A maior rede de estudos do Brasil

Grátis
65 pág.
08 - Inconsistências do Processo de Aquisição

Pré-visualização | Página 1 de 3

Prof. Dr. Anderson Rocha
anderson.rocha@ic.unicamp.br
http://www.ic.unicamp.br/~rocha
Reasoning for Complex Data (RECOD) Lab.
Institute of Computing, Unicamp
Av. Albert Einstein, 1251 - Cidade Universitária
CEP 13083-970 • Campinas/SP - Brasil 
Análise Forense de
Documentos Digitais
Técnicas para Identificação de 
Manipulações Baseadas em 
Inconsistências do Processo
de Aquisição
Organização
A. Rocha, 2012 – Análise Forense de Documentos Digitais 4
Organização
‣ Introdução
‣ Estado da Arte
‣ Conclusão
Introdução
A. Rocha, 2012 – Análise Forense de Documentos Digitais 6
Introdução
‣ Diversas imagens estão sendo adulteradas e 
apresentadas como verdadeiras para incriminar ou 
levar as pessoas a acreditar em uma informação falsa.
‣ A olho nu pode ser muito difícil de determinar se a 
imagem foi ou não adulterada.
‣ Algoritmos foram propostos para tentar encontrar 
inconsistências em imagens adulteradas e expô-las.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Estado da Arte
A. Rocha, 2012 – Análise Forense de Documentos Digitais 8
Estado da Arte
‣ Exposing digital forgeries in color filter array 
interpolated images 
[Popescu & Farid. 2005]
‣ Detecting doctored images using camera 
response normality and consistency 
[Lin et al. 2005]
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Exposing digital forgeries in CFA
‣ Uma imagem digital consiste de três canais que 
contém amostras do espectro de cor, por exemplo, 
vermelho, verde e azul.
‣ Na maioria das câmeras, apenas uma cor é guardada 
em cada posição de pixel, as outras duas cores devem 
ser estimadas de acordo com seus pixels vizinhos para 
que seja possível obter os três canais de cores da 
imagem.
9
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Exposing digital forgeries in CFA
‣ Os autores apresentam diversos modelos de 
interpolação de cores como, por exemplo, combinação 
linear de um pixel com seus vizinhos.
10
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Exposing digital forgeries in CFA
11
‣ Os autores assumem um modelo linear simples, onde 
cada pixel interpolado é correlacionado com uma 
soma de diferentes pesos em uma pequena vizinhança.
‣ Utilizou-se um algoritmo de Maximização da 
Esperança (EM) para determinar as amostras que são 
correlacionadas com seus vizinhos, e como estes se 
relacionam.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Exposing digital forgeries in CFA
12
©
 A
. P
op
es
cu
©
 A
. P
op
es
cu
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Exposing digital forgeries in CFA
13
‣ Nas imagens anteriores, as colunas da esquerda mostram 
exemplos de fotos de câmeras que utilizam os algoritmos 
de interpolação citados no artigo. 
‣ As colunas do meio mostram as probabilidades estimadas 
para o canal de cor verde (semelhante para os canais 
vermelho e azul).
‣ As colunas da direita mostram a magnitude da 
Transformada de Fourier aplicada nos mapas de 
probabilidade. Os picos nas imagens correspondem as 
correlações periódicas de CFA.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Exposing digital forgeries in CFA
14
‣ Os autores também mostram como utilizar essas 
características de interpolação para detectar 
inconsistências nas imagens causadas por falsificações.
©
 A
. P
op
es
cu
A. Rocha, 2012 – Análise Forense de Documentos Digitais 15
Estado da Arte
‣ Exposing digital forgeries in color filter array 
interpolated images 
[Popescu & Farid. 2005]
‣ Detecting doctored images using camera 
response normality and consistency 
[Lin et al. 2005]
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecting doctored images using 
camera response
16
‣ Existem muitas maneiras de se alterar uma imagem 
sendo, em alguns casos, com objetivos maliciosos. 
‣ Na maioria das vezes é difícil identificar uma imagem 
adulterada.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecting doctored images using 
camera response
17
‣ Imagens falsificadas podem ser detectadas em vários níveis. 
• No nível mais alto, analisa-se o que está contido na imagem 
usando a relação entre os objetos. Como, por exemplo, Getúlio 
Vargas não estaria em uma foto com o D. Pedro II. 
• Em um nível intermediário, poderíamos identificar 
inconsistências na imagem como tamanho de objetos, cor, 
sombra, etc.
• No mais baixo nível, temos características locais como nível de 
ruído e qualidade da junção de bordas. 
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecting doctored images using 
camera response
18
‣ Humanos são bons com os níveis alto e intermediário. 
E tem alguma habilidade com o nível mais baixo.
‣ Computadores são ruins na análise do nível mais alto, 
e possuem um bom desempenho nos níveis 
intermediário e baixo.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Detecting doctored images using 
camera response
19
‣ Os autores propõe um novo método para detecção 
de imagens falsificadas por meio da função de resposta 
da câmera.
‣ Selecionam-se blocos ao longo das bordas da imagem. 
‣ Se a imagem é real, então diferentes blocos devem 
possuir a mesma função de resposta. Caso contrário, a 
imagem pode ter sido adulterada.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Função de Resposta da Câmera
20
‣ A função de resposta da câmera é uma função de 
mapeamento da irradiância (luz incidente) em um 
ponto da imagem para o valor do pixel 
correspondente àquele ponto.
‣ Em câmeras com sensor de cor CCD, cada um dos 
canais de cor (RGB) possui uma função de resposta.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Função de Resposta da Câmera
21
©
 S
. L
in
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Função de Resposta da Câmera
22
‣ Em (a), na figura acima, a primeira e a segunda coluna de pixels 
formam uma região de radiância R1, a última coluna da imagem 
tem radiância R2, e a terceira coluna contém pixels da junção 
das duas regiões.
‣ Em (b), a irradiância das primeiras duas colunas mapeiam para 
o ponto I1, enquanto a última coluna mapeia para I2. A terceira 
coluna é uma combinação linear de I1 e I2.
‣ Em (c), a função de resposta da câmera f, transforma o 
segmento de reta de (b) em uma curva.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Função de Resposta da Câmera
23
‣ Os sensores ópticos funcionam quase linearmente, 
contudo os pixels resultantes não são proporcionais à 
quantidade de luz incidente. Algumas das razões para isso 
seriam:
• A conversão de analógico para digital pode não ser 
feita linearmente.
• Possíveis pós-processamentos (correção Gamma, 
balanceamento de brancos, etc.), em câmeras que 
salvam a imagem em JPEG, TIFF.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Função de Resposta da Câmera
24
‣ Computa-se uma aproximação para a função inversa da 
resposta da câmera, g = f -1, para mapear as cores de RGB 
de volta para a irradiância, de forma que a relação linear 
nas bordas é recuperada da melhor maneira possível.
‣ Para cada bloco de borda da imagem com regiões de cor 
M1 e M2. A função inversa g deve mapear a cor medida 
em cada ponto p do bloco, de cor Mp, em uma linha.
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Aside
‣ Como computar a função de resposta da câmera? 
‣ Em que isso se aplica?
‣ Ver nota de aula: Image formation & HDR Photography 
de Eduardo R. Corral-Soto
25
A. Rocha, 2012 – Análise Forense de Documentos Digitais
Função de Resposta da Câmera
25
©
 S
. L
in
A. Rocha,

Crie agora seu perfil grátis para visualizar sem restrições.