É possível identificar imagens (sem dados exif) e vinculá-las exatamente à mesma câmera? Nesse caso, gostaria de algumas recomendações de software para fazer o trabalho.
Eu tenho duas fotos que eu gostaria de comparar se foram tiradas com a mesma câmera ou não. Ambos parecem não ter dados EXIF, mas tenho certeza de que ouvi outras impressões digitais ocultas nas imagens.
Por exemplo, o ruído do sensor deve ser bastante consistente se as fotos forem tiradas com a mesma câmera, como disparar uma pistola e a bala obter marcas únicas. Também ouvi dizer que os fabricantes de câmeras às vezes adicionam uma marca d'água oculta que pode ser lida com algum software especial.
Respostas:
Bingo - isso está certo no dinheiro.
Existem dois aspectos que eu conheço quando trabalhei nessa área em 2006-2007. O primeiro foi a identificação da marca e modelo da câmera e o segundo foi identificar se uma câmera específica tirou uma imagem específica.
Aqui estão alguns links relevantes:
Dada uma grande amostra de imagens de várias câmeras, posso produzir um padrão de ruído médio que existe em uma determinada marca e modelo. Quando fornecida com uma única imagem, posso usar esse padrão de ruído médio e a imagem única para, com alta confiança, informar a marca e o modelo de uma determinada câmera.
Dada uma amostra de imagens de uma única câmera, posso comparar uma única imagem com o padrão de ruído dessa amostra de imagens e dizer se a câmera que produziu a amostra grande também produziu a imagem única.
No entanto, os algoritmos e técnicas para fazer isso são patenteados. Acredito que a patente US 7.616.237 é relevante para sua pergunta em particular. Ele cita o trabalho de Jessica Fridrich, Miroslav Goljan e Jan Lukas e também fornece uma série de trabalhos de pesquisa sobre o assunto. Infelizmente, não estou familiarizado com nenhum software disponível publicamente (comercial ou outro) que implemente essa técnica. O trabalho que eu estava fazendo era em nome do Departamento de Defesa dos EUA, que apoiou a pesquisa que entrou nessa patente.
fonte
Se o sensor tiver pixels quentes e esses pixels não forem removidos das fotos, você poderá identificar a câmera.
fonte
Na sua situação, você praticamente não pode. O ruído não é inteiramente aleatório, mas possui um componente aleatório. Para isolar a impressão digital da câmera, é necessário criar um perfil da câmera em uma série de fotos. Tendo apenas duas fotos, não há muito o que fazer.
Alguns fabricantes de câmeras adicionam uma assinatura, mas isso inclui os metadados. Portanto, se o EXIF foi retirado, você estará sem sorte nessa frente. Além disso, ele foi projetado para determinar se uma imagem veio de uma câmera e não de qual câmera ela veio.
fonte
A resposta curta
Sim, é possível combinar uma foto com a câmera discreta em que foi tirada (sem metadados) e também é bastante confiável. A técnica está prontamente disponível em alguns produtos de software, um deles é o Amped Authenticate , produzido pela Amped Software (exoneração de responsabilidade: eu sou o CEO e o Fundador da empresa).
A ideia básica
A idéia básica é que cada dispositivo deixe uma “impressão digital de ruído” diferente em cada foto que produz. Esse componente é chamado de PRNU (não-uniformidade da resposta fotográfica) e tem sido amplamente estudado na literatura. Foi demonstrado ser:
No entanto, ele não funciona corretamente nestas situações:
Como funciona
Para extrair o PRNU da imagem, você precisa basicamente extrair um componente específico do ruído. Você pode fazer isso suavizando a imagem e subtraindo a imagem original. Na literatura, recomenda-se o uso de filtros Wavelet, mas mesmo com filtros mais simples e rápidos, você pode obter resultados semelhantes.
Na prática, o procedimento é realizado da seguinte maneira:
Você precisa criar o CRP (Camera Reference Pattern) : isso é feito para extrair o PRNU de algumas imagens do seu dispositivo de teste. Para obter os melhores resultados, é recomendável usar de 30 a 50 fotos com o mínimo de detalhes possível e não muito escuro ou muito branco e fazer uma média de pixel por pixel. Vamos chamar essas imagens de referência . Se você possui a câmera, pode tirar fotos fora de foco de uma parede ou do céu. Se você não tiver a câmera, poderá tirar fotos em geral, mas provavelmente precisará de mais delas para filtrar os detalhes com a média.
Em seguida, você pode extrair o PRNU da imagem em análise e calcular a correlação com o CRP . Quanto maior a correlação, maior a probabilidade de a imagem provir da mesma câmera.
Você pode classificar automaticamente as imagens que calculam um limite para a correlação: as imagens com uma correlação maior que o limite terão uma alta probabilidade de vir da câmera, caso contrário elas provavelmente serão de outro dispositivo.
O limite pode ser obtido calculando a correlação para:
Em geral, é provável que os conjuntos positivos e negativos não sejam perfeitamente separados, portanto, você deve definir um equilíbrio desejado entre falsos positivos e falsos negativos que deseja obter caso a caso.
Se usado adequadamente, o método demonstrou ser muito confiável, mesmo que tenha sido demonstrado que é possível encontrar dois exemplos do mesmo modelo com PRNU muito semelhante. Isso pode acontecer, por exemplo, se o sensor dos dois dispositivos for produzido a partir da mesma pastilha de silicone. É uma possibilidade remota, mas ainda uma possibilidade.
Como exemplo, esta imagem abaixo é o PRNU extraído de uma imagem sem conteúdo significativo (imagem fora de foco de uma parede).
Violação
A correlação PRNU também pode ser aplicada localmente para detectar violação nas imagens. A idéia é calcular o PRNU em uma janela deslizante de nxn pixels na imagem para criar um mapa de correlação. Áreas com baixa correlação terão uma alta probabilidade de serem sujeitas a adulteração.
A imagem abaixo representa um exemplo de uma imagem que está sendo analisada.
Abaixo está o resultado da correlação em bloco da PCR com o PRNU extraído da imagem. A área branca representa as áreas com maior probabilidade de serem adulteradas, onde o ruído é inconsistente. No meio da mesa, há um sinal claro de violação.
De fato, esta é a imagem original, de onde uma arma foi removida.
Referências
Existem inúmeros trabalhos que analisam o PRNU sob diferentes pontos de vista, mas estes são provavelmente os mais importantes:
Sumário
A tecnologia para distinguir imagens provenientes de câmeras diferentes, mesmo que sejam da mesma marca e modelo, existe e é bastante estabelecida na comunidade acadêmica e forense. Existem alguns produtos de software disponíveis no mercado que permitem fazê-lo com relativa facilidade e também avaliam a autenticidade da imagem com um processo semelhante.
fonte
Esta é uma pergunta interessante. Embora eu não ache que seja possível com 100% de precisão, você deve poder determinar, com um número suficiente de fotos de origem, de qual tipo de câmera veio. Isso é fornecido com determinadas distribuições de ruído, certas propriedades internas da câmera (que podem ser determinadas apenas a partir de dados brutos da foto), etc ... Mas não tenho nenhum software conhecido para fazer isso. Realisticamente falando, embora neste momento você deva considerar que atualmente não é possível.
fonte