• [cliquer ici pour la version en français]

Translate original post with Google Translate

S. Bayram, H.T. Sencar and N. Memon, "A survey of copy-move forgery detection techniques", IEEE Western New York Image Processing Workshop, 2008.

Objectifs

Cet article dresse un état de l'art la détection de falsification d'images par copier-coller.

Méthodologie/Résultats principaux

Une méthode de contrefaçon d'image consiste à copier une portion pour la coller sur une autre partie pour recouvrir une information importante. Le résultat est une falsification qui conserve la plupart des propriétés de l'image, puisque la modification est interne.

La duplication peut faire intervenir des modifications géométriques (rotation ou homothétie) ou de valeurs (flo ou ajout de bruit). Une bonne détection doit donc être robuste à ces modifications.

La détection de ce type de falsification revient donc à détecter des duplicatas dans une image.

Les approches possibles

• Recherche exhaustive (explosion combinatoire)
• Utilisation des propriétés de l'intercorrélation (ne semble fonctionner que si de grandes portions de l'image sont dupliquées).
• Mise en correspondance de blocs. Cette méthode est la plus étudiée dans la communication. Il s'agit de découper (segmenter) l'image en blocs qui se recouvrent. La tâche consiste alors à détecter les blocs connectés qui ont été copiés et collés.

Il est, dans ce dernier cas, important de disposer d'une représentation robuste des blocs. L'autre difficulté réside dans la comparaison des paires de blocs, qui doit être rapide.

Les représentations des blocs

La première opération consiste à découper l'image en blocs, puis chaque bloc doit être réprésenté :

• Par DCT (Discrete Cosine Transform) : robuste au bruit
• Par PCA (Principal Component Analysis) : robuste à la compression et au bruit, mais sensible au rééchantillonnage.
• Utilisation de la DWT (Discrete Wavelet Transform) pour décomposer l'image en quatre sous-bandes, puis divisions des sous-bandes en blocs recouvrant. Avantage : réduction du nombre de blocs. Puis applications de la SVD (Singular Value Decomposition, analogue à PCA). Au final, cette méthode est robuste à la compression seulement.
• Utilisation des données couleur de chaque bloc (moyenne des canaux rouge, vert et bleu par exemple) : très robuste à la compression, au flou gaussien et au bruit.
• Récemment (par rapport à 2008), la transformée de Mellin-Fourier à été employée. Un vecteur est obtenu par projection 1D des valeurs du domaine log-polaire. Au final : robustesse à la rotation, homothétie et à la compression.

Mise en correspondance des blocs

Les articles comparés dans cette étude s'appuient tous sur un tri lexicographique des vecteurs d'attributs décrivant les blocs. L'idée est que deux blocs similaires auront des attributs similaires. Le tri lexicographique entrainera une proximité des vecteurs. Ainsi, des blocs correspondants viendront consécutivement dans la suite des vecteurs triés.

Le challenge consiste alors à obtenir des temps de calcul faibles. L'utilisation de hachages est alors efficace.

Critiques

• Le papier semble orienté en faveur d'une méthode des auteurs (celui à base de transformée Mellin-Fourier).

FMN.