No description available.

La criminalistique en images numériques se développe comme un outil puissant pour l'authentification d'image, en travaillant de manière passive et aveugle sans l'aide d'informations d'authentification pré-intégrées dans l'image (contrairement au tatouage fragile d'image). En parallèle, l'anti-criminalistique se propose d'attaquer les algorithmes de criminalistique afin de maintenir une saine émulation susceptible d'aider à leur amélioration. En images numériques, l'anti-criminalistique partage quelques similitudes avec la restauration d'image : dans les deux cas, l'on souhaite approcher au mieux les informations perdues pendant un processus de dégradation d'image. Cependant, l'anti-criminalistique se doit de remplir au mieux un objectif supplémentaire, extit{i.e.} : être non détectable par la criminalistique actuelle. Dans cette thèse, nous proposons une nouvelle piste de recherche pour la criminalistique en images numériques, en tirant profit des concepts/méthodes avancés de la restauration d'image mais en intégrant des stratégies/termes spécifiquement anti-criminalistiques. Dans ce contexte, cette thèse apporte des contributions sur quatre aspects concernant, en criminalistique JPEG, (i) l'introduction du déblocage basé sur la variation totale pour contrer les méthodes de criminalistique JPEG et (ii) l'amélioration apportée par l'adjonction d'un lissage perceptuel de l'histogramme DCT, (iii) l'utilisation d'un modèle d'image sophistiqué et d'un lissage non paramétrique de l'histogramme DCT visant l'amélioration de la qualité de l'image falsifiée; et, en criminalistique du filtrage médian, (iv) l'introduction d'une méthode fondée sur la déconvolution variationnelle. Les résultats expérimentaux démontrent l'efficacité des méthodes anti-criminalistiques proposées, avec notamment une meilleure indétectabilité face aux détecteurs criminalistiques actuels ainsi qu'une meilleure qualité visuelle de l'image falsifiée par rapport aux méthodes anti-criminalistiques de l'état de l'art. / Image forensics enjoys its increasing popularity as a powerful image authentication tool, working in a blind passive way without the aid of any a priori embedded information compared to fragile image watermarking. On its opponent side, image anti-forensics attacks forensic algorithms for the future development of more trustworthy forensics. When image coding or processing is involved, we notice that image anti-forensics to some extent shares a similar goal with image restoration. Both of them aim to recover the information lost during the image degradation, yet image anti-forensics has one additional indispensable forensic undetectability requirement. In this thesis, we form a new research line for image anti-forensics, by leveraging on advanced concepts/methods from image restoration meanwhile with integrations of anti-forensic strategies/terms. Under this context, this thesis contributes on the following four aspects for JPEG compression and median filtering anti-forensics: (i) JPEG anti-forensics using Total Variation based deblocking, (ii) improved Total Variation based JPEG anti-forensics with assignment problem based perceptual DCT histogram smoothing, (iii) JPEG anti-forensics using JPEG image quality enhancement based on a sophisticated image prior model and non-parametric DCT histogram smoothing based on calibration, and (iv) median filtered image quality enhancement and anti-forensics via variational deconvolution. Experimental results demonstrate the effectiveness of the proposed anti-forensic methods with a better forensic undetectability against existing forensic detectors as well as a higher visual quality of the processed image, by comparisons with the state-of-the-art methods.

Die Relevanz der Bilkompressionsalgorithmen im Kontext der Milliarden täglich kreierter und veröffentlichter Bilder ist gegenwärtig größer denn je. Im Laufe der Jahre wurden zahlreiche Bildkompressionsalgorithmen entwickelt, um den steigenden Anforderungen moderner Anwendungen gerecht zu werden. Diese Arbeit beschäftigt sich mit drei Vertretern moderner Codecs: AVIF, Webp und JPEG XL. Die Evaluation umfasst einen vergleichenden Überblick über die Komponenten jedes Encoders, welche durch die Referenzimplementierungen bereitgestellt werden. Im Anschluss erfolgt eine kombinierte Leistungsanalyse der Encoder sowie eine Bildqualitätsanalyse. Die Ergebnisse der Leistungsanalyse zeigen, dass WebP generell am schnellsten kodiert und für Bilder mit geringer Auflösung und vergleichbarer Bildqualität auch die besten Kompressionsleistung aufweist. JPEG XL zeigt für Bilder mit höherer Auflösung und vergleichbarer Qualität die beste Kompressionsleistung.:1 Einleitung 1 1.1 Motivation und Problemstellung . . . . . . . . . . . . . . . . . . . . . 1 1.2 Überblick über WebP, AVIF und JPEG XL . . . . . . . . . . . . . . . . 3 1.3 Struktur der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2 Verwandte Arbeiten 5 2.1 Grundlagen der Leistungsbewertung . . . . . . . . . . . . . . . . . . 5 2.1.1 Einschränkung und Definition . . . . . . . . . . . . . . . . . . 5 2.1.2 Leistungsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.1.3 Bildqualitätsanalyse . . . . . . . . . . . . . . . . . . . . . . . 8 2.2 Veröffentlichungen der Entwickler . . . . . . . . . . . . . . . . . . . 11 2.2.1 WebP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2.2 AV1 Image File Format (AVIF) . . . . . . . . . . . . . . . . . . 12 2.2.3 Joint Photographic Experts Group (JPEG) XL . . . . . . . . . 13 2.3 Veröffentlichungen dritter Autoren . . . . . . . . . . . . . . . . . . . 14 2.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3 Encoder-Analyse 19 3.1 Vorverarbeitung und Farbmodelle . . . . . . . . . . . . . . . . . . . . 20 3.2 Blockpartitionierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.3 Transformationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.4 Quantisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.5 Intraframe-Prädiktion . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.6 In-Loop-Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.7 Entropiekodierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.8 Out-Of-Loop-Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.9 Fazit der theoretischen Analyse und Entwurf der Arbeitshypothesen . 32 4 Entwurf der Experimente 37 4.1 Entwicklungsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 4.2 Allgemeines Vorgehen . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.3 Experiment 1: Übersichtsbetrachtung und Skalierung der Geschwindigkeitsparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.4 Experiment 2: Skalierung bezüglich Auflösung . . . . . . . . . . . . . 41 4.5 Experiment 3: Kompressionsleistung und Encode-Geschwindigkeit für niedrigaufgelöste Bilder . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.6 Experiment 4: Kompressionsleistung und Encode-Geschwindigkeit für hochaufgelöste Bilder . . . . . . . . . . . . . . . . . . . . . . . . . . 43 4.7 Experiment 5: Decode-Leistung . . . . . . . . . . . . . . . . . . . . . 43 5 Ergebnisse der Experimente 45 5.1 Ergebnisse von Experiment 1 . . . . . . . . . . . . . . . . . . . . . . 45 5.2 Ergebnisse des Skalierungsverhaltens . . . . . . . . . . . . . . . . . . 48 5.3 Ergebnisse der Kompressionsleistung und Encode-Geschwindigkeit für niedrigaufgelöste Bilder . . . . . . . . . . . . . . . . . . . . . . . 49 5.4 Ergebnisse der Kompressionsleistung und Encode-Geschwindigkeit für hochaufgelöste Bilder . . . . . . . . . . . . . . . . . . . . . . . . . 51 5.5 Ergebnisse der Decode-Geschwindigkeit . . . . . . . . . . . . . . . . 54 6 Konklusion 55 6.1 Diskussion und Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6.2 zukünftige Arbeiten und Ausblick . . . . . . . . . . . . . . . . . . . . 58 / Image compression performance has never been more relevant with billions of images created and shared on a daily basis. Over the years, numerous new image codecs have been proposed with enhanced compression performance to meet the demands of modern applications. This study evaluates three of the modern codecs: AVIF, WebP and JPEG XL, with a focus on encoder performance and image quality analysis. The evaluation comprises a theoretical overview of the components of each encoder, as specified by the reference implementations, followed by a combined performance analysis of the encoder and an image quality analysis. The results of the performance analysis show, that AVIF demonstrates the best scaling for increased resolution while WebP generally encodes the fastest. Images with comparable visual quality, as measured via SSIM, are evaluated for a dataset comprising smaller photographic images and larger photographic images. WebP exhibits the best compression performance for small images, whereas JPEG XL demonstrates the best performance for larger Resolutions.:1 Einleitung 1 1.1 Motivation und Problemstellung . . . . . . . . . . . . . . . . . . . . . 1 1.2 Überblick über WebP, AVIF und JPEG XL . . . . . . . . . . . . . . . . 3 1.3 Struktur der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 2 Verwandte Arbeiten 5 2.1 Grundlagen der Leistungsbewertung . . . . . . . . . . . . . . . . . . 5 2.1.1 Einschränkung und Definition . . . . . . . . . . . . . . . . . . 5 2.1.2 Leistungsanalyse . . . . . . . . . . . . . . . . . . . . . . . . . 6 2.1.3 Bildqualitätsanalyse . . . . . . . . . . . . . . . . . . . . . . . 8 2.2 Veröffentlichungen der Entwickler . . . . . . . . . . . . . . . . . . . 11 2.2.1 WebP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.2.2 AV1 Image File Format (AVIF) . . . . . . . . . . . . . . . . . . 12 2.2.3 Joint Photographic Experts Group (JPEG) XL . . . . . . . . . 13 2.3 Veröffentlichungen dritter Autoren . . . . . . . . . . . . . . . . . . . 14 2.4 Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 3 Encoder-Analyse 19 3.1 Vorverarbeitung und Farbmodelle . . . . . . . . . . . . . . . . . . . . 20 3.2 Blockpartitionierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.3 Transformationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 3.4 Quantisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3.5 Intraframe-Prädiktion . . . . . . . . . . . . . . . . . . . . . . . . . . 25 3.6 In-Loop-Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 3.7 Entropiekodierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 3.8 Out-Of-Loop-Filter . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.9 Fazit der theoretischen Analyse und Entwurf der Arbeitshypothesen . 32 4 Entwurf der Experimente 37 4.1 Entwicklungsprozess . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 4.2 Allgemeines Vorgehen . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.3 Experiment 1: Übersichtsbetrachtung und Skalierung der Geschwindigkeitsparameter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4.4 Experiment 2: Skalierung bezüglich Auflösung . . . . . . . . . . . . . 41 4.5 Experiment 3: Kompressionsleistung und Encode-Geschwindigkeit für niedrigaufgelöste Bilder . . . . . . . . . . . . . . . . . . . . . . . . . 42 4.6 Experiment 4: Kompressionsleistung und Encode-Geschwindigkeit für hochaufgelöste Bilder . . . . . . . . . . . . . . . . . . . . . . . . . . 43 4.7 Experiment 5: Decode-Leistung . . . . . . . . . . . . . . . . . . . . . 43 5 Ergebnisse der Experimente 45 5.1 Ergebnisse von Experiment 1 . . . . . . . . . . . . . . . . . . . . . . 45 5.2 Ergebnisse des Skalierungsverhaltens . . . . . . . . . . . . . . . . . . 48 5.3 Ergebnisse der Kompressionsleistung und Encode-Geschwindigkeit für niedrigaufgelöste Bilder . . . . . . . . . . . . . . . . . . . . . . . 49 5.4 Ergebnisse der Kompressionsleistung und Encode-Geschwindigkeit für hochaufgelöste Bilder . . . . . . . . . . . . . . . . . . . . . . . . . 51 5.5 Ergebnisse der Decode-Geschwindigkeit . . . . . . . . . . . . . . . . 54 6 Konklusion 55 6.1 Diskussion und Fazit . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 6.2 zukünftige Arbeiten und Ausblick . . . . . . . . . . . . . . . . . . . . 58

Compressed images are used very frequently in interactive applications in digital video broadcasting. New methods increasing efficiency of the image transmission in digital video broadcasting networks are proposed. Adaptive spatial filtering methods have been proposed for enhancement of the visual perception of the compressed images. New optimalization method is based on application of the filtering algorithms on more compressed images (data size are reduced). Visual quality enhancement is processed in interactive application. Further, new compression methods JPEG2000 and H.264 for image compression have been analysed. Novel compound image compression method for standard and high spatial television resolution is proposed in the thesis.

This thesis is concerned with the removal of artefacts typical for JPEG im- age compression. First, we describe the mathematical formulation of the JPEG format and the problem of artefact removal. We then formulate the problem as an optimization problem, where the minimized functional is obtained via Bayes' theorem and complex wavelets. We describe proximal operators and algorithms and apply them to the minimization of the given functional. The final algorithm is implemented in MATLAB and tested on several test problems. 1