03 - Conceitos Importantes

Anlise Forense de
Documentos Digitais
Prof. Dr. Anderson Rocha

anderson.rocha@ic.unicamp.br
http://www.ic.unicamp.br/~rocha
Reasoning for Complex Data (RECOD) Lab.

Institute of Computing, Unicamp
Av. Albert Einstein, 1251 - Cidade Universitria
CEP 13083-970 Campinas/SP - Brasil
Organizao
Organizao
Conceitos de Imagem Digital
Operaes com Imagens
Aprendizado de Mquina
A. Rocha, 2012 Anlise Forense de Documentos Digitais
Organizao
Supervisionado
No-Supervisionado
Semi-Supervisionado
Avaliao e Comparao de Mtodos
Imagem
Imagem
acordo com [Gomes & Velho 1996], para
De
trabalharmos com imagens, devemos estabelecer
um universo matemtico no qual seja possvel
definir diversos modelos abstratos destas
seguida, precisamos criar um universo de

Em
representao onde procuramos esquemas que
permitam uma representao discreta desses
modelos
Imagem
O objetivo da representao discreta desses
modelos codificar a imagem no computador
Quando observamos uma fotografia, ou uma
cena no mundo real, recebemos de cada ponto

do espao um impulso luminoso que associa
uma informao de cor a esse ponto
Imagem
Nesse sentido, podemos definir uma imagem

contnua (no discreta) como a aplicao
I:U !C
onde U R3 uma superfcie e C um espao

vetorial
Na maioria das aplicaes, U um subconjunto

plano e C um espao de cor
Imagem
A funo I na definio chamada de funo

imagem
O conjunto U chamado suporte da imagem

I
O
conjunto
de
valores
de
, que um
C
subconjunto de , chamado de conjunto de
valores da imagem
Imagem
C um espao de cor de dimenso 1,
Quando
dizemos que a imagem monocromtica ou em
tons de cinza
representao mais comum de uma imagem

Aespacial
consiste em tomar um subconjunto
discreto U U do domnio da imagem, uma

espao de cor C associado a um dispositivo
grfico e representar a imagem pela amostragem
0
I
!
U
da funo imagem
0
10
Imagem
chamado de elemento da imagem ou pixel
0
(x
,
y
)
U
Cada ponto i i do subconjunto discreto
a representao em computador, devemos

Para
tambm trabalhar com modelos onde a funo
imagem I toma valores em um subconjunto
discreto do espao de cor C
processo de discretizao chamado de

Esse
quantizao
11
Imagem
mais utilizado de discretizao espacial
Ode caso
uma imagem consiste em tomar o domnio
como sendo um retngulo e discretizar esse
retngulo usando os pontos de um reticulado
bidimensional
forma a imagem pode ser representada de

Dessa
forma matricial por uma matriz
A
(mn)
= (aij = (I(xi , yj ))
12
Imagem
Cada elemento
aij , i = 1, . . . , m e j = 1, . . . n
da matriz representa o valor da funo imagem

I no ponto de coordenadas (xi , yj ) do
reticulado
Dessa forma, cada ponto aij um vetor do

espao de cor representando a cor do pixel na
coordenada (i, j) da imagem
13
Imagem
Se cada ponto possui trs valores associados e
cada valor precisa de oito bits para ser
representado, ento cada pixel dessa imagem
pode ser representado com 24 bits
A imagem dita de 24 bits

Se cada pixel tambm codifica transparncia, a
imagem tem um quarto canal, chamado alfa,
tornando-se uma imagem de 32 bits
14
136
6 Digital Images
Imagem
amostragem
Images
Gomes & Velho
codificao
decodificao
Representao
Contnua
reconstruo
Fig. 6.1. Abstraction levels in the representation of an im
Representao
Representao
Discreta
Note that these levels will be Simblica
realized concretely in differen
image processing system. For this reason, in order to obtain a u

for image processing, we must use transformations to pass from
another, and we must also be able to manipulate descriptions on
(see Chapter 2).
Fig. 6.1. Abstraction levels

the representation
of an image.
6.2in The
Spatial Model
15 fo
Although there are several mathematical models appropriate
Note that these levels will be realized concretely in different ways in an
Espaos de Cor
espao de cor pode variar de acordo com o
Odispositivo
de exibio (e.g., monitor, impressora)
Espaos de cor
RGB (Vermelho,Verde, Azul)
CMYK (Ciano, Magenta, Amarelo, Preto)
HSV (Matiz, Saturao e Brilho)
etc.
16
Espao de cor RGB

propsito principal do sistema RGB
Oa reproduo
de cores em dispositivos
monitores de TV e computador
datashows
scanners
Wikipedia.org
eletrnicos
cmeras digitais
fotografia tradicional
17
A. Rocha
Imagem
18
A. Rocha (Montagem)
Imagem
* The Persistence of Memory by Salvador Dali
19
Espao de cor CMYK

Wikipedia.org
Modelo de cores subtrativas

Contraposio ao RGB
Apropriado para impressoras
K vem de keyed (alinhamento) da
placa de impresso de cor preta com

as outras
Wikipedia.org
20
Matiz (tonalidade): verifica o tipo da

cor (abrange todas as cores do
espectro)
Wikipedia.org
Espao de cor HSV
Saturao (pureza): valores baixos so

prximos do cinza.Valores altos so
prximos da cor pura
Brilho: define o brilho (intensidade) da

cor
21
Operaes com
Imagens
Quantizao
Mapeamento dos nmeros reais em valores
discretos
Tipicamente utiliza-se bytes (256 valores) ou

inteiros curtos (65536 valores)
23
Warping
Modifica o domnio da funo de imagem.
24
Transformaes - Atributos
r
u
l
b
arestas
can
al
25
Decomposio em Canais
de Cores
separamos a imagem em suas cores
Quando
bsicas representadas no espao de cores
C
o espao de cores utilizado um espao

Se
RGB, temos os componentes vermelho (Red),
verde (Green), e azul (Blue);
26
Decomposio Wavelet
L
H3
V3
D3
H2
V2
D2
H1
A. Rocha
V1
D1
A. Rocha
27
Decomposio em Planos
de Bits
decompomos a imagem em seus planos
Quando
de bits
exemplo, aps a decomposio da imagem
Por
de 24 bits em seus trs canais de cores (R,G,B),
podemos ainda, fazer uma decomposio por
planos de bits.
canal de cor possui 8 bits e possui 8 planos

Cada
de bits por canal de cor
28
A. Rocha
Decomposio em Planos
de Bits
* Decomposio da imagem em canais de bits
29
Nomenclaturas
Nomenclatura
Diferentes reas tem nomes distintos para
coisas parecidas
Reconhecimento de Padres
Aprendizado Estatstico
Minerao de Dados
31
Aprendizado de
Mquina
Aprendizado de Mquina uma rea da
Inteligncia Artificial concentrada no

desenvolvimento de tcnicas que permitem que
computadores sejam capazes de aprender com
a experincia [Mitchell 1997]
Extrao de informaes e extrapolao do

conhecimento a partir de dados
33
Alguns problemas que utilizam aprendizado de
Mquina [Mitchell 1997] [Friedman et al. 2001]
reconhecimento de caracteres
reconhecimento da fala
predio de ataques cardacos
deteco de fraudes em cartes de crditos
34
Na soluo desses problemas, podemos ter
classificadores fixos ou baseados em
aprendizado, que, por sua vez, pode ser
supervisionado ou no-supervisionado
[Friedman et al. 2001]
35
Definio Classificadores
ver um classificador, matematicamente, como
Podemos
um mapeamento a partir de um espao de
caractersticas X para um conjunto discreto de rtulos
(labels) Y
IA, um classificador de padres um tipo de motor

Em
de inferncia que implementa estratgias eficientes para
computar relaes de classificao entre pares de
conceitos ou para computar relaes entre um
conceito e um conjunto de instncias
[Dudaetal.2000]
36
Classificadores
Classificadores podem ser
Supervisionados
Semi-Supervisionados
No-Supervisionados
37
Classificadores
supervisionados consistem em
Classificadores
tcnicas em que procuramos estimar uma funo
de classificao f a partir de um conjunto de
treinamento
conjunto de treinamento consiste de pares de

Ovalores
de entrada X, e sua sada desejada Y
38
Classificadores
observados no conjunto X so
Valores
denotados por x , isto , x a i-sima
i
observao em X
de variveis que constituem cada uma

Odasnmero
entradas em em X p
X tem n observaes, chamados de
Assim,
vetores de caractersticas
39
Classificadores
vetor de entrada composto por p graus
Cada
de liberdade (dimenses ou variveis)
sada da funo f pode ser um valor contnuo
A(regresso)
ou pode predizer a etiqueta (label)
de um objeto de entrada (classificao)
40
Classificadores
do aprendizado predizer o valor da funo
Aparatarefa
qualquer objeto de entrada que seja vlido aps
ter sido suficientemente treinado com um conjunto de

exemplos [Bishop 2006]
Alguns exemplos de classificadores supervisionados so

Support Vector Machines
Linear Discriminant Analysis,
Boosting
41
Aprendizado No-Supervisionado
Um outro grupo de tcnicas de aprendizado,

no utilizam exemplos de treinamento
marcados (classe conhecida)
Conhecidos como tcnicas para aprendizado

no-supervisionado
Esta forma de aprendizado, na maioria das
vezes, trata o seu conjunto de entrada como

um conjunto de variveis aleatrias
42
Aprendizado No-Supervisionado
Um modelo de distribuio conjunta (joint
distribution model) ento construdo para a

representao dos dados
Desta forma, o objetivo deste aprendizado avaliar

como os dados esto organizados e agrupados
Tcnicas de Maximizao de Esperana [Baeza-Yates

2003], por exemplo, podem ser utilizadas para
aprendizado no-supervisionado
43
Aprendizado Semi-Supervisionado
Um outro grupo de tcnicas de aprendizado

envolve abordagens mistas
Supervisionado
No Supervisionado
So as tcnicas Semi-Supervisionadas
44
Modelagem de
Problemas
Modelagem de Problemas
Problemas so descritos por variveis
Dois tipos
Reais
Categricas
46
Como transitar entre os dois tipos de variveis?
possvel converter uma representao em
outra?
47
Simplicidade vs. Complexidade
O que realmente importante?
Precisamos realmente de todos os dados
possveis para tomar uma deciso?
48
Dimenso do vetor de caractersticas tem
efeitos colaterais importantes:
Dimenso alta
Distncias mdias ficam grandes
Dados ficam esparsos
Maldio da Dimensionalidade
49
Aprendizado
Supervisionado
(Primeiros Passos)
Aprendizado Supervisionado
Dados para Aprendizado Supervisionado
Give me more data
Classificao vs. Regresso
51
Aprendizado Supervisionado
Ser que quanto mais complexo nosso modelo

de predio melhor o resultado?
52
Exemplo KNN
K-Vizinhos mais Prximos (KNN)
Um exemplo de tcnica baseada em instncias.
No h aprendizado
decises so feitas para cada instncia
53
KNN k = 1
o.... .... o.... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ....
.. .. .. .. .. ..o
.........................................
o o
.. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... o
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
.. .. .. .. .. .. .. .. .. .. .. .. .. o
o o
.. ..o
.. .. ... ...o
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. ..o
. .o
.. .. ..o.. .. .. ..o
....................................
o o o
.. .. ... ...o
.. .. .. .. ..o
.. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
o
...o
... ... ... ... ... ... o
o oo
o
.
.
.
.
.
.
.
.
o ... ... ... ...o... ... ... .... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... .....o.....o..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... .....
o
.. ..o
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
o ... ... ... ... ... ... ... ... ...oo... ... ... ... ... ... ... ...o
o
.
.
o
o
.. .. .. .. .. .. .. .. .. .. .. .. o
.. .. o
.. .. .. .. o
.. ... o
... ... ... ... ... ... ... ... ... ... ... ... ...o
... ... ... ... ... ... ... ... ... ... ... ... ... ...
o
o
.. .. .. .. .. .. .. .. o
..................
o o o.....o..... ..... o.....o..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... ..... .....o..... ..... ..... ..... o
.. .. .. .. .. .. .. ..o
... ... ... ... ... ... ... ... ... ... ...o... ... ... ... ... ... ...
........
.. .. .. .. .. .. .. .. .. .. .. .. .. ..o
o o .. .. .. .. .. o.. ..o
.. o
.. .. .. .. ..o.. .. .. .. ..o
.. .. .. ... ... ... ... o
o
.. .. .. ..o
.. .. .. o
.. .. .. .. .. .. .. ... ... ... ... ... ... ... ...
o
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
o
oooo.. o
o
...o
... o
...o
... ... ... ... ... ...o
... o
... ... ... ... ... ...o...
... ... ... ...o... ... ... ... ... ... ... ... ... ... ... ... o
o...o..... ..... o.....o..... o..... ..... ..... ..... ..... ..... ..... .....o..... o
o
. . . . . . . .o
. . .. .. ..o
. . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
o o
.. ..o
.. ... ... ... ... ... ... ... ... ... ... ... ... o
.. .. .. ... ... o
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
o
... ... ... ... ...o... ... ... ... ... ...o
o
o
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
o
o
o
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
. .. o
.. .. .. .. .. ..o.. .. .. .. .. .. .. .. .. ... o
...o
... ... ... ... ... ... ... ... ... ... ... ... ...
.
o.. ..o.. o.. .. o.. .. .. .. o.. .. .. .. .. .. .. .. .. .. .. .. .. .. o
. . . . . . . . . . . . .o. . . . .. .. .. .. .. .. ..
.. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... o
.. .. .. .. .. .. .. .. o
.. .. .. .. .. .. ..
... ... ... ... ... ... ...o... o
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
o
o
o
. . .o
..........o
. . . . . . . . . . . . . . . .o
. . . . . . . . . . . . .. .. .. .. .. ..
o .... .... .... .... .... .... .... o.... o.... .... .... .... .... .... ....o.... ....o.... o.... o....oo.... .... .... o.... .... .... ....o.... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ....
..............
..o
. . . . . . ..o..o.. ..o
..o
. .. .. .. o
. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..o
.. ... ... ... ... ... ... o
.. o
.. .. .. ... ... ... o
.. .. .. ... o
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ...o... ... ... ... ...o...o
.. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.
o... ... ... ... ... ... ... ... ... ... ... ... ... ... ...o... ...oo... ... ... o
.. o
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. .. .. .. .. ..o
.. .. .. ..o.. .. .. o
.. .. .. .. .. .. .. ... o
. . . . . . . .o
..................
o ... ... ...o... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ....
. . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
. . . . . . .. .. .. ..o.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
o. . . . . . . . . . . . . . . . . . . . . .
... ... ... ... ...o
.. .. .. .. .. .. .. ..o.. .. .. .. .. .. ...o... ... ... ... ...o
.. .. .. .. .. .. .. .. .. .. .. .. .. o
.. o
.. o
.. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... o
... ... ... ... ... ... o
... ... o
... ... ... ... ...o
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
o
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
.........................
.. .. .. .. .. .. .. .. .. .. ..o.. .. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
. . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
o. . . . . . . . . . . . . . . . .
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ... ...o
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. .. .. .. .. .. .. .. .. .. .. .. .. .. ..o.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
................
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.
...
...
..
..
..
..
..
..
..
..
..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
.. ..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
.. ..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
...
.
...
...
..
..
..
..
..
..
..
..
..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
.. ..
... ...
..
... ...
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
.. ..
... ...
.. ..
... ...
..
... ...
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
...
...
..
...
.
...
...
..
..
..
..
..
..
..
..
..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
.. ..
... ...
... ...
... ...
.. ..
... ...
..
... ...
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
.. ..
.. ..
... ...
... ...
... ...
.. ..
... ...
..
... ...
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
..
... ...
.. ..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
.. ..
.. ..
... ...
.. ..
... ...
... ...
... ...
.. ..
... ...
..
... ...
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
..
..
..
..
.
...
.
...
..
.
...
..
..
..
.
...
..
..
..
..
..
...
..
..
...
..
...
...
...
..
...
.
...
...
..
..
..
..
..
..
..
..
..
.. ..
.. ..
.. ..
..
... ...
.. ..
.. ..
.. ..
..
... ...
.. ..
.. ..
.. ..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
.. ..
..
... ...
.. ..
... ...
... ...
... ...
.. ..
... ...
..
... ...
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
..
..
.
J. Friedman et al.
1-Nearest Neighbor Classifier
Figure 2.3: The same classification example in two
Rocha & Goldenstein, 2010 CSI: Anlise Forense de Documentos Digitais
54
KNN k = 15
o.... .... o.... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ....
.. .. .. .. .. ..o
.........................................
o o
.. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. ..o
.. .. o
. . .. .. .. .. .. .. .. .. .. .. .. .. .. o
............................
o o
.. .. o
.. .. ... ...o
.. .. .. .. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. ..o
. . .. .. ..o.. .. .. ..o
....................................
.. .. ... ...o
.. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
o o o
.. .. .. ..o
. . . .. ..o
......................................
o
..o
.. .. .. ... ... ... o
.. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
o oo
o .... .... .... ....oo.... .... .... .... .... .... .... .... .... .... .... .... .... .... ....o....o.... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ....
o
.. ..o
. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
o ... ... ... ... ... ... ... ... ...oo... ... ... ... ... ... ... ...o
.. ... o
.. .. .. .. .. .. .. .. .. .. .. .. ..o
.. .. .. .. .. .. .. .. .. .. .. .. .. ..
.. .. .. .. ..o.. .. .. .. ..o.. .. o
.. .. o
.. .. ..o... o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. .. .. .. .. .. .. .. .. .. .. .. .. ..
o
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
o
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .o. . . . . . .
o
o
o...o... ... ...o... ... ... ... ... ... ... ... ... ... ... ... ...o... ... ... ... o
.. .. .. .. .. .. .. ..o
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.
.
.
.
.
.
.
.
o
o o .. .. .. .. .. o.. ..o
.. .. .. .. .. ..o
.. .. .. .. ..o
.. .. .. .. .. .. .. o
.. .. .. .. .. .. .. o
.. .. .. .. .. .. ..o
.. .. .. .. .. .. .. ..
o
o
o
o
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
o
o
o
.. .. .. .. .. .. .. .. .. .. .. .. .. o
. .. o
. .. .. .. .. .. .. .. .. .. ..o
.. .. .. .. .. .. .. .. .. .. .. .. ... o
.. .. .. .. .. ..o..
o
ooo.....oo
.. .. o
.. .. .. .. .. .. .. .. .. .. .. ...o
.. ...o
.. ..o
.. .. .. ..o
.. .. .. o
.. o
.. .. .. .. .. .. .. .. .. .. .. .. o
.. ... ... ... ... ... ... ...
o.. .. .. .. .. o
.. .. .. o
.. .. .. .. .. .. .. .. .. .. .. .. .. o
. . .. .. .. .. .. .. .. .. .. .. .. .. .. ..
.. ... ... ...o...o... o
.. ...o
... ...o
o
o
o
.
.
.
.
.
.. .. .. .. .. .. .. .. .. .. .. .. ... ... o
.
.
.
.
.
. .. .. .. .. .. .. .. .. .. .. .. .. ..
o
.. .. .. .. .. .. .. .. .. .. ..o
.o
.
.
.
..o.. .. ..o
.. .. o
.. .. .. .. .. ..o.. .. .. ..o.. .. .. .. .. .. ...o
.............
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
o.. ..o.. o.. .. o.. .. .. .. o.. .. .. .. .. .. .. .. .. .. .. .. .. .. o
.. .. .. .. .. .. .. .. .. .. .. ... ...o... ... ... ... ... ... ... ... ... ... ...
. . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
. . . .. .. .. .. .. o
. . . . .. .. .. .. o
.......
.. o
.. .. .. .. .. .. .. .. o
.. .. o
... ... ... o
.. .. .. ..o
.. ... ... ... ... o
.. o
.. .. .. ... ... o
.. .. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ...
o
o .... .... .... .... .... .... .... o.... o.... .... .... .... .... .... ....o.... ....o.... .... o....oo.... .... .... o.... .... .... ....o.... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ....
...o
... ... ... ... ... ... o
...o...o... ...o
... ... o
... ... ... ... o
... o
... ... ... ... ... ... ... ... ... ... ... ... ... ... ...o
.. ... ... ... ... ... ... ... ... ... ... ... ... ...
.
... ... ... ... ... ... ... ... o
... ...o... ... ... ... o
...o...o
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
o.... .... .... .... .... .... .... .... .... .... .... .... .... .... ....o.... ....oo.... .... .... o
.o
.. .. .. .. .. .. .. ..o
..................
... ... ...o
... ... ...o
... ... ... ...o... ... ... o
... ... ... ... ... ... ... ... o
.. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
o .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
. . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
. . . . . . .. .. .. ..o
o.. .. .. .. .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... .... ....
... ... ... ... ...o
.. .. .. .. .. .. .. ..o.. .. .. .. .. .. ...o... ... ... ... ...o
.. .. .. .. .. .. .. .. .. .. .. .. .. o
.o
. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
.. .. .. .. .. .. .. .. .. .. .. .. .. ... ... o
. . .. .. .. .. o
. . . . . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
.. .. .. .. .. .. .. .. .. .. .. .. .. o
.. .. ... ...o
.. .. o
.. .. ... ... ... ... ...o
.....................
.. .. .. .. .. .. .. .. .. .. ..o.. .. .. .. .. .. .. .. .. .. .. o
.. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
. . .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ..
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ... ...o
o. . . . . . . . . . . . . . . . .
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. .. .. .. .. .. .. .. .. .. .. .. .. .. ..o.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. o
................
.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.
...
..
.
...
..
..
..
..
..
..
..
..
.
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
... ...
.. ..
..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
... ...
.. ..
..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
..
...
..
.
...
..
..
..
..
..
..
..
..
.
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
.. ..
... ...
.. ..
..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
.. ..
... ...
.. ..
... ...
.. ..
..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
.
...
..
..
...
..
...
..
.
...
..
..
..
..
..
..
..
..
.
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
.. ..
... ...
.. ..
... ...
.. ..
..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
... ...
... ...
... ...
.. ..
... ...
.. ..
... ...
.. ..
..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
... ...
..
... ...
... ...
... ...
.. ..
... ...
.. ..
... ...
.. ..
..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
..
...
...
.
...
...
...
..
...
..
...
..
.
...
..
..
..
..
..
..
..
..
.
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
... ...
... ...
..
... ...
... ...
... ...
.. ..
... ...
.. ..
... ...
.. ..
..
... ...
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
.. ..
.. ..
..
.. ..
.. ..
..
..
..
.
.. ..
.. ..
..
..
..
.
J. Friedman et al.
15-Nearest Neighbor Classifier
Figure 2.2: The same classification example in two
55
Avaliao e
Comparao
Avaliao e Comparao
Vis e Varincia
Treinamento e Teste
Matriz de Confuso
Mtricas e Critrios
57
Avaliao e Comparao
Conjuntos de validao e teste

Validao cruzada
58
Curvas ROC
Especificidade
E = TN / (TN + FP)
Sensitividade
S = TP / (TP + FN)
(Sensitividade) vs. (1 - Especificidade) = Curva
Caracterstica de Operao (ROC)
59
Wikipedia.org
Curvas ROC
60
Referncias
Referncias
1. [Baeza-Yates 2003] R. Baeza-Yates. Clustering and Information Retrieval. Kluwer Academic Publishers. 1 edition.
2. [Bishop, 2006] C. M. Bishop. Pattern Recognition and Machine Learning. Springer, 1 edition, 2006.
3. [Duda et al. 2001] R. O. Duda, P. E. HART and D. G. STORK. Pattern Classification. Wiley-Interscience, 2, 2000.
4. [Friedman et al. 2001] J. Friedman, T. Hastie, and R. Tibshirani. The Elements of Statistical Learning. Springer, 1
edition, 2001.
5. [Gomes & Velho, 1996] J. Gomes L. Velho. Computao Grfica: Imagem. IMPA-SBM, 1.
6. [Gonzalez & Woods, 2007] R. Gonzalez and R. Woods. Digital Image Processing. Prentice-Hall, 3 edition.
7. [Mitchell 1997] T. M. Mitchell. Machine Learning. McGraw-Hill, 1 edition, 1997.
62
Obrigado!

03 - Conceitos Importantes

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

03 - Conceitos Importantes

Încărcat de

Drepturi de autor:

Formate disponibile

Anlise Forense de

Prof. Dr. Anderson Rocha

Reasoning for Complex Data (RECOD) Lab.

seguida, precisamos criar um universo de

A. Rocha, 2012 Anlise Forense de Documentos Digitais

O objetivo da representao discreta desses

modelos codificar a imagem no computador

Quando observamos uma fotografia, ou uma

cena no mundo real, recebemos de cada ponto

A. Rocha, 2012 Anlise Forense de Documentos Digitais

Nesse sentido, podemos definir uma imagem

onde U R3 uma superfcie e C um espao

Na maioria das aplicaes, U um subconjunto

A. Rocha, 2012 Anlise Forense de Documentos Digitais

A funo I na definio chamada de funo

O conjunto U chamado suporte da imagem

A. Rocha, 2012 Anlise Forense de Documentos Digitais

representao mais comum de uma imagem

discreto U U do domnio da imagem, uma

A. Rocha, 2012 Anlise Forense de Documentos Digitais

chamado de elemento da imagem ou pixel

a representao em computador, devemos

processo de discretizao chamado de

forma a imagem pode ser representada de

A. Rocha, 2012 Anlise Forense de Documentos Digitais

da matriz representa o valor da funo imagem

Dessa forma, cada ponto aij um vetor do

A. Rocha, 2012 Anlise Forense de Documentos Digitais

A imagem dita de 24 bits

A. Rocha, 2012 Anlise Forense de Documentos Digitais

Gomes & Velho

Fig. 6.1. Abstraction levels in the representation of an im

image processing system. For this reason, in order to obtain a u

Fig. 6.1. Abstraction levels

Espao de cor RGB

A. Rocha, 2012 Anlise Forense de Documentos Digitais

A. Rocha, 2012 Anlise Forense de Documentos Digitais

* The Persistence of Memory by Salvador Dali

A. Rocha, 2012 Anlise Forense de Documentos Digitais

Espao de cor CMYK

Modelo de cores subtrativas

placa de impresso de cor preta com

A. Rocha, 2012 Anlise Forense de Documentos Digitais

Matiz (tonalidade): verifica o tipo da

Espao de cor HSV

Saturao (pureza): valores baixos so

Brilho: define o brilho (intensidade) da

A. Rocha, 2012 Anlise Forense de Documentos Digitais

Tipicamente utiliza-se bytes (256 valores) ou

A. Rocha, 2012 Anlise Forense de Documentos Digitais

A. Rocha, 2012 Anlise Forense de Documentos Digitais

A. Rocha, 2012 Anlise Forense de Documentos Digitais

o espao de cores utilizado um espao

A. Rocha, 2012 Anlise Forense de Documentos Digitais

A. Rocha, 2012 Anlise Forense de Documentos Digitais

canal de cor possui 8 bits e possui 8 planos

* Decomposio da imagem em canais de bits

A. Rocha, 2012 Anlise Forense de Documentos Digitais

Inteligncia Artificial concentrada no

Extrao de informaes e extrapolao do

A. Rocha, 2012 Anlise Forense de Documentos Digitais

A. Rocha, 2012 Anlise Forense de Documentos Digitais

IA, um classificador de padres um tipo de motor

conjunto de treinamento consiste de pares de