Drucken
Univis
Search
English
Deutsch
 
FAU-Logo
Techn. Fakultät Willkommen am Institut für Informatik FAU-Logo

Bildforensik

Die Bildforensik beschäftigt sich mit der Echtheitsbewertung digitaler Bilder. Hierbei ist einerseits zu klären, ob ein Bild mit einem bestimmten Gerät (typischerweise eine Kamera oder ein Scanner) aufgenommen wurde. Die zweite wichtige Frage ist, ob ein Bild beispielsweise mit Hilfe von Bildverarbeitungsprogrammen verändert wurde. Das Forschungsfeld kann in drei Richtungen unterteilt werden.

  1. Verifikation von Bildgebungsartefakten. Wenn ein Bild mit einer Kamera aufgenommen wird, treten natürliche Abbildungsfehler auf. Diese können explizit gesucht und auf Konsistenz geprüft werden. Spezielle Beispiele sind die Erkennung lateraler chromatischer Aberration (von M. Johnson und H. Farid) oder die Extraktion eines digitalen Fingerabdrucks des Kamerasensors (von M. Chen, J. Fridrich, M. Goljan und J. Lukas).
  2. Erkennung von statistischen Inkonsistenzen in dem Bild. Populäre Beispiele sind Konsistenztests auf JPEG Artefakten (z.B. von J. He, Z. Lin und X. Tang), Tests für Skalierungs- und Rotationsartefakte (z.B. von A. Popescu und H. Farid) oder die Erkennung von Copy-Move Fälschungen (e.g. by S. Bayram, H. Sencar und N. Memon).
  3. Untersuchung von Szeneneigenschaften im Bild. Die physikalischen Eigenschaften der abgebildeten Szene müssen global konsistent sein. Beispiele sind die Überprüfung der Beleuchtungsrichtung auf verschiedenen Objekten (von M. Johnson und H. Farid) oder die Konsistenz der Beleuchtungsfarbe (von C. Riess und E. Angelopoulou).

Die Forschung in unserer Gruppe konzentriert sich auf den zweiten und dritten Zweig. Jüngste Ergebnisse beinhalten

  • Eine Studie zu Merkmalen für die Copy-Move Fälschungserkennung.
  • Die Bereitstellung einer Sammlung von Ground-Truth Testbildern für die Evaluation von Copy-Move Fälschungen.
  • Ein Verfahren zur Bewertung der Konsistenz der Beleuchtungsfarbe.

Beteiligte Gruppenmitglieder: Opens internal link in current windowChristian Riess, Johannes Jordan, Elli Angelopoulou

 

IEEE Transactions on Information Forensics and Security 2012
Beispiel Copy-Move Fälschung
Rotated copy.
Annotation der Fälschungsregionen.
Closest matches in feature space.

Eine kaum überschaubare Anzahl Verfahren wurde vorgeschlagen, um Copy-Move-Fälschungen zu entlarven. Die Hauptunterschiede der Methoden liegt in der Wahl der Merkmale, um eine Region zu beschreiben. In dieser Arbeit untersuchen wir 15 Merkmale in einer großangelegten Evaluation auf einer neuen Fälschungsdatenbank. Unsere Analyse zeigt, dass Kaypoint-basierte Detektoren mit Abstand die schnellsten Verfahren sind. In Fällen, in denen eine Copy-Move-Fälschung nur schwach rotiert oder skaliert wurde, können sogenannte blockbasierte Verfahren jedoch deutlich bessere Erkennungsraten erreichen. Werfen Sie einen Blick auf die Öffnet internen Link im aktuellen FensterProjektseite! Code und Daten sind ebenfalls verfügbar.

Mustererkennung (DAGM-OAGM 2012)
Bild mit JPEG-Ghost
Rotated copy.
Differenzbild 1
Closest matches in feature space.
Differenzbild 2

Wir präsentieren einen Mustererkennungs-Ansatz, um das sogenannte JPEG-Ghost-Phänomen zur Erkennung manipulierter Bilder auszunutzen. Unser vollautomatisches Verfahren basiert auf nur sechs Merkmalen. Der Algorithmus erzielt sehr gute Erkennungsraten, selbst auf Regionen, die nur 8x8 oder 16x16 Pixel groß sind. Werfen Sie einen Blick auf die Öffnet internen Link im aktuellen FensterProjektseite. Der Code ist ebenfalls verfügbar!

Workshop on Information Forensics and Security 2010
Rotierte Kopie.
Rotated copy.
Beste Merkmalszuordnungen.
Closest matches in feature space.

Die Methoden zur Copy-Move Fälschungserkennung wurden vor kurzem um Rotations- und Skalierungserkennung erweitert. Einige Merkmalsmengen können rotierte Kopien sehr gut erkennen. Bis dato war die Filterung der Featurepaare jedoch nicht rotations- oder skalierungsinvariant, oder wenig robust bzgl. anderer Parameter, wie z.B. unterschiedlicher Bildgrößen. In unserem Beitrag "On Rotation Invariance in Copy-Move Forgery Detection", schlagen wir die Same Affine Transform Selection (SATS) als rotations- und skalierungsinvariante Erweiterung des häufig genutzten "Same shift vector"-Ansatzes vor. Die Implementierung ist auch online!

Sicherheit 2010
Originalbild.
Originalbild.
Copy-Move Fälschung.
Beispiel für ein Bild mit Copy-Move Fälschung.

Wir definieren einen allgemeinen Verarbeitungsablauf zur Erkennung von Copy-Move Fälschungen. Diese Darstellung ermöglicht es uns, die Merkmale verschiedener Erkennungsalgorithmen direkt zu vergleichen. Wir führen eine Untersuchung auf zehn unterschiedlichen Merkmalsmengen auf einem Teil unserer Datenbank durch. In den Experimenten erwiesen sich die Fourier-Mellin Deskriptoren als besonders geeignete Merkmale. Unter zusätzlicher Rotation und Skalierung ergaben PCA and DCT Merkmale die besten Erkennungsergebnisse.

Benchmark zur Evaluation von Algorithmen zur Fälschungserkennung
Bild mit Copy-Move Fälschung.
Beispiel für ein Bild mit Copy-Move Fälschung
Die zugehörigen Ground-Truth Labels.
Die zugehörigen Ground-Truth Labels

Wir präsentieren einen Öffnet internen Link im aktuellen FensterDatensatz und Software zur umfassenden Evaluation von Methoden zur Erkennung von Fälschungsartefakten. Der Datensatz umfasst 48 verschiedene Bilder, gebündelt mit gefälschten Bildausschnitten. Mit Hilfe der Software können die Bildteile für verschiedene realistische Fälschungsszenarien beliebig kombiniert werden. Es kann beispielsweise Gaußsches oder Salz+Pfeffer-Rauschen hinzugefügt werden, Bildausschnitte können skaliert und rotiert werden oder rekomprimiert mit JPEG-Artefakten. Wir gehen davon aus, dass die Zeit reif ist für einen realistischen Datensatzes zur Erzeugung einer Vielzahl von Fälschungsszenarien. Ein besonderer Fokus liegt momentan auf der Evaluation von Copy-Move Erkennungsmethoden.

Information Hiding Conference 2010
Der bekleidete Tourist wurde eingefügt.
Manipulation: Der bekleidete Tourist wurde eingefügt.
Die Distance Map stellt den Touristen dunkler dar.
Die Distance Map stellt den Tourist dunkler dar.

Wir präsentieren ein Verfahren zur Beurteilung der Konsistenz der Szenenbeleuchtungsfarbe. Wir erweiterten ein physikbasiertes Verfahren zur Schätzung der Beleuchtungsfarbe. Unser erweitertes Schätzverfahren kann lokal auf reale Bilder angewendet werden, so dass diese Schätzungen auf Konsistenz geprüft werden können. Da alle derzeit bekannten Verfahren zur Beleuchtungsschätzung fehlerbehaftet sind, entschieden wir uns bewusst für eine physikbasierte Methode. Wir gehen davon aus, dass ein Gutachter die Gültigkeit des physikalischen Modells (und damit indirekt die Korrektheit der Schätzungen) leichter einschätzen kann. Des weiteren empfehlen wir eine vereinfachte Visualisierung der Beleuchtungssituation, die Distance Map.

Reflexionsanalyse
Apple with specular pixels.
Apple with specular pixels.
Specularities in IIC space.
Specularities in IIC space.

Wir untersuchen die physikalische Konsistenzbedingungen für eine natürliche Szene. Unser besonderes Interesse liegt hierbei in Eigenschaften der Szenenbeleuchtung. In userer Forschung haben wir Möglichkeiten untersucht, Algorithmen zur Schätzung der Beleuchtungsfarbe als Hinweisgeber für semantische Informationen zu nutzen. Hierbei haben wir uns auf physikbasierte Beleuchtungsschätzverfahren konzentriert. Der Vorteil solcher Verfahren liegt darin, dass die Schätzfehler physikalisch erklärt werden können. Wir passten ein Verfahren von Tan et al. für reale Szenen an. Hierbei nutzen wir aus, dass viele reale Szenen eine Mischung von spiegelnder und diffuser Reflexion beinhalten. Auf derartigen Bildern ermöglicht unser Verfahren robuste Farbschätzung in nahezu Echtzeit.