El artículo titulado «Recaptured Image Forensics Algorithm Based on Multi-Resolution Wavelet Transformation and Noise Analysis» escrito por Yanjun Sun, Xuanjing Shen, Yingda Lyu y Changming Liu propone un nuevo algoritmo para la identificación de imágenes recapturadas, una forma avanzada de falsificación digital que desafía los métodos forenses tradicionales. Las imágenes recapturadas, obtenidas al volver a fotografiar una imagen ya existente generalmente con una cámara digital diferente, presentan diferencias sutiles en sus características de textura y ruido en comparación con las imágenes originales.
El algoritmo propuesto se basa en la transformación wavelet de múltiples resoluciones y el análisis de ruido para extraer características distintivas que permitan identificar las imágenes recapturadas. La transformación wavelet se utiliza para descomponer la imagen en componentes de alta y baja frecuencia, extrayendo características estadísticas como la media, la varianza y la asimetría. Estas características se derivan tanto de las imágenes de alta frecuencia, que contienen detalles y texturas finas, como de las de baja frecuencia, que reflejan características de iluminación y tonalidad general.
Además, el algoritmo considera las diferencias en el ruido generado por los procesos de captura originales y secundarios. Para analizar estas diferencias, se extraen características del ruido usando patrones binarios locales (LBP, por sus siglas en inglés). Se emplea el filtro de Wiener para obtener una imagen de ruido que posteriormente se analiza mediante LBP uniformes, lo que ayuda a distinguir entre áreas suaves y bordes dentro de la imagen.
Los autores entrenaron un modelo de máquina de vectores de soporte (SVM) utilizando un conjunto de características combinadas tanto de wavelets como de ruido y lo validaron con diferentes bases de datos y dispositivos de captura. Los resultados experimentales muestran que el algoritmo es capaz de identificar imágenes recapturadas con una tasa de precisión superior al 80% en la mayoría de los casos, alcanzando hasta un 99% en ciertas pruebas. Además, la dimensionalidad de los vectores de características es menor en comparación con otras metodologías previas, lo cual resulta en menores complejidades temporal y espacial durante la clasificación .
El análisis de espectros de Fourier reveló que las imágenes recapturadas tienden a perder componentes de alta frecuencia debido al re-capturado, resultando en una mayor concentración de energía en las áreas de baja frecuencia. Este comportamiento fue comprobado mediante gráficos de espectro de potencia 3D que identificaron diferencias significativas en la distribución de frecuencias entre imágenes originales y recapturadas .
Otra observación clave es que las diferencias en los niveles de ruido entre las imágenes originales y las recapturadas se reducen si ambas se toman con el mismo tipo de cámara. Sin embargo, las variaciones en los dispositivos intermediarios, como las impresoras o pantallas utilizadas para la recaptura, crean diferencias detectables en el ruido que pueden explotarse para la identificación .
En conclusión, el artículo presenta un avance significativo en la seguridad de la información digital mediante un enfoque innovador en la identificación forense de imágenes recapturadas. Al combinar análisis de wavelets y ruido, este algoritmo ofrece un método robusto para detectar falsificaciones cuyo desarrollo seguirá siendo relevante conforme aumente la sofisticación de las técnicas de falsificación de imágenes .
