các điểm khóa, xây dựng đặc trƣng.
Phát hiện cực trị
Giai đoạn đầu tiên của phát hiện điểm khóa là tìm ra các vị trí và các tỷ lệ có thể đƣợc gán lặp đi lặp lại dƣới các tầm nhìn khác nhau của cùng một đối tƣợng. Việc phát hiện các vị trí bất biến khi có sự thay đổi tỷ lệ của ảnh có thể đƣợc thực hiện bằng việc tìm kiếm các đặc trƣng ổn định qua tất cả các tỷ lệ có thể, sử dụng một hàm liên tục tỷ lệ đƣợc hiểu nhƣ không gian tỷ lệ.
65
Dùng hàm Gaussian làm hàm nhân của khơng gian tỷ lệ. Vì vậy, khơng gian tỷ lệ của một ảnh đƣợc xác định bởi hàm L(x,y,), hàm này đƣợc tạo ra từ phép cuộn Gaussian biến thiên tỷ lệ, G(x,y,), với ảnh đầu vào I(x,y):
( , , ) ( , , ) ( , )
L x y G x y I x y
trong đó * là phép tốn cuộn theo x và y, và
2 2 2 ( ) / 2 2 1 ( , , ) 2 x y G x y e (2.20)
Để phát hiện hiệu quả các vị trí điểm khóa ổn định trong khơng gian tỷ lệ, ta sử dụng các cực trị không gian tỷ lệ trong hàm Difference-of-Gaussian
đƣợc cuộn với ảnh đó, D(x,y,), hàm này có thể đƣợc tính từ sự chênh lệch
giữa hai tỷ lệ lân cận đƣợc phân biệt bởi thừa số k:
( , , ) ( ( , , ) ( , , )) ( , ) ( , , ) ( , , ) D x y G x y k G x y I x y L x y k L x y (2.21)
Hình 2.22 - Xây dựng một khơng gian tỷ lệ [9]
Hình 2.22 thể hiện một phƣơng pháp hiệu quả cho việc xây dựng hàm D(x,y,). Ảnh ban đầu đƣợc cuộn theo kiểu gia tăng với các hàm Gaussian để
66
thành chồng ở cột bên trái. Ta chia mỗi quãng của không gian tỷ lệ (nghĩa là gấp đôi ) thành s khoảng (s là số nguyên), vì vậy k = 21/s. Chúng ta phải tạo ra
s+3 ảnh trong chồng các ảnh bị làm mờ cho mỗi quãng, để việc phát hiện cực
trị cuối cùng bao phủ trọn vẹn một quãng. Các tỷ lệ ảnh gần kề đƣợc trừ với nhau để tạo ra các ảnh Difference-of-Gaussian đƣợc thể hiện ở hình bên phải.
Một khi một quãng trọn vẹn đƣợc xử lý, chúng ta tái lấy mẫu ảnh Gaussian gấp đôi giá trị ban đầu và việc xử lý đƣợc lặp lại.