EP4260228A1 - Procédé de vérification d'une image numérique - Google Patents

Procédé de vérification d'une image numérique

Info

Publication number
EP4260228A1
EP4260228A1 EP21830641.3A EP21830641A EP4260228A1 EP 4260228 A1 EP4260228 A1 EP 4260228A1 EP 21830641 A EP21830641 A EP 21830641A EP 4260228 A1 EP4260228 A1 EP 4260228A1
Authority
EP
European Patent Office
Prior art keywords
pixels
image
pixel
candidate image
absolute deviation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
EP21830641.3A
Other languages
German (de)
English (en)
Inventor
Gaël MAHFOUDI
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Surys SA
Original Assignee
Surys SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Surys SA filed Critical Surys SA
Publication of EP4260228A1 publication Critical patent/EP4260228A1/fr
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing

Definitions

  • the present invention relates to the field of detecting the integrity of a digital image.
  • image For brevity, a digital image will hereinafter be referred to as an "image".
  • an image is intact if it has not undergone any modification.
  • Inpainting is a technique of reconstructing images or filling in missing parts of an image. It is an image synthesis technique which consists of replacing pixels deleted from a predetermined area of the original image by diffusion of adjacent pixels, for so-called “diffusion-based” methods, or by gluing and assembling pixels copied for so-called “examplar-based” methods.
  • a “falsified” pixel means a pixel modified by inpainting, whether it is diffused or pasted and assembled.
  • the pixels falsified by inpainting come from the original image and not from another source, it is an intrinsic modification.
  • Another image manipulation technique is for example that of copied/pasted pixels which consists of an identical duplication of existing pixels.
  • This technique is foreign to the invention because in an inpainting technique, the falsified pixels are not exact duplications of existing pixels. Indeed, unlike copy/paste techniques, when inpainting implements a copy/paste of pixels, the pasted pixels are then also reassembled or rearranged; they are therefore not identically duplicated.
  • Inpainting is used, for example, to remove all or part of an object or character from an image.
  • the deleted part is replaced by another object, another character, or a background, whether for artistic or fraudulent purposes.
  • inpainting always involves the creation of a background texture.
  • the user of this technique then works to merge the background texture thus created with the original one so that the modification of the image is the least detectable possible.
  • An inpainting algorithm fills said zone with a set of pixels, the border of which is a transition zone, of the order of a few pixels to a few tens of pixels which separates the original pixels, i.e. the pixels of the original image from the pixels recreated by the inpainting algorithm.
  • transition zone of such a modified image may appear more blurred than the rest of the image, i.e. the sharpness of the latter may locally decrease.
  • the present invention aims to cleverly exploit this characteristic.
  • the present invention aims, according to a first of its objects, at a method for verifying a candidate image, to determine whether the latter has undergone falsification by image reconstruction.
  • said pixel (x; y) is considered as an original pixel, otherwise said pixel (x; y) is considered as a pixel falsified by image reconstruction, and
  • step of calculating the average comprises calculating the average of the estimated reflectance A R(x; y) for each sub-image.
  • the invention relates to a computer program comprising program code instructions for the execution of the steps of the method according to the invention, when said program is executed on a computer.
  • computer we mean a personal computer, but also a tablet, a smartphone or a server.
  • FIG. 1 illustrates a candidate image presenting two different textures
  • FIG. 2 illustrates the result of applying a median filter to the image in Figure 1
  • FIG. 3 illustrates a binary segmentation of the image of figure 2
  • FIG. 4 illustrates another candidate image, representing a pen
  • FIG. 5 illustrates the image of figure 4, falsified
  • FIG. 6 illustrates a heat map according to the invention of the candidate image of figure 5
  • FIG. 7 illustrates another candidate image, representing part of a MRZ, falsified
  • FIG. 8 illustrates a heat map according to the invention of the candidate image of figure 7.
  • an image is an image from a photo/video sensor or a synthetic image.
  • the image is in grayscale or preferably in color, but not in black and white.
  • this candidate image is a question of determining, thanks to the invention, whether this candidate image is an original image or an image modified by inpainting, that is to say falsified.
  • the candidate image has at least one of the following characteristics:
  • the falsified image must not have a high compression rate.
  • the original image presents an increase in noise, a grain, by increasing the ISO beyond a threshold value, during the capture of the original image, which generates a kind of texture which is very difficult to reproduce by an inpainting algorithm, and which facilitates the detection of a possible falsification.
  • a candidate image is an image of a data page of a valuable document.
  • Valuable document means any official identity document or security document, i.e. issued by a government or authority (identity card, passport, driver's license, birth certificate, work, visa, etc.) or unofficial (subscription card, loyalty card, show or transport ticket, etc.).
  • a candidate image can be modeled as the product of the light intensity and the reflectance of its object.
  • L is the light intensity of the lighting source, i.e. the quantity of light (real or simulated for a computer-generated image) reaching the surface of the valuable document at a point corresponding to the coordinate pixel (x, y) of the image
  • R is the reflectance, which is the proportion of light reflected from the surface, in this case of the valuable document, from which the original image originated.
  • filtering an image amounts to performing a mathematical operation of multiplication. And it is faster to calculate the result of a multiplication than a convolution (in the spatial domain).
  • the estimated reflectance A R(x; y) is an estimate of the surface roughness at pixel (x; y). That is, the more the reflectance A R varies around the pixel of coordinates (x; y), the rougher the image texture is in the area of the image around this point.
  • a reflectance matrix is thus calculated, which gives the value of the estimated reflectance A R(x; y) for a pixel (x; y) of the candidate image.
  • the local variance is calculated for a rectangular window of size NxM pixels centered around the pixel (x, y), and in this case a square of 11 pixels side.
  • a symmetry technique or another technique known to those skilled in the art can be used.
  • Each color is determined by RGB values which are within predetermined values.
  • each color the respective local variance is calculated for all the pixels (x; y) of each group.
  • the candidate image can thus divide the candidate image into several adjacent sub-images, or blocks, which do not overlap, and we thus calculate for each block the respective local variances for all the pixels (x; y) of the block.
  • the shape and dimensions of the sub-images are predetermined and may differ from one sub-image to another.
  • each group of pixels corresponds to a block of pixels whose pixels are adjacent two by two and represent the same texture, independently of their color; for example by an image segmentation algorithm.
  • a sub-image is extracted from the candidate image and at least one of the 4 variants above is applied to this sub-image, replacing all the pixels (x; y) of the candidate image by all the pixels (x; y) of the sub-image.
  • a sub-image can be a predefined area of the passport, in particular the MRZ as shown in Figure 7.
  • the absolute deviation of the local variance of the estimated reflectance A R of said pixel (x; y) is measured. with respect to all the pixels (x; y) of said group of pixels according to the variant implemented.
  • Calculating the group variance is optional.
  • reference values which are group variance values, for all the groups. These reference values are obtained for example in a learning phase, thanks to measurements made on original images.
  • the group variances for images of standardized documents, typically identity documents, vary little from one image to another. We can therefore assign a single reference value per group.
  • the reference values are indexed to a value document type.
  • the acquisition conditions of the candidate image are known and the same for the original images during the learning phase. This second embodiment generally allows faster calculations than the first embodiment.
  • the pixels of the same color we take all the pixels in a given color slice, for example the green pixels, and for each green pixel, we calculate the absolute deviation of the local variance of the reflectance. And so on for the other colors.
  • the local variance of the reflectance of each pixel is therefore compared to the median of the local variances of the reflectance of all the pixels of said color.
  • the greater the value of the deviation the greater the intensity assigned to said pixel, or the more the color assigned to it tends towards red.
  • the lower the value of the deviation the lower the intensity assigned to said pixel, or the more the color assigned to it tends towards blue.
  • the present invention thus makes it possible to locate, on the candidate image, the falsified zone. So, if the falsified area on a passport is part of the background, it may be an artifact. On the other hand, if the falsified area on a passport is part of the MRZ or a field relating to the identity of the bearer, then the candidate image has certainly been falsified.
  • Figure 1 illustrates a candidate image presenting two different textures: a fine texture in its left part and a smoother texture in its right part.
  • Figure 3 is obtained by binarizing figure 2, in this case with an Otsu binarization.
  • Figure 3 clearly illustrates that the texture on the left is overall sharper than the one on the right, and that the texture on the right, the white areas on a black background, actually correspond to sharper areas, see the corresponding areas in Figure 2.
  • This principle set out in FIGS. 1 to 3 is used to detect the sharpness transition zones on a candidate image.
  • figure 4 represents a pen. This figure has been tampered with inpainting by deleting this one, as shown in figure 5.
  • the entire tampered zone can be identified on the heat map according to the invention illustrated in Figure 6.
  • some frauds consist of falsifying an image of the data page by deleting a text area and then rewriting another text in this area.
  • This type of falsification is sometimes used in the field of remote check-in for boarding an air flight, an image of the identity document is sent to a control center.
  • the present invention makes it possible, for example, to verify that this image has not been digitally retouched.
  • Figure 7 illustrates a portion of the machine-readable zone (MRZ) that has been tampered with by inpainting.
  • the falsification consisted of deleting the name of the bearer of the document and replacing it with the fictitious name “OLIVERA” followed by a “ ⁇ ” character.
  • the mathematical variance of the estimated reflectance A R it is possible to implement a calculation of the gradient of the estimated reflectance A R, according to a set of at least one predetermined direction with respect to said pixel (x; y).
  • the falsification of an original image generates contours which are not necessarily visible on the candidate image. It is also possible to implement an edge detection step on the heat map and on the original image.
  • the invention it is possible to exercise a sort of self-control of a candidate image, that is to say that the candidate image is sufficient unto itself, which makes it possible to free from a possible reference database, which will typically include an original image to which the candidate image would be compared.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

Procédé de vérification d'une image candidate, pour déterminer si au moins une zone de celle-ci a subi une falsification par reconstruction d'images, caractérisé en ce que le procédé comprend des étapes consistant à : - estimer la réflectance AR(x; y) pour l'ensemble des pixels (x; y) de l'image candidate, -calculer la variance locale de la réflectance estimée AR(x, y), pour au moins un ensemble de pixels (x, y) de l'image candidate. - calculer la déviation absolue de la variance locale pour chaque pixel (x; y) dudit ensemble de pixels (x; y) de l'image candidate, - comparer la déviation absolue calculée à une valeur seuil prédéterminée, et - si la déviation absolue, est inférieure à ladite valeur seuil prédéterminée, alors ledit pixel (x; y) est considéré comme un pixel original, sinon ledit pixel (x; y) est considéré comme un pixel falsifié..

Description

Procédé de vérification d’une image numérique.
Domaine de l’invention
La présente invention concerne le domaine de la détection de l’intégrité d’une image numérique.
Par concision, une image numérique sera dénommée ci-après « image ».
Au sens de la présente invention, une image est intègre si elle n’a pas subi de modification.
La modification, ou indistinctement la falsification, d’une image originale envisagée ici est une technique de peinture connue sous l’anglicisme « Inpainting » et décrite par exemple à l’adresse suivante : htps://fr.wikipedia.org/wiki/lnpainting.
L’inpainting est une technique de reconstruction d'images ou de remplissage des parties manquantes d'une image. C’est une technique de synthèse d’image qui consiste à remplacer des pixels supprimés d’une zone prédéterminée de l’image originale par diffusion des pixels adjacents, pour les méthodes dites « diffusion-based », ou par collage et assemblage de pixels copiés pour les méthodes dites « examplar-based ».
Par concision, on entend ci-après par pixel « falsifié » un pixel modifié par inpainting, qu’il soit diffusé ou collé et assemblé.
On entend indistinctement inpainting et « technique de reconstruction d'images ».
Contrairement à d’autres techniques de manipulation d’image, les pixels falsifiés par inpainting proviennent de l’image originale et non d’une autre source, c’est une modification intrinsèque.
Une autre technique de manipulation d’image est par exemple celle de copié/collé de pixels qui consiste à une duplication à l’identique de pixels existants. Cette technique est étrangère à l’invention car dans une technique d’inpainting, les pixels falsifiés ne sont pas des duplications exactes de pixels existants. En effet, contrairement aux techniques de copier/collé, lorsque l’inpainting met en œuvre un copier/coller de pixels, les pixels collés sont alors également réassemblés ou réagencés; ils ne sont donc pas dupliqués à l’identique.
L’inpainting est utilisé par exemple pour supprimer tout ou partie d’un objet ou d’un personnage d’une image. La partie supprimée est remplacée par un autre objet, un autre personnage, ou un fond, que ce soit à des fins artistiques ou frauduleuses.
Quelle que soit sa finalité, l’inpainting implique toujours la création d’une texture de fond. L’utilisateur de cette technique s’emploie ensuite à fusionner la texture de fond ainsi créée avec celle d’origine pour que la modification de l’image soit la moins détectable possible.
Il existe par exemple des logiciels d’inpainting qui sont appliqués pour masquer un « trou » dans une image.
Lorsqu’une image a été traitée par un logiciel d’inpainting, elle a, nécessairement, subi un traitement préalable consistant à supprimer les pixels d’une zone de l’image dont la forme et la position est définie.
Il existe donc un contour correspondant, temporairement, à la bordure de la zone des pixels supprimés.
Un algorithme d’inpainting remplit ladite zone par un ensemble de pixels, dont la bordure est une zone de transition, de l’ordre de quelques pixels à quelques dizaines de pixels qui sépare les pixels originaux, c’est-à-dire les pixels de l’image originale des pixels recréés par l’algorithme d’inpainting.
Par conséquent, la zone de transition d’une telle image modifiée peut apparaitre plus floue que le reste de l’image, c’est-à-dire que la netteté de celle-ci peut localement diminuer.
La présente invention vise à exploiter astucieusement cette caractéristique.
Dans ce contexte, la présente invention vise, selon un premier de ses objets, un procédé de vérification d’une image candidate, pour déterminer si celle-ci a subi une falsification par reconstruction d'images.
Il est essentiellement caractérisé en ce qu’il comprend des étapes consistant à :
- déterminer la réflectance estimée AR(x; y) pour la totalité des pixels (x; y) de l’image candidate,
- pour chaque pixel (x; y) d’au moins une fenêtre présentant une forme prédéterminée et des dimensions prédéterminées, centrée ledit pixel (x,y), et comprenant un groupe de pixels (x; y) de l’image candidate, déterminer la variance locale de la réflectance estimée AR(x; y) pour le groupe de pixels de ladite fenêtre,
- calculer la déviation absolue de la variance locale de la réflectance estimée AR(x; y) pour chaque pixel de chaque groupe de pixels (x; y) de l’image candidate,
- comparer la déviation absolue calculée à une valeur seuil prédéterminée,
- si la déviation absolue est inférieure à ladite valeur seuil prédéterminée, alors ledit pixel (x; y) est considéré comme un pixel original, sinon ledit pixel (x; y) est considéré comme un pixel falsifié par reconstruction d'images, et
- émettre un signal représentatif d’une alerte si le nombre de pixels (x; y) considérés comme falsifiés par reconstruction d'images est supérieur à une valeur seuil prédéterminée.
On peut prévoir en outre une étape d’affichage d’une carte de chaleur, consistant à affecter une valeur de couleur prédéterminée à la totalité desdits pixels (x; y) considérés comme falsifiés.
On peut prévoir en outre une étape consistant à affecter une valeur de couleur prédéterminée à la totalité desdits pixels (x; y) considérés comme originaux.
On peut prévoir que l’étape de calcul de la déviation absolue comprend le calcul des déviations absolues des variances locales de la réflectance estimée AR(x; y) pour une pluralité de groupes de pixels (x; y), et que chaque groupe correspond à une couleur respective.
On peut prévoir que le calcul de la déviation absolue comprend le calcul d’une unique déviation absolue de la variance locale de la réflectance estimée AR(x; y) pour la totalité des pixels (x; y) de l’image candidate.
On peut prévoir en outre une étape consistant à diviser l’image candidate en une pluralité de sous-images, qui ne se chevauchent pas et qui peuvent être adjacents ou distants, dans lequel l’étape de calcul de la moyenne comprend le calcul de la moyenne de la réflectance estimée AR(x; y) pour chaque sous-image.
On peut prévoir que l’image candidate est une image représentant tout ou partie d’un document de valeur, notamment d’une page de données d’un document d’identité, d’un visa, d’un chèque, etc. On peut prévoir que le document d’identité comprend une zone de lecture automatique (MRZ), le procédé comprenant une étape consistant à sélectionner comme image candidate au moins l’une parmi :
- une image de la zone de lecture automatique (MRZ),
- un champ relatif à l’identité du porteur dudit document d’identité, et
- un champ relatif au document d’identité tel que sa date d’émission, sa date de validité, l’autorisation (par exemple pour un permis de conduire), etc...
On peut prévoir une étape consistant à augmenter le grain ISO de l’image candidate au-delà d’une valeur seuil prédéterminée, lors de la capture de ladite image candidate.
Selon un autre de ses objets, l’invention concerne un programme d’ordinateur comprenant des instructions de code de programme pour l’exécution des étapes du procédé selon l’invention, lorsque ledit programme est exécuté sur un ordinateur.
Par ordinateur, on entend un ordinateur personnel, mais également une tablette, un smartphone ou un serveur.
D’autres caractéristiques et avantages de la présente invention apparaîtront plus clairement à la lecture de la description suivante donnée à titre d’exemple illustratif et non limitatif et faite en référence aux figures annexées.
Figures
[Fig. 1] illustre une image candidate présentant deux textures différentes,
[Fig. 2] illustre le résultat de l’application d’un filtre médian à l’image de la figure 1 ,
[Fig. 3] illustre une segmentation binaire de l’image de la figure 2,
[Fig. 4] illustre une autre image candidate, représentant un stylo,
[Fig. 5] illustre l’image de la figure 4, falsifiée,
[Fig. 6] illustre une carte de chaleur selon l’invention de l’image candidate de la figure 5,
[Fig. 7] illustre une autre image candidate, représentant une partie d’une MRZ, falsifiée,
[Fig. 8] illustre une carte de chaleur selon l’invention de l’image candidate de la figure 7.
- Description détaillée -
Au sens de la présente invention, une image est une image issue d’un capteur photo/vidéo ou une image de synthèse.
L’image est en niveaux de gris ou préférentiellement en couleurs, mais pas en noir et blanc.
Elle est appelée image candidate en ce qu’il s’agit de déterminer, grâce à l’invention, si cette image candidate est une image originale ou une image modifiée par inpainting, c’est-à-dire falsifiée.
De préférence, l’image candidate présente au moins l’une des caractéristiques suivantes :
- une définition suffisante, c’est-à-dire un nombre total de pixels de l’image supérieur à une valeur seuil prédéterminée, - une faible compression avant l’éventuelle falsification, c’est-à-dire dont le taux de compression est inférieur à une valeur seuil prédéterminée. Autrement dit l’image falsifiée ne doit pas présenter un fort taux de compression.
De préférence, lorsque cela est possible, l’image originale présente une augmentation du bruit, un grain, par augmentation des ISO au-delà d’une valeur seuil, lors de la capture de l’image originale, ce qui génère une sorte de texture qui est très difficile à reproduire par un algorithme d’inpainting, et qui facilite la détection d’une éventuelle falsification.
Pour simplifier la présente description, on considère ici uniquement le cas dans lequel une image candidate est une image d’une page de données d’un document de valeur.
Par document de valeur, on entend tout document d’identité ou document de sécurité, officiel, c’est-à-dire émis par un gouvernement ou une autorité (carte d’identité, passeport, permis de conduire, certificat de naissance, de travail, visa, etc.) ou non officiel (carte d’abonnement, carte de fidélité, ticket de spectacle ou de transport etc.).
*Réflectance*
Sous forme numérique, une image candidate peut être modélisée comme le produit de l’intensité lumineuse et de la réflectance de son objet.
On peut ainsi définir une équation (1) par l(x; y) = L(x; y) * R(x; y), telle que :
I est l’image,
(x, y) sont les coordonnées cartésiennes des pixels de l’image I,
L est l’intensité lumineuse de la source d’éclairage, c’est-à-dire la quantité de lumière (réelle ou simulée pour une image de synthèse) arrivant à la surface du document de valeur en un point correspondant au pixel de coordonnées (x, y) de l’image, et R est la réflectance, qui est la proportion de lumière réfléchie par la surface, en l’espèce du document de valeur, dont est issue l’image originale.
On peut prendre le logarithme de l’équation (1).
On obtient ainsi l’équation (2) : ln(l (x; y)) = ln(L(x; y)) + ln(R(x; y))
Dans le domaine fréquentiel, filtrer une image revient à faire une opération mathématique de multiplication. Et il est plus rapide de calculer le résultat d’une multiplication que d’une convolution (dans le domaine spatial).
On transforme donc avantageusement l’équation (2) dans le domaine fréquentiel, en lui appliquant une transformée de Fourier F, soit l’équation (2’) telle que : F(ln( I (x; y))) = F(ln(L(x; y)) + ln(R(x; y)))
La réflectance R étant dans les hautes fréquences, on peut appliquer un filtre passe-haut H dans le domaine de Fourier à l’équation (2’),
On a donc : F(ln(l(x; y))) H(u; v) = [F(ln(L(x; y)) + ln(R(x; y)))] H(u; v) Soit F(ln(l(x; y))) H(u; v) = F(ln(L(x; y)) H(u; v) + ln(R(x; y))) H(u; v)
En supprimant les basses fréquences grâce au filtre H, on a :
F(ln(l(x; y))) H(u; v) = F(ln(L(x; y)) H(u; v) ce qui permet d’obtenir l’équation (3) : r(u; v) = F(ln(l(x; y)))H(u; v) avec
- (u; v) les fréquences correspondantes aux coordonnées (x, y), H un filtre passe-haut dans le domaine de Fourier,
F la transformée de Fourier,
- r un changement de variable de calcul tel que r(u ; v) = F(ln(L(x; y)) H(u; v)
On peut ainsi estimer la réflectance AR en calculant l’exponentielle de la transformée de Fourier inverse de l’équation (3).
On obtient ainsi l’équation (4) : AR(x; y) = exp(F1(r(u; v)))
La réflectance estimée AR(x; y) est une estimation de la rugosité de surface au pixel (x; y). C’est-à-dire que plus la réflectance AR varie autour du pixel de coordonnées (x; y), plus la texture de l’image est rugueuse dans la zone de l’image autour de ce point.
On calcule ainsi une matrice de réflectance, qui donne la valeur de la réflectance estimée AR(x; y) pour un pixel (x; y) de l’image candidate.
* Variance locale de la réflectance*
On prévoit de calculer la variance locale de la réflectance estimée AR(x; y) pour au moins un groupe de pixels (x; y) de l’image candidate.
En l’espèce, pour un pixel (x; y), on prend une forme prédéterminée dont les dimensions sont prédéterminées, également appelée « fenêtre », et qui est centrée sur ledit pixel (x,y), et on détermine la variance locale de la réflectance estimée AR dudit pixel (x; y) au sein de ladite forme prédéterminée.
Par exemple, la variance locale est calculée pour une fenêtre rectangulaire de taille NxM pixels centrée autour du pixel (x, y), et en l’espèce un carré de 11 pixels de côté. Pour les pixels des bords de l’image candidate, on peut utiliser une technique de symétrie ou une autre technique connue de l’homme du métier.
On peut alors calculer, pour chaque groupe de pixels, la variance des variances locales, également appelée « variance du groupe ».
Dans une première variante,
On prévoit de calculer une unique variance locale de la réflectance estimée AR(x; y) pour un groupe de pixels qui correspond à la totalité des pixels (x; y) de l’image candidate.
Dans une deuxième variante, on prévoit de calculer la variance locale de la réflectance estimée AR(x; y) pour une pluralité de groupes de pixels (x; y), dans lequel chaque groupe correspond à une couleur respective pour la totalité des pixels (x; y) de l’image candidate.
Chaque couleur est déterminée par des valeurs RGB qui sont comprises dans des valeurs prédéterminées.
On calcule ainsi, pour chaque couleur, la variance locale respective pour la totalité des pixels (x; y) de chaque groupe. Dans une troisième variante, on peut aussi prévoir que chaque groupe de pixels correspond à un bloc de pixels adjacents deux à deux, indépendamment de la texture qu’ils représentent ou de leur couleur.
On peut ainsi diviser l’image candidate en plusieurs sous-images, ou blocs, adjacents, qui ne se chevauchent pas, et on calcule ainsi pour chaque bloc les variances locales respectives pour la totalité des pixels (x; y) du bloc. La forme et les dimensions des sous-images sont prédéterminées et peuvent différer d’une sous-image à l’autre.
Dans une quatrième variante, on prévoit que chaque groupe de pixels correspond à un bloc de pixels dont les pixels sont adjacents deux à deux et représentent une même texture, indépendamment de leur couleur ; par exemple par un algorithme de segmentation d'image.
Enfin dans une cinquième variante, on extrait une sous-image de l’image candidate et on applique à cette sous-image, au moins l’une quelconque des 4 variantes ci-dessus, en remplaçant la totalité des pixels (x; y) de l’image candidate par la totalité des pixels (x; y) de la sous-image. Par exemple, pour une image candidate telle qu’un passeport, une sous- image peut être une zone prédéfinie du passeport, en particulier la MRZ comme illustré sur la figure 7.
* Déviation absolue de la variance locale de la réflectance*
Quelle que soit la variante ci-dessus, pour chaque pixel (x; y) d’un groupe donné de l’image candidate, on mesure la déviation absolue de la variance locale de la réflectance estimée AR dudit pixel (x; y) par rapport à l’ensemble des pixels (x; y) dudit groupe de pixels selon la variante mise en œuvre.
Dans un premier mode de réalisation, on peut alors, pour chaque pixel (x; y) d’un groupe de pixel, calculer la différence entre :
- la variance locale de la réflectance estimée AR de chaque pixel (x; y) dudit groupe de pixel et
- la variance de la réflectance estimée AR de tous les pixels (x; y) dudit groupe de pixel, c’est-à-dire la variance du groupe.
Le calcul de la variance du groupe est facultatif.
Alternativement, dans un deuxième mode de réalisation, on peut en effet déterminer des valeurs de référence qui sont des valeurs de variance du groupe, pour tous les groupes. Ces valeurs de référence sont obtenues par exemple dans une phase d’apprentissage, grâce à des mesures faites sur des images originales. A titre d’exemple, les variances de groupes pour des images de documents normés, typiquement des documents d’identité, varient peu d’une image à l’autre. On peut donc assigner une valeur de référence unique par groupe.
Dans ce cas, on peut alors, pour chaque pixel (x; y) d’un groupe de pixel, calculer la différence entre :
- la variance locale de la réflectance estimée AR de chaque pixel (x; y) dudit groupe de pixel et
- la valeur de référence.
De préférence, les valeurs de référence sont indexées à un type de document de valeur. De préférence, les conditions d’acquisition de l’image candidate sont connues et les mêmes pour les images originales pendant la phase d’apprentissage. Ce deuxième mode de réalisation permet généralement des calculs plus rapides que le premier mode de réalisation.
L’un ou l’autre des calculs de différence selon les 2 modes de réalisation ci-dessus permet de déterminer si la variance locale d’un pixel est anormale par rapport à la variance du groupe.
On peut prévoir de comparer le résultat du calcul de différence à une valeur seuil prédéterminée, ce qui permet de binariser le résultat.
Par exemple, pour la deuxième variante, pour déterminer les pixels de même couleur, on prend tous les pixels dans une tranche de couleur donnée, par exemple les pixels verts, et pour chaque pixel vert, on calcule la déviation absolue de la variance locale de la réflectance. Et ainsi de suite pour les autres couleurs.
Pour une couleur donnée, on compare donc la variance locale de la réflectance de chaque pixel (x; y) à la médiane des variances locales de la réflectance de l’ensemble des pixels de ladite couleur.
Quelle que soit la variante, si la déviation absolue est inférieure à une valeur seuil prédéterminée, alors ledit pixel (x; y) est considéré comme un pixel original, sinon ledit pixel (x; y) est considéré comme un pixel falsifié.
On peut alors prévoir d’afficher sur l’image candidate l’ensemble desdits pixels (x; y) considérés comme pixels falsifiés avec une valeur de RGB prédéterminée, et obtenir ainsi une carte de chaleur.
On peut aussi, pour la production d’une carte de chaleur, affecter tous les pixels considérés comme pixels falsifiésd’une valeur de RGB prédéterminée, éventuellement de la même valeur. Optionnellement, en outre, on peut prévoir d’affecter tous les pixels considérés comme pixels originaux d’une autre valeur de RGB prédéterminée, ce qui permet, par effet de contraste, de faire ressortir les pixels considérés comme pixels falsifiés.
On peut aussi, pour la production d’une carte de chaleur, prévoir d’affecter tous les pixels considérés comme pixels falsifiés d’une valeur de RGB ou l’intensité dépend de l’écart entre la variance locale de la réflectance estimée AR dudit pixel (x; y) et la variance du groupe.
Plus l’écart entre la variance locale de la réflectance estimée AR dudit pixel (x; y) et la variance du groupe est grand, plus la probabilité que ledit pixel (x; y) soit falsifié est grande.
Pour illustrer ce principe, on peut prévoir que plus la valeur de l’écart est grande et plus l’intensité affectée audit pixel est grande, ou plus la couleur qui lui est affectée tend vers le rouge. Réciproquement, plus la valeur de l’écart est faible et plus l’intensité affectée audit pixel est faible, ou plus la couleur qui lui est affectée tend vers le bleu.
La présente invention permet ainsi de localiser, sur l’image candidate, la zone falsifiée. Ainsi, si la zone falsifiée sur un passeport est une partie du fond, il peut s’agir d’un artefact. En revanche, si la zone falsifiée sur un passeport est une partie de la MRZ ou d’un champ relatif à l’identité du porteur, alors l’image candidate a certainement été falsifiée.
En outre, grâce à la carte de chaleur, il est possible de déterminer la position de la zone falsifiée dans l’image.
A cet effet, on peut aussi prévoir une étape de sélection de zones de forme et de position prédéterminées, par exemple la MRZ d’un passeport, ou des zones de champs alphanumériques dont la position est connue, par exemple le nom, prénom, date de naissance etc. du porteur du document d’identité. On peut alors ne traiter que ces zones qui sont les plus susceptibles d’être modifiées, ce qui permet de gagner du temps de traitement.
* Exemples *
La figure 1 illustre une image candidate présentant deux textures différentes : une texture fine dans sa partie gauche et une texture plus lisse dans sa partie droite.
En appliquant un filtre médian à l’image de la figure 1, on obtient la figure 2. Le filtre médian permet de réduire le bruit.
La figure 3 est obtenue en binarisant la figure 2, en l’espèce avec une binarisation d’Otsu.
La figure 3 illustre clairement que la texture de gauche est globalement plus nette que celle de droite, et que la texture de droite, les zones blanches sur fond noir, correspondent effectivement à des zones plus nettes, voir les zones correspondantes sur la figure 2.
Ce principe exposé sur les figures 1 à 3 est utilisé pour détecter les zones de transition de netteté sur une image candidate.
Par exemple, la figure 4 représente un stylo. Cette figure a été falsifiée par inpainting en supprimant celui-ci, comme illustré sur la figure 5.
Toute la zone falsifiée peut être identifiée sur la carte de chaleur selon l’invention illustrée sur la figure 6.
Ce principe a été appliqué aux documents d’identité, en l’espèce à un passeport.
Par exemple, dans le domaine des documents d’identité, certaines fraudes consistent à falsifier une image de la page de données en supprimant une zone de texte puis en réécrivant un autre texte dans cette zone.
Ce type de falsification est parfois employé dans le domaine de l’enregistrement à distance pour rembarquement à bord d’un vol aérien, une image du document d’identité est envoyée à un centre de contrôle. La présente invention permet par exemple de vérifier que cette image n’a pas été retouchée numériquement.
La figure 7 illustre une partie de la zone de lecture automatique (MRZ par anglicisme) qui a été falsifiée par inpainting. La falsification a consisté à supprimer le nom du porteur du document et à le remplacer par le nom factice « OLIVERA » suivi d’un caractère « < ».
Cette falsification est clairement détectée par le procédé selon l’invention, dont la carte de chaleur correspondante à la figure 7 est illustrée à la figure 8.
L’invention n’est pas limitée aux modes de réalisation précédemment décrits.
On peut prévoir d’éliminer des calculs de variance et de moyenne, les pixels trop clairs ou trop sombres, c’est-à-dire les pixels dont la valeur d’intensité lumineuse est supérieure à une valeur seuil prédéterminée ou inférieure à une autre valeur seuil prédéterminée.
Quelle que soit la variante, pour un pixel (x; y) donné, plus la variance de la réflectance estimée AR est élevée, plus l’image est nette dans le voisinage local dudit pixel (x; y). Alternativement au calcul de la variance mathématique de la réflectance estimée AR, on peut mettre en œuvre un calcul de gradient de la réflectance estimée AR, selon un ensemble d’au moins une direction prédéterminée par rapport audit pixel (x; y).
La falsification d’une image originale génère des contours qui ne sont pas forcément visibles sur l’image candidate. On peut également mettre en œuvre une étape de détection de contours sur la carte de chaleur et sur l’image originale.
On peut alors comparer les contours de la carte de chaleur et de l’image originale pour détecter des contours qui sont sur la carte de chaleur et qui ne sont pas sur l’image originale. L’ensemble des pixels contenus dans le ou les contours fermés ainsi détectés sont considérés comme des pixels falsifiés.
Grâce à l’invention, il est possible d’exercer une sorte d’auto-contrôle d’une image candidate, c’est-à-dire que l’image candidate se suffit à elle-même, ce qui permet de s’affranchir d’une éventuelle base de données de référence, qui comprendrai typiquement une image originale à laquelle l’image candidate serait comparée.

Claims

Revendications
[Revendication 1 ] Procédé de vérification d’une image candidate, pour déterminer si celle-ci a subi une falsification par reconstruction d'images, caractérisé en ce que le procédé comprend des étapes consistant à :
- déterminer la réflectance estimée AR(x; y) pour la totalité des pixels (x; y) de l’image candidate,
- pour chaque pixel (x; y) d’au moins une fenêtre présentant une forme prédéterminée et des dimensions prédéterminées, centrée ledit pixel (x,y), et comprenant un groupe de pixels (x; y) de l’image candidate, déterminer la variance locale de la réflectance estimée AR(x; y) pour le groupe de pixels de ladite fenêtre,
- calculer une déviation absolue de la variance locale de la réflectance estimée AR(x; y) pour chaque pixel de chaque groupe de pixels (x; y) de l’image candidate,
- comparer la déviation absolue calculée à une valeur seuil prédéterminée,
- si la déviation absolue est inférieure à ladite valeur seuil prédéterminée, alors consider ledit pixel (x; y) comme un pixel original, sinon considérer ledit pixel (x; y) comme un pixel falsifié par reconstruction d'images, et
- émettre un signal représentatif d’une alerte si le nombre de pixels (x; y) considérés comme falsifiés par reconstruction d'images est supérieur à une valeur seuil prédéterminée.
[Revendication 2] Procédé selon la revendication 1 , comprenant en outre une étape d’affichage d’une carte de chaleur, consistant à affecter une valeur de couleur prédéterminée à l’ensemble desdits pixels (x; y) considérés comme falsifiés.
[Revendication 3] Procédé selon l’une quelconque des revendications précédentes, comprenant en outre une étape consistant à affecter une valeur de couleur prédéterminée à l’ensemble desdits pixels (x; y) considérés comme originaux.
[Revendication 4] Procédé selon l’une quelconque des revendications précédentes, dans lequel l’étape de calcul de la déviation absolue comprend le calcul des déviations absolues des variances locales de la réflectance estimée AR(x; y) pour une pluralité de groupes de pixels (x; y), dans lequel chaque groupe correspond à une couleur respective.
[Revendication 5] Procédé selon l’une quelconque des revendications 1 à 3, dans lequel l’étape de calcul de la déviation absolue comprend le calcul d’une unique déviation absolue de la variance locale de la réflectance estimée AR(x; y) pour la totalité des pixels (x; y) de l’image candidate.
[Revendication 6] Procédé selon l’une quelconque des revendications précédentes, comprenant en outre une étape consistant à diviser l’image candidate en une pluralité de sous-images, qui ne se chevauchent pas et qui peuvent être adjacents ou distants, dans lequel l’étape de calcul de la déviation absolue comprend le calcul des déviations absolues des variances locales de la réflectance estimée AR(x; y) pour chaque sous-image.
[Revendication 7] Procédé selon l’une quelconque des revendications précédentes, dans lequel l’image candidate est une image représentant tout ou partie d’une page de données d’un document de valeur.
[Revendication 8] Procédé selon la revendication 7, dans lequel le document de valeur est un document d’identité comprend une zone de lecture automatique (MRZ), le procédé comprenant une étape consistant à sélectionner comme image candidate au moins l’une parmi :
- une image de la zone de lecture automatique (MRZ),
- un champ relatif à l’identité du porteur dudit document d’identité, et - un champ relatif au document d’identité.
[Revendication 9] Procédé selon l’une quelconque des revendications précédentes, comprenant une étape consistant à augmenter le grain ISO de l’image candidate au-delà d’une valeur seuil prédéterminée, lors de la capture de ladite image candidate.
[Revendication 10] Programme d’ordinateur comprenant des instructions de code de programme pour l’exécution des étapes du procédé selon l'une quelconque des revendications précédentes, lorsque ledit programme est exécuté sur un ordinateur.
EP21830641.3A 2020-12-08 2021-12-06 Procédé de vérification d'une image numérique Pending EP4260228A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2012868A FR3117233A1 (fr) 2020-12-08 2020-12-08 Procédé de vérification d’une image numérique.
PCT/EP2021/084332 WO2022122625A1 (fr) 2020-12-08 2021-12-06 Procédé de vérification d'une image numérique

Publications (1)

Publication Number Publication Date
EP4260228A1 true EP4260228A1 (fr) 2023-10-18

Family

ID=76283775

Family Applications (1)

Application Number Title Priority Date Filing Date
EP21830641.3A Pending EP4260228A1 (fr) 2020-12-08 2021-12-06 Procédé de vérification d'une image numérique

Country Status (3)

Country Link
EP (1) EP4260228A1 (fr)
FR (1) FR3117233A1 (fr)
WO (1) WO2022122625A1 (fr)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116580409B (zh) * 2023-07-14 2023-09-19 深圳市明泰智能技术有限公司 一种证件的自动识别方法、系统和终端

Also Published As

Publication number Publication date
WO2022122625A1 (fr) 2022-06-16
FR3117233A1 (fr) 2022-06-10

Similar Documents

Publication Publication Date Title
BE1017547A6 (fr) Compression d&#39;images numeriques de documents scannes.
JP4986250B2 (ja) ノイズ除去機能付きのデジタル画像処理増強システム及び方法
FR3058543B1 (fr) Procede pour l&#39;authentification d&#39;une illustration.
CA2987846A1 (fr) Systeme de traitement d&#39;images
EP3234913B1 (fr) Procede de detection de defaut sur une surface de pneumatique
CA3000153A1 (fr) Procede d&#39;analyse d&#39;un document structure susceptible d&#39;etre deforme
EP2901370A1 (fr) Procédé de détection d&#39;un vrai visage
Ružić et al. Virtual restoration of the Ghent Altarpiece using crack detection and inpainting
EP3832535A1 (fr) Procédé de détection d&#39;au moins un élément d&#39;intérêt visible dans une image d&#39;entrée au moyen d&#39;un réseau de neurones à convolution
EP4260228A1 (fr) Procédé de vérification d&#39;une image numérique
EP3570213A1 (fr) Procédé de reconnaissance de caractères
EP3608835B1 (fr) Procede de traitement d&#39;images d&#39;empreintes
FR3053500B1 (fr) Procede de detection de fraude d&#39;un systeme de reconnaissance d&#39;iris
FR2986890A1 (fr) Procede d&#39;insertion d&#39;une marque numerique dans une image, et procede correspondant de detection d&#39;une marque numerique dans une image a analyser
WO2011138649A2 (fr) Procédé de traitement d&#39;images pour application d&#39;une couleur
EP1129432B1 (fr) Procede de comparaison d&#39;images enregistrees formees de pixels representant des equipotentielles d&#39;au moins une puce de circuit integre
EP1525553A2 (fr) Procede et systeme de localisation automatique de zones de texte dans une image
EP3400576B1 (fr) Procédé de traitement graphique d&#39;images
WO2020144225A1 (fr) Procédé de traitement d&#39;images numériques
FR2989804A1 (fr) Procede de reconstruction de donnees a partir d&#39;une image en couleur a laquelle est associee de la donnee.
FR3078427A1 (fr) Detection dynamique de lumiere parasite dans une image numerique
CA3161385A1 (fr) Procede de segmentation d&#39;une image d&#39;entree representant un document comportant des informations structurees
EP3175428A1 (fr) Procédé d&#39;extraction de motifs non périodiques masques par des motifs périodiques, et dispositif mettant en oeuvre le procédé
EP3459755A1 (fr) Procédé d&#39;insertion de motifs guillochés, procédé d&#39;extraction de motifs guillochés, procédé d&#39;authentification de ces motifs guillochés et dispositifs de mise en oeuvre
FR3090968A1 (fr) Procédé et programme de détection d’une image fortement pixélisée

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20230605

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)