¿Es posible identificar imágenes (sin datos exif) y vincularlas a la misma cámara? Si es así, me gustaría algunas recomendaciones de software para hacer el trabajo.
Tengo dos fotos que me gustaría comparar si fueron tomadas con la misma cámara o no. Ambos parecen carecer de datos EXIF, pero estoy seguro de que he oído hablar de otras huellas digitales ocultas que se encuentran dentro de las imágenes.
Por ejemplo, el ruido del sensor debería ser bastante consistente si las fotos fueron tomadas con la misma cámara, más o menos como disparar una pistola y la bala obtiene marcas únicas. También he oído que los fabricantes de cámaras a veces agregan una marca de agua oculta que se puede leer con algún software especial.
Respuestas:
Bingo: eso es justo en el dinero.
Hay dos aspectos de investigación con los que estoy familiarizado cuando trabajé en esta área en 2006-2007. El primero fue la identificación de la marca y el modelo de la cámara y el segundo fue identificar si una cámara específica tomó una imagen específica.
Aquí hay algunos enlaces relevantes:
Dada una gran muestra de imágenes de varias cámaras, puedo producir un patrón de ruido promedio que existe en una marca y modelo determinados. Cuando se me proporciona una sola imagen, puedo usar este patrón de ruido promedio y la imagen única para, con gran confianza, decirle la marca y el modelo de una cámara determinada.
Dada una muestra de imágenes de una sola cámara, puedo comparar una sola imagen con el patrón de ruido de esta muestra de imágenes y decirle si la cámara que produjo la muestra grande también produjo la imagen única.
Sin embargo, los algoritmos y técnicas para hacer esto están patentados. Creo que la patente de los Estados Unidos 7.616.237 es relevante para su pregunta particular. Cita el trabajo de Jessica Fridrich, Miroslav Goljan y Jan Lukas y también proporciona una serie de trabajos de investigación sobre el tema. Desafortunadamente, no estoy familiarizado con ningún software disponible públicamente (comercial o de otro tipo) que implemente esta técnica. El trabajo que estaba haciendo fue en nombre del Departamento de Defensa de los EE. UU., Que apoyó la investigación que se realizó sobre esta patente.
fuente
Si el sensor tiene píxeles calientes y estos píxeles no se eliminan de las fotos, puede identificar la cámara.
fuente
En tu situación, prácticamente no puedes. El ruido no es completamente aleatorio pero tiene un componente aleatorio. Para aislar la huella digital de la cámara, debe perfilar la cámara sobre una serie de disparos. Con solo dos disparos, no hay mucho que puedas hacer.
Algunos fabricantes de cámaras agregan una firma, pero eso va en los metadatos, por lo que si se eliminó el EXIF, entonces no tendrá suerte en ese frente. Además, está diseñado para determinar si una imagen proviene de una cámara, no de qué cámara proviene.
fuente
La respuesta corta
Sí, es posible hacer coincidir una foto con la cámara discreta con la que se tomó (sin metadatos) y también es bastante confiable. La técnica está disponible en algunos productos de software, uno de ellos es Amped Authenticate , producido por Amped Software (descargo de responsabilidad: soy el CEO y Fundador de la compañía).
La idea basica
La idea básica es que cada dispositivo deja una "huella digital de ruido" diferente en cada foto que produce. Este componente se llama PRNU (no respuesta a la uniformidad de la foto) y ha sido ampliamente estudiado en la literatura. Se ha demostrado que es:
Sin embargo, no funciona correctamente en estas situaciones:
Como funciona
Para extraer la PRNU de la imagen, básicamente debe extraer un componente específico del ruido. Puede hacerlo eliminando el ruido de la imagen y restandole la imagen original. En la literatura se recomienda usar filtros Wavelet, pero incluso con filtros más simples y rápidos puede obtener resultados similares.
Prácticamente hablando, el procedimiento se realiza de la siguiente manera:
Debe crear el Patrón de referencia de cámara (CRP) : esto se hace extrayendo la PRNU de algunas imágenes de su dispositivo de prueba. Para obtener los mejores resultados, se recomienda utilizar aproximadamente 30-50 imágenes con el menor detalle posible y no demasiado oscuro o demasiado blanco y hacer un promedio de píxel por píxel. Llamemos a estas imágenes de referencia . Si tiene la cámara, puede sacar imágenes fuera de foco de una pared o del cielo. Si no tiene la cámara, puede tomar fotos generales, pero probablemente necesitará más para filtrar los detalles con un promedio.
Luego puede extraer la PRNU de la imagen bajo análisis y calcular la correlación con el CRP . Cuanto mayor sea la correlación, mayor será la probabilidad de que la imagen provenga de la misma cámara.
Puede clasificar automáticamente las imágenes calculando un umbral para la correlación: las imágenes con una correlación superior al umbral tendrán una alta probabilidad de provenir de la cámara; de lo contrario, probablemente provengan de un dispositivo diferente.
El umbral se puede obtener calculando la correlación para:
En general, es probable que los conjuntos positivos y los conjuntos negativos no estén perfectamente separados, por lo que debe establecer un equilibrio deseado entre falsos positivos y falsos negativos que desee obtener de un caso a otro.
Si se usa apropiadamente, se ha demostrado que el método es muy confiable, aunque se ha demostrado que es posible encontrar dos ejemplos del mismo modelo con PRNU muy similar. Esto puede suceder, por ejemplo, si el sensor de los dos dispositivos se produjo a partir de la misma oblea de silicio. Es una posibilidad remota, pero sigue siendo una posibilidad.
Como ejemplo, esta imagen a continuación es la PRNU extraída de una imagen sin contenido significativo (imagen desenfocada de una pared).
Manipulación
La correlación PRNU también se puede aplicar localmente para detectar la manipulación de las imágenes. La idea es calcular la PRNU en una ventana deslizante de nxn píxeles a través de la imagen para crear un mapa de correlación. Las áreas con baja correlación tendrán una alta probabilidad de haber sido objeto de manipulación.
La imagen a continuación representa un ejemplo de una imagen que se analiza.
A continuación se muestra el resultado de la correlación en bloque de CRP con la PRNU extraída de la imagen. El área blanca representa las áreas más susceptibles de ser manipuladas, donde el ruido es inconsistente. En el centro del escritorio hay una clara señal de manipulación.
De hecho, esta es la imagen original, de donde se ha quitado un arma.
Referencias
Hay innumerables artículos que analizan la PRNU desde diferentes puntos de vista, pero estos son probablemente los más importantes:
Resumen
La tecnología para distinguir imágenes provenientes de diferentes cámaras, incluso si son de la misma marca y modelo, existe y está bastante establecida en la comunidad académica y forense. Hay algunos productos de software disponibles en el mercado que le permiten hacerlo con relativa facilidad y también evaluar la autenticidad de la imagen con un proceso similar.
fuente
Esta es una pregunta interesante. Si bien no creo que sea posible con una precisión del 100%, debería poder determinar, con un número suficiente de fotos de origen, de qué tipo de cámara proviene. A esto se le dan ciertas distribuciones de ruido, ciertas propiedades internas de la cámara (que se pueden determinar solo con datos de fotos en bruto), etc. Pero no hay ningún software conocido que conozca para hacer esto. Hablando de manera realista, en este punto solo debes considerar que actualmente no es posible.
fuente