Comment savoir si deux photos ont été prises avec le même appareil photo sans métadonnées?


8

Est-il possible d'identifier des images (sans données exif) et de les lier au même appareil photo? Si c'est le cas, j'aimerais avoir quelques recommandations de logiciels pour faire le travail.

J'ai deux photos que j'aimerais comparer si elles ont été prises avec le même appareil photo ou non. Ils semblent tous deux manquer de données EXIF, mais je suis sûr d'avoir entendu parler d'autres empreintes digitales cachées dans les images.

Par exemple, le bruit du capteur devrait être assez constant si les photos ont été prises avec le même appareil photo, un peu comme tirer une arme de poing et la balle obtient des marques uniques. J'ai également entendu dire que les fabricants d'appareils photo ajoutent parfois un filigrane caché qui peut être lu avec certains logiciels spéciaux.


5
Il semble que vous ayez regardé trop de CSI :)
Flimzy

De quel format sont les images? S'ils sont au format JPEG, à quel point sont-ils compressés? Ont-ils été réduits?
Evan Krall

3
@Flimzy Cette technologie existe. Je devrais savoir - j'ai aidé à le prototyper lorsque je travaillais pour l'US Air Force, en utilisant la recherche de SUNY Binghamton. Ma réponse cite la recherche qui est allée dans le travail que nous avons fait.
Thomas Owens

Réponses:


10

Par exemple, le bruit du capteur devrait être assez constant si les photos ont été prises avec le même appareil photo, un peu comme tirer une arme de poing et la balle obtient des marques uniques.

Bingo - c'est vrai pour l'argent.

Il y a deux aspects liés à la recherche que je connais lorsque j'ai travaillé dans ce domaine en 2006-2007. Le premier était l'identification de la marque et du modèle de l'appareil photo et le second était d'identifier si un appareil photo spécifique a pris une image spécifique.

Voici quelques liens pertinents:

Étant donné un large échantillon d'images provenant de plusieurs caméras, je peux produire un motif de bruit moyen qui existe sur une marque et un modèle donnés. Lorsqu'il est fourni avec une seule image, je peux utiliser ce modèle de bruit moyen et l'image unique pour, avec une grande confiance, vous dire la marque et le modèle d'un appareil photo donné.

Étant donné un échantillon d'images d'une seule caméra, je peux comparer une seule image au motif de bruit de cet échantillon d'images et vous dire si la caméra qui a produit le grand échantillon a également produit l'image unique.

Cependant, les algorithmes et les techniques pour ce faire sont brevetés. Je crois que le brevet américain 7 616 237 est pertinent pour votre question particulière. Il cite les travaux de Jessica Fridrich, Miroslav Goljan et Jan Lukas et fournit également un certain nombre de documents de recherche sur le sujet. Malheureusement, je ne connais aucun logiciel accessible au public (commercial ou autre) qui implémente cette technique. Le travail que je faisais était pour le compte du département américain de la Défense, qui a soutenu la recherche qui a porté sur ce brevet.


Comment cela est-il affecté par les appareils photo avec objectifs amovibles? Si j'ai deux appareils photo et deux objectifs et que je vous donne 1 000 photos de chaque appareil photo, mais que les objectifs sont échangés d'avant en arrière de manière aléatoire, quelle sera la précision des résultats? (Supposons que les objectifs sont des modèles identiques, donc la distance focale, la distorsion, etc., ne seront pas mortes)
Flimzy

1
@Flimzy Je ne pense pas que ce soit significatif. Le motif de bruit est produit par l'électronique située derrière l'objectif, le capteur CCD ou CMOS et tous les autres composants qui portent des charges. Ainsi, même si vous disposiez d'objectifs aléatoires de différentes focales, distorsions, etc., le motif de bruit qui existe et est capté par le capteur dans l'image de sortie en pixels n * m devrait être similaire, sinon le même.
Thomas Owens

Cela signifie-t-il qu'une lentille sale / rayée / défectueuse n'affectera pas ce processus? Je suppose qu'un objectif devrait être très sale ou rayé pour faire plus que simplement faire une photo floue dans la plupart des cas, de toute façon, hein?
Flimzy

@Flimzy Cela n'a rien à voir avec des lentilles sales ou rayées ou des images floues. Tout se passe au niveau du capteur. Il existe des facteurs environnementaux qui provoquent des différences dans le modèle de bruit, c'est pourquoi vous avez besoin d'un ensemble de données assez volumineux pour obtenir un bruit cohérent entre les images. Mais vous pouvez avoir les objectifs les plus flous, les plus rayés et les plus sales et toujours identifier l'appareil photo, tant que les mêmes capteurs ont été utilisés.
Thomas Owens

Très intéressant. Merci pour le post informatif, et pour m'avoir humorisé ainsi que mes questions :)
Flimzy

4

Si le capteur a des pixels chauds et que ces pixels ne sont pas supprimés des photos, vous pouvez identifier l'appareil photo.


Il en va de même pour la poussière du capteur, si le capteur n'a pas été nettoyé entre les prises de vue.
Imre

2

Dans votre situation, vous ne pouvez pratiquement pas. Le bruit n'est pas entièrement aléatoire mais a une composante aléatoire. Pour isoler l'empreinte digitale de l'appareil photo, vous devez profiler l'appareil photo sur une série de photos. Avec seulement deux clichés, vous ne pouvez pas faire grand-chose.

Certains fabricants d'appareils photo ajoutent une signature, mais cela se trouve dans les métadonnées, donc si l'EXIF a été supprimé, vous n'avez pas de chance sur ce front. De plus, cela est conçu pour déterminer si une image provient d'un appareil photo, pas de quel appareil photo elle provient.


1
De plus, si les images sont compressées (comme la plupart le sont), je soupçonne que la grande majorité du bruit du capteur et / ou de l'objectif sera déformée au-delà de tout ce qui est utile.
Flimzy

Si je comprends bien, la technique de «l'empreinte digitale du bruit du capteur» est étonnamment robuste contre la compression et d'autres modifications d'image avec perte.
Veuillez lire mon profil

2

La réponse courte

Oui, il est possible de faire correspondre une photo à l'appareil photo discret avec lequel elle a été prise (sans métadonnées) et elle est également assez fiable. La technique est facilement disponible dans quelques produits logiciels, dont Amped Authenticate , produit par Amped Software (avis de non-responsabilité: je suis le PDG et fondateur de la société).

L'idée de base

L'idée de base est que chaque appareil laisse une «empreinte sonore» différente sur chaque photo qu'il produit. Ce composant est appelé PRNU (Photo Response Non-Uniformity) et a été largement étudié dans la littérature. Il a été démontré que:

  • constante dans le temps
  • constante au-dessus de la température - indépendamment des autres réglages de l'appareil photo (exposition, mise au point, etc.)
  • assez robuste à la recompression (en hausse autour de la qualité JPEG 5-60%)
  • assez robuste aux réglages d'intensité et de couleur (contraste, luminosité…)
  • assez robuste aux modifications locales (c'est-à-dire si une partie de l'image a été falsifiée, - l'image dans son ensemble est toujours reconnue comme provenant d'un appareil photo spécifique)

Cependant, il ne fonctionne pas correctement dans ces situations:

  • si l'image a été recadrée ou a un zoom numérique, car elle ne prendrait qu'une partie du capteur et non toute sa zone (cela pourrait être résolu, mais il ne serait pas robuste de redimensionner)
  • pour des améliorations très fortes
  • pour des images très sombres ou très lumineuses, car le bruit n'est pas présent dans ces zones)

Comment ça marche

Pour extraire le PRNU de l'image, vous devez essentiellement extraire une composante spécifique du bruit. Vous pouvez le faire en débruyant l'image et en lui soustrayant l'image d'origine. Dans la littérature, il est recommandé d'utiliser des filtres ondelettes, mais même avec des filtres plus simples et plus rapides, vous pouvez obtenir des résultats similaires.

Concrètement, la procédure se déroule de la manière suivante:

  1. Vous devez créer le modèle de référence de la caméra (CRP) : cela se fait en extrayant le PRNU de certaines images de votre appareil de test. Pour les meilleurs résultats, il est recommandé d'utiliser environ 30 à 50 images avec le moins de détails possible et pas trop sombres ou trop blanches et faire une moyenne pixel par pixel. Appelons ces images de référence . Si vous avez l'appareil photo, vous pouvez prendre des photos floues d'un mur ou du ciel. Si vous n'avez pas l'appareil photo, vous pouvez prendre des photos générales, mais vous en aurez probablement besoin de plus pour filtrer les détails avec la moyenne.

  2. Ensuite, vous pouvez extraire le PRNU de l' image en cours d'analyse et calculer la corrélation avec le CRP . Plus la corrélation est élevée, plus la probabilité que l'image provienne du même appareil photo est élevée.

  3. Vous pouvez classer automatiquement les images en calculant un seuil de corrélation: les images avec une corrélation supérieure au seuil auront une forte probabilité de provenir de la caméra, sinon elles proviendront probablement d'un appareil différent.

Le seuil peut être obtenu en calculant la corrélation pour:

  • images provenant du même appareil (positif)
  • images provenant d'un autre modèle d'appareil photo (négatif)
  • images provenant d'un autre exemplaire du même modèle d'appareil photo (négatif)

entrez la description de l'image ici

En général, il est probable que les ensembles positifs et les ensembles négatifs ne soient pas parfaitement séparés, vous devez donc définir l'équilibre souhaité entre les faux positifs et les faux négatifs que vous souhaitez obtenir d'un cas à l'autre.

Si elle est utilisée de manière appropriée, la méthode s'est révélée très fiable, même s'il a été démontré qu'il est possible de trouver deux exemplaires du même modèle avec un PRNU très similaire. Cela peut se produire, par exemple, si le capteur des deux appareils a été produit à partir de la même tranche de silicium. C'est une possibilité éloignée, mais toujours une possibilité.

À titre d'exemple, cette image ci-dessous est le PRNU extrait d'une image sans aucun contenu significatif (image floue d'un mur).

Falsification

La corrélation PRNU peut également être appliquée localement pour détecter une falsification sur les images. L'idée est de calculer le PRNU sur une fenêtre glissante de nxn pixels à travers l'image pour créer une carte de corrélation. Les zones à faible corrélation auront une forte probabilité d'avoir été altérées.

L'image ci-dessous représente un exemple d'image en cours d'analyse.

entrez la description de l'image ici

Ci-dessous, le résultat de la corrélation par blocs du CRP avec le PRNU extrait de l'image. La zone blanche représente les zones les plus susceptibles d'être altérées, où le bruit est incohérent. Au milieu du bureau, il y a un signe clair de falsification.

entrez la description de l'image ici

En fait, c'est l'image originale, d'où une arme a été retirée.

entrez la description de l'image ici

Références

Il existe d'innombrables articles qui analysent le PRNU selon différents points de vue, mais ceux-ci sont probablement les plus importants:

Sommaire

La technologie permettant de distinguer les images provenant de différentes caméras, même si elles sont de la même marque et du même modèle, existe et est assez bien établie dans la communauté universitaire et médico-légale. Il existe des produits logiciels disponibles sur le marché qui vous permettent de le faire avec une relative facilité et d'évaluer également l'authenticité de l'image avec un processus similaire.


0

C'est une question intéressante. Bien que je ne pense pas que ce soit possible avec une précision de 100%, vous devriez être en mesure de déterminer, avec un nombre suffisant de photos source, de quel type d'appareil photo il provient. Ceci est donné à certaines distributions de bruit, à certaines propriétés internes de l'appareil photo (qui peuvent être déterminées à partir de données photo brutes uniquement), etc. De façon réaliste, à ce stade, vous devriez simplement considérer que ce n'est actuellement pas possible.

En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.