1. Analisi e sviluppo di metodi per
l'individuazione di manipolazioni Copy‐Move
in applicazioni di Image Forensics
Luca Del Tongo
Relatori Correlatori
Prof. Alberto Del Bimbo Dr. Irene Amerini
Prof. Alessandro Piva Dr. Lamberto Ballan
15 Luglio 2011 Dr. Roberto Caldelli
Dr. Giuseppe Serra
UNIVERSITA’ DEGLI STUDI DI FIRENZE
CORSO DI LAUREA INGEGNERIA INFORMATICA
13. Copy‐Move Detection: Amerini et Al. TIFS 2011
1. Estrazione SIFT features.
2. Matching descrittori SIFT.
3. Clustering keypoints duplicati.
CARATTERISTICHE
• Robusto rispetto alle tipiche operazioni di manipolazione
copy‐move: scala, rotazione, etc.
Matching Clustering
• Il criterio di matching identifica solamente una singola copia
Descrittori SIFT Keypoints
di un oggetto duplicato.
• Problemi di identificazione per regioni duplicate vicine.
15. Matching g2NN
• Generalizzazione matching 2NN in grado di identificare molteplici copie dello
stesso descrittore (copy‐move multiplo).
16. Matching g2NN
• Generalizzazione matching 2NN in grado di identificare molteplici copie dello
stesso descrittore (copy‐move multiplo).
17. Matching g2NN
• Generalizzazione matching 2NN in grado di identificare molteplici copie dello
stesso descrittore (copy‐move multiplo).
1NN
Matching 2NN
2NN
QUERY 1NN 2NN
distance distance
ratio 1 ratio 2
18. Matching g2NN
• Generalizzazione matching 2NN in grado di identificare molteplici copie dello
stesso descrittore (copy‐move multiplo).
1NN
Matching 2NN
3NN
QUERY 1NN 2NN 3NN
2NN
distance distance distance
ratio 1
Matching g2NN ratio 2 ratio 3
19. Clustering
• DBSCAN
– Metodo basato sulla densità spaziale dei punti.
– Stima automatica dei parametri di clustering.
– Clusters non identificati per copie di oggetti vicini.
• DBSCAN Vincolato
– Metodo semi‐supervisionato basato sulla densità spaziale dei punti.
– Stima automatica dei parametri di clustering.
– Clusters non correttamente identificati per copie di oggetti vicini.
• J‐Linkage
– Metodo operante nello spazio delle trasformazioni affini.
– Clusters correttamente identificati per copie di oggetti vicini.
27. J‐Linkage
• Clustering eseguito nello spazio delle trasformazioni affini:
1. K selezioni di 3 matches e calcolo delle relative trasformazioni
affini.
2. Punti di match rappresentati nello spazio binario K‐
dimensionale definito dalle trasformazioni calcolate in
precedenza.
3. Clustering gerarchico agglomerativo dei matches nel nuovo
spazio delle trasformazioni.
28. J‐Linkage
• Clustering eseguito nello spazio delle trasformazioni affini:
1. K selezioni di 3 matches e calcolo delle relative trasformazioni
affini.
2. Punti di match rappresentati nello spazio binario K‐
dimensionale definito dalle trasformazioni calcolate in
precedenza.
3. Clustering gerarchico agglomerativo dei matches nel nuovo
spazio delle trasformazioni.
• I matches appartenenti allo stesso cluster condividono una
trasformazione affine.
36. Conclusioni e sviluppi futuri
• Sviluppo metodo di copy‐move detection:
– Robusto a manipolazioni geometriche.
– Robusto a copie multiple dello stesso oggetto.
– In grado di localizzare accuratamente le eventuali regioni duplicate.
• Articolo ICME 2011
– I. Amerini, L. Ballan, R. Caldelli, A. Del Bimbo, L. Del Tongo, and G. Serra, "An
image forensics tool for copy‐move detection and localization", ICME 2011
Barcelona Spain 11‐15 July 2011.
• Sviluppi futuri:
– Integrazione con altre tecniche di image forensics applicate nelle zone
a bassa tessitura.
37. Analisi e sviluppo di metodi per
l'individuazione di manipolazioni Copy‐Move
in applicazioni di Image Forensics
Luca Del Tongo
Relatori Correlatori
Prof. Alberto Del Bimbo Dr. Irene Amerini
Prof. Alessandro Piva Dr. Lamberto Ballan
15 Luglio 2011 Dr. Roberto Caldelli
Dr. Giuseppe Serra
UNIVERSITA’ DEGLI STUDI DI FIRENZE
CORSO DI LAUREA INGEGNERIA INFORMATICA