Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

11 décembre 2017

Stage M2 : Détection d’images falsifiées par "copier-coller" ou "seam-carving" à l’aide de cartes de dissimilarités locales.


Catégorie : Stagiaire


Détection d’images falsifiées par "copier-coller" ou "seam-carving" à l’aide de cartes de dissimilarités locales.

 

Contexte

Avec l'avènement de l'informatique grand public et du réseau Internet, de nombreux médias (images, vidéos) sont échangés partout dans le monde. Or le développement de l'informatique et des outils logiciels de retouche d'images ont également mis à la portée de tous la falsification de ce type de média. La modification d'une image peut être dans la plupart des cas anodine (retrait d'un élément disgracieux dans un paysage) mais peut avoir des conséquences bien plus dommageables (fraude aux assurances), voire des conséquences sociales importantes (falsification d'image pour faire croire à une improbable rencontre entre personnages politiques ou pour faire croire au décès d'un personnage public). La détection de falsification [1,2] est donc un enjeu crucial pour garantir l'intégrité d'une image numérique.

Le travail de ce stage s'inscrit directement dans le projet ACODIF, né d'une collaboration nouvelle entre le LM2S de l'UTT et le CReSTIC de l'URCA. L'objectif du projet ACODIF est de proposer une approche basée sur le contenu de l'image pour la détection de falsifications des images numériques. En effet, les principales méthodes en détection de falsification [3,4] reposent sur l'exploitation du bruit d'acquisition pour identifier des modifications locales qui impacteraient les propriétés statistiques de ce bruit. Cependant, dès lors qu'un prétraitement est appliqué à une image, ou bien que la falsification ne vient pas trop perturber la statistique de l'image, ces approches présentent des performances décevantes. De plus, ces approches n'exploitent que partiellement l'image et délaissent complètement son contenu. Des comparaisons locales des images [5,6] pourraient être un outil performant pour la détection de zones incohérentes dans une image et ainsi permettre la détection de falsifications.

Objectifs et déroulement du stage

L'objectif de ce stage de Master 2 est d'utiliser les méthodes développées par le CReSTIC pour mesurer la dissimilarité entre zones de l'image en complémentarité avec les méthodes développées au LM2S reposant sur la statistique du bruit du capteur. Les deux types de falsification qu'il est proposé de détecter sont le copier-coller et le seam-carving. Dans le cas du copier-coller, l'approche consiste à utiliser les mesures de similarités locales pour identifier des zones "aux contenus très similaires" puis ensuite de tester statistiquement si ces zones sont identiques.

A l'inverse pour le cas du seam-carving, il s'agit plutôt d'identifier un contour le long duquel les zones adjacentes où une dissimilarité est importante. Le principal travail attendu par le stagiaire se découpe en quatre tâches :

  1. réaliser une étude bibliographique sur les mesures de dissimilarité locales des images et une étude rapide de la falsification des images,
  2. proposer des méthodes pour étendre la mesure de dissimilarité locale adaptée au contexte de la falsification des images,
  3. implémenter un test statistique simple pour la détection de falsification de type copier-coller et de type seam carving en utilisant les avancées précédentes sur la méthodologie de la CDL,
  4. valider l'approche numériquement sur une base de données conséquente, en fonction de différents paramètres, telles la taille de la zone falsifiée, la mesure utilisée dans la CDL, la taille des blocs considérés, etc.

Compétences nécessaires

Les candidats doivent maîtriser les outils mathématiques du traitement numérique des signaux et des images et la programmation, notamment avec l'outil de développement Matlab ou en Python ; des connaissances en statistiques et/ou en théorie de l'information seront très appréciées.

Conditions du stage

Le stage sera conjointement encadré par :

Le stage se déroulera principalement dans les locaux du CReSTIC à l'IUT de Troyes. Un bureau, partagé par plusieurs étudiants en stage, sera alloué au stagiaire avec un ordinateur fixe pour le travail.

La rémunération de stage se situe autour de 516 euros par mois.

Contacts

Les candidats devront envoyer un CV et une lettre de motivation aux contacts suivants :

Références

[1] Redi, J.A., Taktak, W., Dugelay, J.L., Digital image forensics : a booklet for beginner, Multimedia Tools and Applications, vol. 51, no. 1, pp. 133-162, January 2011.

[2] Gajanan K. Birajdara, Vijay H. Mankar., Digital image forgery detection using passive techniques : A survey, Digital Investigation Volume 10, Issue 3, October 2013, Pages 226–245.

[3] R.Cogranne and J.Fridrich, Modeling and Extending the Ensemble Classifier for Steganalysis of Digital Images Using Hypothesis Testing Theory, IEEE Trans. on Information Forensics and Security, vol. 10, no. 12, pp. 2627 – 2642, 2015.

[4] T.H.Thai, R.Cogranne and F.Retraint, Statistical Model of Quantized DCT Coefficients : Application in the Steganalysis of Jsteg Algorithm, IEEE Trans. on Image Processing, vol. 23, no. 5, pp. 1980 – 1993, May 2014.

[5] E. Baudrier , F. Nicolier, G. Millon, S. Ruan, "Binary-Image Comparison with Local-Dissimilarity Quantification", Pattern Recognition, vol. 41, no. 5, p. 1461-1478, 2008.

[6] F. Morain-Nicolier, J. Landré, S Ruan, "Shape Matching From a Local Dissimilarity Measure" in Int. Conference on Image Processing Theory, Tools and Applications (IPTTA 2010), Paris, 2010.

Lien

jerome.landre.pagesperso-orange.fr/docs/stage-ACODIF-m2.pdf

 

Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2018.