- Image forensics usata per capire se immagine è stata modificata.
- Voilà, funziona la penna
- Ci stanno mettendo un po’ a iniziare, scusate il disturbo
- Openboard permette di importare pdf, questa è un’ottima notizia
- Il professore di automatica lo usa per le slide
distinzione di segnali 1D, 2D, 3D
abbiamo visto i segnali 1D, ad esempio un segnale audio
- 1D, tipo audio
- 2D, tipo foto
- 3D, tipo video
Analisi seganli 2D per capire se un’immagine è stata modificata Questa è una rappresentazione di un soggetto reale, la luce colpisce un oggetto, la luce viene ricevuta da un sensore, questo segnale luminoso viene discretizzato\par
Componente principale il sensore, casi principali
- CCD, light to photodiode
- CMOS, light to photodiode ampilfier pair
Come si usa CFA per dare colore a immagine (CFA coso verde verde rosso blu, chiedi a Captain Disillusion) più verde perchè la banda del verde ricevuta meglio dai nostri occhi\par
campioni il rosso nei punti in cui la pattern è rossa, il resto del rosso viene interpolato\par
Il passaggio successivo è un processo di compressione, viene trasformato in bit (encoder) che usi per rivederla (decoder)
Algoritmi
- Lossy: immagine ricorstuita non identica (es. jpeg)
- Lossless: decodifica rende immagine/ segnale identica (pensa a un file .zip)
- Trasformata DCT
- Quantizzatore
- Roba che mi sono perso
Discrete Cosine Transform, decompone un segnale attraverso le sue armoniche coseno, somma delle armoniche pesate a dovere danno il segnale originale.
In ambito immagine come si fa? Dividiamo in blocchi 8x8 non sovrapposti, e fai la dft per tutti i blocchi (chunk di un mondo minecraft, ±)
- Basse frequenze, descrivono caratteristiche grossolane dell’immagine
- Medie frequenze, un po’ più fine
- Alte frequenze, molto fini
Voglio un’immagine fedele alla realtà, ma che occupi il meno spazio possibile
La quantizzazione rimuove dettagli imprecettibili lo stato di quantizzazine associa a ogni blocco 8x8 una matrice di luminanza e crominanza (luminanza = intensità, crominanza = colore), questo è il passo sostanziale di rimozione di dettagli\par
quelli sono uguali ai passi di quantizzazine, hai un passo δ più fine per i dettagli, in alte frequenze i passi sono più alti, in bassa frequenza i passi sono minore, usare passi diversi permette di avere più valori nulli, ce n’è uno per ogni valore della matrice
(se non si capisce, non ho capito un cazzo)
Claude shannon approva\par
Rappresentare nella maniera più efficiente possbilie, dire 10 0 e 1, andiamo a fare codifica differenziale, poi boh, poi bah
Quella cosa con l’albero per comprimere, robe comuni vanno a meno bit, robe rare hanno più bit.
Huffman lookup table, quella cosa con l’albero
Stiamo comprimendo il comprimibile, per quanto possbile.
Quest’immagine è stata manipolata?
le due macroaree sono
- St’immagine è stata modificata?
- Da dove cazzo è venuta st’immagine? Da quale dispositivo?
es. Jpeg non si allinea nella grigla 8x8, we call this a misalignment
ci sono due casi
- Doppio jpeg non allineato
- Doppio jpeg allineato
molto visibile in un’immagine se non si nota demosaicatura allora l’immagine potrebbe essere stata modificata
Identificazione del dispositivo che ha prodotto l’immagine
si studia l’impronta dell’immagine
un’immagine molto scura presenta rumore nelle parti scure dell’immagine ad esempio, pensa a tutte le tue foto scacie di tramonti.
vi sono rumori
- Shot noise
- Pattern noise
Photo responsive Non uniformity noise come, in fase di produzoine, si presentano artefatti di produzione.
Rumore estremamente presente in immagine naturale, e sopravvive molto bene al processing.
Come si può usare questo rumore per identificare il sensore che ha prodotto quest’immagine.
Il rumore è estremamente dipendente dall’immagine, viene ottenuto facendo un denoising dell’immagine, e trovando la differenza tra denoised e noised.
abbiamo bisogno di parecchie immagini prima di avere una idea completa del rumore del sensore, meno immagini se hai tanti muri bianchi.
si testano i rumori in senso di correlazione col rumore nella foto per vedere di capire da chi cazzo è arrivato sto rumore.
Anche tra due dispositivo dello stesso modello ci sono differenze di come cazzo è messo sto rumore, il rumore è l’impronta digitale di QUEL dispositivo, non quel modello, quell’istanza del modello.