Super-resolução de Imagens na Documentoscopia Forense

Reconstrução computacional, integração de múltiplos registros e limites probatórios no exame de imagens documentais

Documentos fotografados por telefones celulares, páginas digitalizadas em baixa resolução, imagens comprimidas, imagens capturadas a grande distância e registros extraídos de vídeos podem não apresentar nitidez suficiente para determinados exames. Nessas situações, técnicas de processamento digital podem auxiliar na visualização, comparação e documentação dos elementos presentes na imagem.

A super-resolução compreende um conjunto de métodos computacionais destinados a produzir uma representação de maior resolução a partir de uma ou mais imagens de resolução inferior. Dependendo do procedimento adotado, o resultado pode ser obtido pela integração de informações presentes em diversos registros ou pela estimativa de detalhes com base em modelos matemáticos e padrões aprendidos.

Essa distinção é especialmente importante no contexto forense. Uma imagem visualmente mais nítida não é necessariamente uma imagem que contém mais informação probatória. Todo resultado deve ser interpretado à luz das características do arquivo original, do método empregado e das limitações inerentes ao processo.

As orientações do Scientific Working Group on Digital Evidence (SWGDE) admitem o processamento de imagens em aplicações forenses desde que o original seja preservado, as operações sejam realizadas sobre uma cópia de trabalho, os procedimentos sejam documentados e o resultado seja claramente identificado como imagem processada. O mesmo referencial alerta para o risco de introdução de artefatos ou perda de detalhes que possam produzir interpretações equivocadas.

Super-resolução não é apenas ampliação

A simples ampliação de uma imagem normalmente utiliza interpolação. Nesse processo, o software acrescenta novos pixels e calcula seus valores a partir dos pixels já existentes.

A interpolação pode tornar uma imagem mais confortável para visualização, reduzir a aparência serrilhada de contornos e facilitar sua apresentação em telas ou relatórios. Entretanto, ela não recupera automaticamente informação independente sobre o objeto fotografado.

O SWGDE esclarece que a ampliação digital exige a criação de novos pixels por métodos matemáticos e que seu objetivo, no contexto forense, deve ser facilitar a observação sem alterar a interpretação do conteúdo. O uso de algoritmos conhecidos, ferramentas validadas e procedimentos repetíveis contribui para reduzir a introdução de artefatos.

A super-resolução, em sentido mais específico, procura ultrapassar a simples interpolação. Ela pode explorar diferenças entre diversas imagens do mesmo objeto ou utilizar modelos capazes de estimar uma representação de maior resolução.

Isso não significa que qualquer detalhe produzido pelo algoritmo corresponda necessariamente a uma característica que esteve presente no documento original.

Origem e evolução da tecnologia

As bases da super-resolução estão relacionadas à teoria da amostragem, à restauração de imagens e ao registro de diferentes observações do mesmo objeto.

Um dos marcos clássicos da área é o trabalho de Roger Tsai e Thomas Huang, publicado em 1984 sob o título Multiframe Image Restoration and Registration. O estudo contribuiu para consolidar a reconstrução de imagens de maior resolução a partir de múltiplos registros de menor resolução.

A partir dessa linha de pesquisa, numerosos métodos passaram a explorar pequenas diferenças de posição, foco, ruído e amostragem existentes entre imagens consecutivas. Quando essas diferenças são adequadamente estimadas, registros aparentemente redundantes podem conter informações complementares.

A contribuição da NASA e o sistema VISAR

A NASA ocupa posição relevante na história da aplicação prática dessas tecnologias, mas não deve ser apresentada como responsável pela origem de toda a super-resolução.

No Marshall Space Flight Center foi desenvolvido o sistema Video Image Stabilization and Registration — VISAR, destinado a estabilizar sequências de vídeo e corrigir alterações de posição, rotação e escala entre os quadros. A estabilização e o registro são etapas fundamentais para integrar informações distribuídas por diferentes imagens.

Segundo o programa NASA Spinoff, cientistas do Marshall utilizaram o VISAR para auxiliar o FBI na análise de gravações relacionadas ao atentado ocorrido durante os Jogos Olímpicos de Atlanta, em 1996. O sistema permitiu estabilizar e aprimorar vídeos noturnos produzidos por câmeras portáteis. Posteriormente, a tecnologia foi licenciada e incorporada a soluções comerciais de análise de vídeo.

A NASA também registra aplicações do VISAR em física solar, investigações forenses e pesquisa médica. Em 2002, o sistema recebeu o prêmio de Commercial Invention of the Year da agência.

Historicamente, o VISAR representa, portanto, um exemplo significativo de transferência para a área forense de tecnologias de estabilização, registro e aprimoramento de imagens desenvolvidas em ambientes científicos e aeroespaciais. Ele não deve ser confundido com todos os métodos contemporâneos classificados como super-resolução.

Super-resolução com múltiplas imagens

A super-resolução multiquadro utiliza duas ou mais imagens do mesmo objeto. Elas podem corresponder a fotografias sucessivas, quadros de vídeo ou registros obtidos com pequenas variações de posição.

O procedimento envolve, em termos gerais:

seleção das imagens → alinhamento ou registro → correção das diferenças → integração das informações → reconstrução do resultado.

Pequenos deslocamentos entre os registros podem fazer com que diferentes partes do objeto sejam amostradas de maneiras ligeiramente distintas. Quando essas diferenças são corretamente estimadas, torna-se possível combinar informações complementares que não estavam integralmente disponíveis em um único quadro.

Métodos atuais de super-resolução multiquadro continuam organizando o problema em torno das etapas de alinhamento, fusão e reconstrução, embora empreguem modelos computacionais consideravelmente mais sofisticados.

Essa modalidade é particularmente relevante para a perícia porque o resultado pode ser relacionado a informações efetivamente distribuídas por diversos registros. Ainda assim, sua confiabilidade depende da existência de correspondência adequada entre as imagens, da ausência de movimentos incompatíveis e do controle de ruído, desfoque, compressão e variações de iluminação.

Super-resolução a partir de uma única imagem

Quando somente uma imagem está disponível, o problema é mais complexo. Uma mesma imagem de baixa resolução pode ser compatível com diversas imagens de maior resolução.

Os algoritmos precisam, então, recorrer a pressupostos sobre a formação da imagem, modelos estatísticos ou padrões aprendidos em conjuntos de treinamento. A partir dessas referências, estimam como determinados contornos, texturas e estruturas poderiam aparecer em maior resolução.

As técnicas baseadas em redes neurais passaram a produzir resultados visualmente mais convincentes. Métodos generativos, como os introduzidos pelo SRGAN, foram desenvolvidos justamente para criar texturas de aparência fotográfica em imagens ampliadas.

Essa capacidade é útil para diversas aplicações visuais, mas exige cautela no campo forense. Um detalhe produzido por um modelo pode ser plausível sem ser fiel ao objeto que efetivamente originou a imagem.

Pesquisas demonstram a existência de uma relação de compromisso entre qualidade perceptiva e fidelidade matemática: a busca por imagens mais naturais aos olhos humanos pode aumentar a diferença em relação ao registro real que se pretende reconstruir.

Por essa razão, resultados produzidos por métodos generativos não devem ser apresentados como se constituíssem observação direta do documento original.

Aplicações na Documentoscopia Forense

Na Documentoscopia, técnicas de super-resolução podem auxiliar a avaliação de imagens provenientes de fotografias, digitalizações, sistemas de informação ou vídeos.

Entre suas possíveis aplicações estão a ampliação de regiões de interesse, a comparação de elementos impressos, a visualização de contornos, a seleção de quadros mais informativos e a documentação técnica de assinaturas, manuscritos, carimbos ou outras características documentais.

Quando existem diversas imagens independentes do mesmo documento, a integração multiquadro pode contribuir para reduzir ruído, estabilizar o conteúdo e aproveitar informações distribuídas entre os registros.

Em determinadas situações, a técnica também pode auxiliar na preparação de imagens para exames comparativos ou na produção de ilustrações destinadas a demonstrar achados já identificados por outros procedimentos.

A super-resolução não substitui, entretanto:

o exame do documento original;
uma nova captura em melhores condições;
a macrofotografia ou microscopia;
a iluminação especializada;
a análise da estrutura do arquivo;
o exame de metadados;
a avaliação técnica do perito.

Quando o documento físico estiver disponível, a obtenção de uma nova imagem com equipamento, iluminação, escala e resolução adequados será normalmente preferível à tentativa de compensar uma captura deficiente apenas por processamento computacional.

O que a tecnologia não pode assegurar

A super-resolução não transforma automaticamente uma imagem de baixa qualidade em equivalente de um original capturado em alta resolução.

Seu resultado pode ser limitado por:

compressão excessiva;
desfoque de movimento ou de foco;
iluminação inadequada;
saturação;
regiões subexpostas;
pequena quantidade de pixels;
ausência de quadros adicionais;
erros de alinhamento;
ruídos produzidos pelo sensor;
modificações anteriores no arquivo.

Quando a informação necessária não foi registrada pelo sensor ou foi eliminada por compressão, saturação ou degradação, nenhum algoritmo pode assegurar sua recuperação exata.

O processamento pode produzir uma estimativa útil para exploração ou visualização, mas essa estimativa não deve ser confundida com uma reconstrução incontroversa do conteúdo original.

Também não é metodologicamente adequado utilizar uma imagem super-resolvida como única base para afirmar, por exemplo, que determinada letra, número, assinatura ou característica microscópica estava presente no documento. Achados relevantes devem ser confrontados com a imagem original e, sempre que possível, confirmados por fontes ou métodos independentes.

Processamento convencional e inteligência artificial

É importante distinguir métodos determinísticos ou convencionais de soluções baseadas em inteligência artificial generativa.

Procedimentos como registro, média de quadros, redução de ruído, correção geométrica e determinados tipos de interpolação podem ser reproduzidos a partir dos mesmos dados e parâmetros.

Modelos generativos operam de maneira diferente. Eles podem utilizar padrões aprendidos para preencher ou sintetizar estruturas de alta frequência que conferem aparência mais realista ao resultado.

Essa síntese pode ser adequada a aplicações ilustrativas, audiovisuais ou de restauração estética. No contexto pericial, porém, detalhes não diretamente sustentados pela fonte devem ser tratados como estimativas algorítmicas, e não como novos vestígios.

A utilização forense de inteligência artificial deve, portanto, ser acompanhada de:

identificação clara do modelo empregado;
preservação da imagem original;
registro dos parâmetros;
validação da ferramenta para a finalidade pretendida;
comparação sistemática entre entrada e saída;
declaração das limitações;
confirmação independente dos achados relevantes.

A aparência visualmente convincente do resultado não constitui, isoladamente, demonstração de sua fidelidade.

Preservação, documentação e rastreabilidade

O arquivo original deve ser preservado sem substituição ou sobrescrita. Toda operação deve ser executada sobre uma cópia de trabalho.

O procedimento precisa registrar, conforme a complexidade do caso:

identificação e integridade do arquivo original;
software, versão e algoritmo utilizados;
parâmetros relevantes;
sequência das operações;
imagens intermediárias;
resultado final;
finalidade de cada transformação;
limitações identificadas.

O resultado deve ser apresentado como imagem processada, mantendo-se disponível a versão original para comparação.

As diretrizes do SWGDE estabelecem que o processamento forense deve ser controlado, previsível e repetível. A documentação deve permitir que outro profissional com formação equivalente compreenda as operações realizadas e obtenha informação comparável.

Quando a imagem for utilizada apenas para facilitar a demonstração de um achado, essa finalidade deve ser claramente diferenciada de sua utilização como base de uma análise científica.

Valor probatório e interpretação

A admissibilidade e o valor de uma imagem processada não dependem apenas da sofisticação do algoritmo. Dependem da preservação da fonte, da transparência do método, da competência do examinador, da validação das ferramentas e da possibilidade de revisão do procedimento.

Em uma perícia tecnicamente fundamentada, o laudo ou parecer deve esclarecer:

qual era a condição da imagem original;
por que o processamento foi necessário;
qual técnica foi empregada;
que informação se tornou mais observável;
quais artefatos podem ter sido introduzidos;
quais conclusões podem ou não ser extraídas;
se os resultados foram confirmados por outros métodos.

A ampliação de uma região ou a produção de uma imagem mais nítida pode ajudar o destinatário a compreender a evidência. Não deve, porém, transmitir uma certeza superior àquela efetivamente permitida pelo material original.

Aplicação pelo IBPTECH

Em IBPTECH, a super-resolução pode integrar fluxos de processamento e análise de imagens documentais quando as características do material e a questão pericial justificarem sua utilização.

Sua aplicação deve ser compreendida como recurso complementar. O procedimento pode ser combinado com fotografia técnica, microscopia digital, iluminação especializada, comparação gráfica e análise de documentos eletrônicos.

A seleção do método depende do número e da qualidade das imagens disponíveis, do tipo de documento, da informação procurada e do nível de fidelidade exigido pela conclusão.

Em vez de aplicar automaticamente um modelo para tornar a imagem visualmente mais atraente, a abordagem pericial deve avaliar previamente:

Que informação está realmente registrada nas fontes e que parte do resultado decorre de estimativa computacional?

Essa distinção permite utilizar a tecnologia sem atribuir ao processamento um alcance probatório que ele não possui.

A qualidade de uma imagem está limitando o exame de um documento?
O IBPTECH pode avaliar o material disponível, a viabilidade técnica do processamento e os limites das conclusões possíveis.
Fale com um especialista

Conclusão

A super-resolução representa uma importante área do processamento computacional de imagens. Sua evolução combina contribuições da teoria de reconstrução, do registro multiquadro, da visão computacional e, mais recentemente, da inteligência artificial.

Na Documentoscopia Forense, sua utilidade não está em “criar” evidências, mas em explorar de forma controlada as informações presentes nos registros, melhorar sua observabilidade e apoiar análises que permaneçam metodologicamente vinculadas às fontes originais.

Quanto mais sofisticado for o algoritmo, maior deverá ser o cuidado com validação, documentação, rastreabilidade e interpretação.

A tecnologia pode ampliar imagens. O rigor pericial deve determinar até onde essa ampliação também amplia o conhecimento sobre o documento.

Referências técnicas selecionadas

TSAI, R. Y.; HUANG, T. S. Multiframe Image Restoration and Registration. Advances in Computer Vision and Image Processing, 1984.
NASA. Video Image Stabilization and Registration — VISAR. NASA Software Catalog.
NASA Spinoff. Innovative Solution to Video Enhancement.
NASA. Invention of the Year Awards for 2002.
SWGDE. Image Processing Guidelines.
SWGDE. Fundamentals of Resizing Imagery and Considerations for Legal Proceedings.
LEDIG, C. et al. Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network. CVPR, 2017.
BLAU, Y.; MICHAELI, T. The Perception-Distortion Tradeoff. CVPR, 2018.