Ist es möglich, Bilder (ohne Exif-Daten) zu identifizieren und mit genau derselben Kamera zu verknüpfen? Wenn ja, möchte ich einige Softwareempfehlungen, um die Arbeit zu erledigen.
Ich habe zwei Fotos, die ich vergleichen möchte, ob sie mit derselben Kamera aufgenommen wurden oder nicht. Beiden scheinen EXIF-Daten zu fehlen, aber ich bin sicher, ich habe von anderen versteckten Fingerabdrücken gehört, die in den Bildern zu finden sind.
Zum Beispiel sollte das Sensorrauschen ziemlich konstant sein, wenn die Fotos mit derselben Kamera aufgenommen wurden, ähnlich wie beim Abfeuern einer Pistole, und die Kugel erhält eindeutige Markierungen. Ich habe auch gehört, dass die Kamerahersteller manchmal ein verstecktes Wasserzeichen hinzufügen, das mit einer speziellen Software gelesen werden kann.
Antworten:
Bingo - das stimmt mit dem Geld überein.
Es gibt zwei Aspekte der Forschung, mit denen ich vertraut bin, als ich 2006-2007 in diesem Bereich gearbeitet habe. Das erste war die Identifizierung der Marke und des Modells der Kamera und das zweite war die Identifizierung, ob eine bestimmte Kamera ein bestimmtes Bild aufgenommen hat.
Hier sind einige relevante Links:
Bei einer großen Auswahl von Bildern mehrerer Kameras kann ich ein durchschnittliches Rauschmuster erzeugen, das für eine bestimmte Marke und ein bestimmtes Modell vorhanden ist. Wenn ich mit einem einzelnen Bild versehen bin, kann ich dieses durchschnittliche Rauschmuster und das einzelne Bild verwenden, um Ihnen mit hoher Sicherheit die Marke und das Modell einer bestimmten Kamera mitzuteilen.
Anhand einer Stichprobe von Bildern einer einzelnen Kamera kann ich ein einzelnes Bild mit dem Rauschmuster dieser Stichprobe vergleichen und Ihnen mitteilen, ob die Kamera, die die große Stichprobe erstellt hat, auch das einzelne Bild erstellt hat.
Die Algorithmen und Techniken hierfür sind jedoch patentiert. Ich glaube, dass das US-Patent 7,616,237 für Ihre spezielle Frage relevant ist. Es zitiert die Arbeiten von Jessica Fridrich, Miroslav Goljan und Jan Lukas und bietet auch eine Reihe von Forschungsarbeiten zu diesem Thema. Leider kenne ich keine öffentlich verfügbare Software (kommerziell oder anderweitig), die diese Technik implementiert. Die Arbeit, die ich machte, war im Auftrag des US-Verteidigungsministeriums, das die Forschung unterstützte, die in dieses Patent ging.
quelle
Wenn der Sensor heiße Pixel hat und diese Pixel nicht aus den Fotos entfernt werden, können Sie die Kamera identifizieren.
quelle
In Ihrer Situation können Sie so ziemlich nicht. Rauschen ist nicht ganz zufällig, sondern hat eine zufällige Komponente. Um den Fingerabdruck der Kamera zu isolieren, müssen Sie die Kamera über eine Reihe von Aufnahmen profilieren. Mit nur zwei Schüssen können Sie nicht viel tun.
Einige Kamerahersteller fügen eine Signatur hinzu, die jedoch in den Metadaten enthalten ist. Wenn also der EXIF entfernt wurde, haben Sie in dieser Hinsicht kein Glück. Plus, dass entworfen , um festzustellen , ob ein Bild kam von einer Kamera, nicht die Kamera es kam.
quelle
Die kurze Antwort
Ja, es ist möglich, ein Foto mit der diskreten Kamera abzugleichen, mit der es aufgenommen wurde (ohne Metadaten), und es ist auch ziemlich zuverlässig. Die Technik ist in einigen Softwareprodukten verfügbar, eines davon ist Amped Authenticate , hergestellt von Amped Software (Haftungsausschluss: Ich bin der CEO und Gründer des Unternehmens).
Die Grundidee
Die Grundidee ist, dass jedes einzelne Gerät auf jedem Foto, das es produziert, einen anderen „Rauschfingerabdruck“ hinterlässt. Diese Komponente heißt PRNU (Photo Response Non-Uniformity) und wurde in der Literatur umfassend untersucht. Es wurde gezeigt, dass:
In folgenden Situationen funktioniert es jedoch nicht richtig:
Wie funktioniert es
Um die PRNU des Bildes zu extrahieren, müssen Sie grundsätzlich eine bestimmte Komponente des Rauschens extrahieren. Sie können das Bild entrauschen und das Originalbild davon abziehen. In der Literatur wird empfohlen, Wavelet-Filter zu verwenden, aber selbst mit einfacheren und schnelleren Filtern können Sie ähnliche Ergebnisse erzielen.
In der Praxis wird das Verfahren folgendermaßen durchgeführt:
Sie müssen das Camera Reference Pattern (CRP) erstellen : Hiermit extrahieren Sie die PRNU aus einigen Bildern Ihres Testgeräts. Für die besten Ergebnisse wird empfohlen, etwa 30-50 Bilder mit möglichst wenig Details und nicht zu dunkel oder zu weiß zu verwenden und einen Pixel für Pixel-Durchschnitt zu erstellen. Nennen wir diese Referenzbilder . Wenn Sie die Kamera haben, können Sie unscharfe Bilder von einer Wand oder vom Himmel aufnehmen. Wenn Sie nicht über die Kamera verfügen, können Sie allgemeine Bilder aufnehmen, aber Sie benötigen wahrscheinlich mehr davon, um Details mit Mittelwertbildung herauszufiltern.
Anschließend können Sie die PRNU aus dem zu analysierenden Bild extrahieren und die Korrelation mit dem CRP berechnen . Je höher die Korrelation ist, desto höher ist die Wahrscheinlichkeit, dass das Bild von derselben Kamera stammt.
Sie können die Bilder automatisch klassifizieren, indem Sie einen Schwellenwert für die Korrelation berechnen : Bilder mit einer Korrelation, die höher als der Schwellenwert ist, haben eine hohe Wahrscheinlichkeit, von der Kamera zu kommen, andernfalls stammen sie wahrscheinlich von einem anderen Gerät.
Der Schwellenwert kann erhalten werden, indem die Korrelation berechnet wird für:
Im Allgemeinen ist es wahrscheinlich, dass die positiven und negativen Sätze nicht perfekt voneinander getrennt sind. Daher müssen Sie ein gewünschtes Gleichgewicht zwischen falsch positiven und falsch negativen Werten einstellen, das Sie von Fall zu Fall erhalten möchten.
Bei sachgemäßer Anwendung hat sich gezeigt, dass die Methode sehr zuverlässig ist, obwohl gezeigt wurde, dass es möglich ist, zwei Exemplare desselben Modells mit sehr ähnlicher PRNU zu finden. Dies kann beispielsweise passieren, wenn der Sensor der beiden Bauelemente aus demselben Siliziumwafer hergestellt wurde. Es ist eine entfernte Möglichkeit, aber immer noch eine Möglichkeit.
Als Beispiel ist dieses Bild unten die PRNU, die aus einem Bild ohne signifikanten Inhalt (unscharfes Bild einer Wand) extrahiert wurde.
Manipulationen
Die PRNU-Korrelation kann auch lokal angewendet werden, um Manipulationen an den Bildern zu erkennen. Die Idee ist, die PRNU in einem Schiebefenster von nxn Pixeln über das Bild zu berechnen, um eine Korrelationskarte zu erstellen. Bereiche mit geringer Korrelation weisen eine hohe Wahrscheinlichkeit auf, manipuliert zu werden.
Das Bild unten zeigt ein Beispiel für ein Bild, das analysiert wird.
Unten ist das Ergebnis der blockweisen Korrelation von CRP mit der aus dem Bild extrahierten PRNU. Der weiße Bereich stellt die Bereiche dar, die am wahrscheinlichsten manipuliert werden, wenn das Rauschen inkonsistent ist. In der Mitte des Schreibtisches gibt es deutliche Anzeichen von Manipulationen.
Tatsächlich ist dies das Originalbild, von dem eine Waffe entfernt wurde.
Verweise
Es gibt unzählige Artikel, die die PRNU unter verschiedenen Gesichtspunkten analysieren, aber diese sind wahrscheinlich die wichtigsten:
Zusammenfassung
Die Technologie zur Unterscheidung von Bildern, die von verschiedenen Kameras stammen, auch wenn sie von derselben Marke und demselben Modell sind, existiert und ist in der akademischen und forensischen Gemeinschaft ziemlich etabliert. Es gibt einige Softwareprodukte auf dem Markt, mit denen Sie dies relativ einfach tun und die Authentizität des Bildes mit einem ähnlichen Verfahren bewerten können.
quelle
Dies ist eine interessante Frage. Obwohl ich nicht denke, dass dies mit 100% iger Genauigkeit möglich ist, sollten Sie in der Lage sein, mit einer ausreichenden Anzahl von Quellfotos zu bestimmen, von welchem Kameratyp es stammt. Dies ist aufgrund bestimmter Rauschverteilungen, bestimmter kamerainterner Eigenschaften (die nur aus Rohfotodaten bestimmt werden können) usw. gegeben. Es ist jedoch keine Software bekannt, von der ich weiß, dass sie dies tut. Realistisch gesehen sollten Sie an dieser Stelle jedoch nur berücksichtigen, dass dies derzeit nicht möglich ist.
quelle