Thực nghiệm

Tôi tiến hành thực nghiệm như sau, sử dụng hình ảnh bất kỳ (hình ảnh này có sẵn trong window 7, nén ảnh đó với hai chất lượng khác nhau, một ảnh lưu với chất lượng ảnh JPEG là 90, một ảnh lưu với chất lượng JPEG là 60. Tạo một ảnh mới, có độ nén là 90 bằng cách copy chính xác một phần hình ảnh ở độ nén 60 lên ảnh độ nén 90 và lưu lại với độ nén 90.

Sau khi chạy chương trình thực nghiệm, ta được kết quả như sau:

Hình 3.2 Kết quả thực nghiệm khi chạy chương trình mô phỏng phát hiện ảnh giả dựa trên độ nén JPEG

- Khi phân tích mức độ lỗi của hình ảnh tại các chất lượng JPEG khác nhau, ta thấy rõ vùng ảnh bị làm giả ở chất lượng từ 25 đến 80, rõ nhất ở chất lượng 60.

- Tiến hành kiểm tra thuật toán ELA với các bức ảnh ghép(splicing) được lấy từ các nguồn khác nhau:

Bảng 3.2 Các kết quả thử nghiệm phương pháp phân tích mức độ lỗi ELA với các bức ảnh được lấy từ nhiều nguồn khác nhau

3.2.4. Kết luận

Phương pháp phân tích mức độ lỗi (ELA) nhận diện hiệu quả với các ảnh ghép (splicing), tuy nhiên, có hai hạn chế của phương pháp này đó là kém hiệu quả với các vùng đặc điểm phức tạp (ví dụ như cỏ) hoặc các ảnh gốc tạo ra ảnh giả có số lần nén và chất lượng hình ảnh tương đương nhau.

3.3. Quang sai màu (Chromatic Aberration)

3.3.1. Phương pháp

Ở trong chương trước, mô hình phương sai màu đã đã được được đưa ra ở công thức (2.6) và (2.7). Mô hình này mô tả các vị trí tương đối mà tại đó ánh sáng có các bước sóng khác nhau chiếu tới vào bộ cảm biến. Với ba kênh màu RGB, chúng ta giả định rằng phương sai màu không đổi với mỗi một kênh màu. Sử dụng màu xanh lá cây như là một màu để đối chiếu, chúng ta ước lượng quang sai giữa các kênh màu đỏ và màu xanh lá cây, và giữa màu xanh dương và màu xanh lá cây. Sự sai lệch không nhất quán trong các mô hình này được sử dụng là bằng chứng của sự giả mạo.

Phương sai màu bao gồm ba tham số, hai tham số xác định trung tâm của sự biến dạng, một tham số cho độ lớn của sự biến dạng. Các tham số mô hình này được ký hiệu là (x1, y1, a1) và (x2, y2, a2) tương ứng với sự biến dạnh từ màu đỏ đến màu xanh lá cây và từ màu xanh dương đến màu xanh lá cây.

Chúng ta sẽ biểu diễn ước lượng tham số biến dạng từ màu đỏ đến màu xanh lá cây (từ màu xanh dương đến màu xanh lá cây tương tự). Định nghĩa

kênh màu đỏ trong ảnh RGB là R(x, y) và kênh màu xanh lá cây là G(x, y). Các phiên bản khác của các kênh màu đỏ có thể viết lại theo R(xr, yr) như sau:

𝑥𝑟 = 𝛼1 𝑥 − 𝑥1 + 𝑥1 (3.8)

𝑦𝑟 = 𝛼1 𝑦 − 𝑦1 + 𝑦1 (3.9)

Các tham số mô hình được xác định bằng cách tối đa hóa thông tin chung giữa R(xr, yr) và G(x,y) bởi công thức:

𝑎𝑟𝑔𝑚𝑎𝑥𝑥1,𝑦,𝑎1𝐼(ℛ; 𝒢) (3.10)

Trong đó và 𝒢 là các biến ngẫu nhiên được rút ra từ argmax cường độ các điểm ảnh của R(x, y) và G(x, y). Các thông tin liên quan đến các biến ngẫu nhiên được xác định bởi công thức:

𝐼 ℛ; 𝒢 = 𝑃 𝑟, 𝑔 𝑙𝑜𝑔 𝑃(𝑟,𝑔)

𝑃 𝑟 𝑃(𝑔) 𝑔∈𝒢

𝑟 ∈ℛ (3.11)

Trong đó P(.,.) là phân phối xác suất liên hợp, còn P(.) là phân phối xác suất cận biên.

Số liệu tối đa hóa thông tin chung sử dụng ưu điểm nổi bật của việc tìm kiếm lặp. Tại lần lặp đầu tiên, quá trình chọn mẫu tương đối của không gian tham số cho x1, y1, a1 được tìm kiếm. Tại lần lặp thứ hai, một mẫu tót của không gian tham số được thực thi tối đa hóa ngay từ trạng thái đầu tiên. Quá trình này được lặp đi lặp lại N lần. Trong khi tìm kiếm ưu điểm nổi bật này có thể tính toán với một số yêu cầu khác, không cần đảm bảo mức tối thiểu toàn cục đạt được. Kỹ thuật tối ưu theo chuẩn gradient cũng có thể được sử dụng để cải thiện thời gian chạy phức tạp.

Để xác định số lượng lỗi giữa các ước lượng và tham số mô hình được biết đến, chúng ta tính toán trung bình lỗi giữa các vector chuyển tại mỗi điểm ảnh. Cụ thể, cho x0, y0, a0là các tham số thực tế và x1, y1, a1 là ước lượng các tham số mô hình. Vector chuyển cho sự biến dạng sẽ có dạng:

𝑣0 𝑥, 𝑦 = 𝑎0 𝑥 − 𝑥0 + 𝑥0 − 𝑥 𝑎0 𝑦 − 𝑦0 + 𝑦0 − 𝑦 (3.12) 𝑣1 𝑥, 𝑦 = 𝑎1 𝑥 − 𝑥1 + 𝑥1 − 𝑥 𝑎1 𝑦 − 𝑦1 + 𝑦1 − 𝑦 (3.13)

Các lỗi góc 𝜃(𝑥, 𝑦) giữa hai vector bất kỳ là: 𝜃 𝑥, 𝑦 = 𝑐𝑜𝑠−1 𝑣 𝑥,𝑦 .𝑣0 𝑥,𝑦 1

Góc lỗi trung bình 𝜃 , trên tất cả P điểmảnh của hình ảnh là: 𝜃 = 1

𝑃 𝑥,𝑦𝜃 𝑥, 𝑦 (3.15)

Để cải thiện độ tin cậy, mức trung bình này bị hạn chế bằng một vector có định mức là lớn hơn một ngưỡng được quy định, 0.01 điểmảnh.Trong phương pháp này, θ được sử dụng để xác định số lượng các lỗi ước tính phương sai màu.