Bildklon-Detektor

• Erkennung von Copy-Move-Fälschungen: Erkennt geklonte oder kopierte Bereiche in jedem Bild mithilfe des Pixelblock-Abgleichs. Der Algorithmus unterteilt das Bild in überlappende Blöcke, berechnet Farb- und Textursignaturen für jeden Block und findet ähnliche Paare in verschiedenen Bildbereichen. Perfekt zum Identifizieren gängiger Bildbearbeitungstechniken, bei denen Objekte dupliziert werden, um Szeneninhalte zu verbergen oder zu verändern.
• Einstellbare Empfindlichkeitseinstellungen: Feinabstimmung der Erkennung mit drei Empfindlichkeitsvoreinstellungen. Hohe Empfindlichkeit erkennt selbst subtile Klonmuster (ideal für detaillierte forensische Analysen). Medium bietet eine ausgewogene Erkennung für den allgemeinen Gebrauch. Eine niedrige Empfindlichkeit reduziert Fehlalarme, da stärkere Ähnlichkeitsübereinstimmungen erforderlich sind. Jede Voreinstellung passt die Blockgröße, die Schrittgröße, den Ähnlichkeitsschwellenwert und die minimale Regionsgröße an.
• Visuelle Heatmap- und Regionsdetails: Die Ergebnisse werden als farbcodierte Heatmap-Überlagerung angezeigt, die den Standort und die Intensität der erkannten Klonregionen zeigt. Jede erkannte Region wird mit ihren Begrenzungsrahmenkoordinaten, Abmessungen und Ähnlichkeitsbewertung aufgelistet. Die Heatmap verwendet rote/heiße Farben, um Bereiche mit den stärksten Klonindikatoren anzuzeigen.
• 100 % private browserbasierte Verarbeitung: Die gesamte Bildanalyse erfolgt vollständig in Ihrem Browser mithilfe der Canvas-API. Bilder werden über die FileReader-API gelesen und lokal verarbeitet – es werden niemals Daten auf einen Server hochgeladen. Ihre Bilder bleiben auf Ihrem Gerät völlig privat. Keine Anmeldung, kein Konto, keine Datenerfassung.

• Forensische Beweisprüfung: Überprüfen Sie die Echtheit von fotografischen Beweisen, die in Gerichtsverfahren verwendet werden. Erkennen Sie, ob als Beweismittel eingereichte Bilder geklonte Bereiche enthalten, die auf eine Manipulation hinweisen könnten. Journalisten, Ermittler und Juristen können unseren Image Clone Detector verwenden, um Bilder zu überprüfen, bevor sie sie als Beweismittel vor Gericht präsentieren oder in Nachrichtenberichten veröffentlichen.
• Faktenprüfung und Erkennung von Fehlinformationen: Durchsuchen Sie Bilder, die in sozialen Medien und auf Nachrichtenplattformen kursieren, auf Anzeichen von Kopierfälschung. Faktenprüfer und Journalisten können durch die Erkennung doppelter Bereiche schnell überprüfen, ob Bilder manipuliert wurden. Dies hilft dabei, manipulierte Bilder zu identifizieren, die in Desinformationskampagnen, Fake News und irreführenden Social-Media-Beiträgen verwendet werden.
• Untersuchung von Versicherungsbetrug: Erkennen Sie betrügerische Ansprüche, bei denen Bilder von Schäden, Unfällen oder Diebstählen manipuliert wurden. Ermittler können Anspruchsfotos nach geklonten Bereichen scannen, die möglicherweise auf Photoshop hinweisen. Unser Tool hilft bei der Identifizierung manipulierter Beweise in Versicherungsbetrugsfällen, bei denen es um Sachschäden, Fahrzeugunfälle und Personenschäden geht.
• Akademische und wissenschaftliche Integrität: Überprüfen Sie die Authentizität von Bildern, die in wissenschaftlichen Arbeiten und Forschungspublikationen verwendet werden. Erkennen Sie Bildmanipulationen in wissenschaftlichen Zahlen, insbesondere in den Biowissenschaften und der medizinischen Bildgebung, wo Copy-Move-Fälschungen zur Verfälschung von Ergebnissen eingesetzt wurden. Stellen Sie die Integrität der Forschung sicher, indem Sie eingereichte Bilder auf Manipulationen überprüfen.
• Überprüfung von Social-Media-Bildern: Überprüfen Sie die Authentizität von Bildern, die auf Social-Media-Plattformen geteilt werden. Erkennen Sie Klonstempel- und inhaltsbezogene Füllmanipulationen, die bei der Fotobearbeitung häufig vorkommen. Inhaltsmoderatoren, Journalisten und besorgte Benutzer können virale Bilder auf Manipulation überprüfen, bevor sie sie teilen oder darüber berichten.
• Ausbildung in digitaler Forensik: Erfahren Sie mehr über Bildforensik und Techniken zur Erkennung von Copy-Move-Fälschungen. Schüler und Lehrkräfte können unser Tool verwenden, um zu verstehen, wie Block-Matching-Algorithmen funktionieren, die Auswirkung von Empfindlichkeitseinstellungen auf die Erkennungsgenauigkeit zu untersuchen und gängige Bildbearbeitungstechniken zu studieren, die in der digitalen Forensik verwendet werden.

Copy-Move-Fälschung ist eine der häufigsten Bildbearbeitungstechniken, bei der ein Teil eines Bildes kopiert und an einer anderen Stelle innerhalb desselben Bildes eingefügt (geklont) wird. Diese Technik wird häufig verwendet, um Objekte zu duplizieren (wodurch eine Szene überfüllter erscheint), unerwünschte Elemente auszublenden (ein Objekt durch Klonen des Hintergrunds in der Nähe abzudecken) oder irreführende Kompositionen zu erstellen. Im Gegensatz zum Splicing (Zusammenfügen zweier verschiedener Bilder) werden bei der Copy-Move-Fälschung Pixel aus demselben Bild verwendet, was die Erkennung erschwert, da Farbe, Beleuchtung, Rauschen und Kameraeigenschaften perfekt mit der Quellregion übereinstimmen.

1. Blockaufteilung: Das Bild wird in viele kleine überlappende quadratische Blöcke unterteilt (normalerweise 12–24 Pixel auf jeder Seite). Durch Überlappung wird sichergestellt, dass geklonte Regionen unabhängig von ihrer Ausrichtung im Raster erkannt werden.
2. Signaturberechnung: Für jeden Block wird eine 6-dimensionale Signatur berechnet, die aus den durchschnittlichen RGB-Farbwerten plus der Standardabweichung jedes Kanals besteht. Dies erfasst sowohl die Farbe als auch die Textur/den Kontrast des Blocks und macht ihn robust gegenüber kleineren Komprimierungsartefakten.
3. Ähnlichkeitsvergleich: Jedes Blockpaar wird anhand der Kosinusähnlichkeit seiner Signaturen verglichen. Blöcke, die sehr ähnlich sind (über dem Schwellenwert), sich aber in unterschiedlichen Teilen des Bildes befinden, werden als potenzielle Klonpaare gekennzeichnet. Benachbarte Blöcke werden ausgeschlossen, um die Erkennung natürlicher Texturwiederholungen zu vermeiden.
4. Regions-Clustering: Markierte Blockpaare werden mithilfe eines Union-Find-Algorithmus in verbundene Regionen geclustert. Regionen, die genügend Blöcke enthalten (basierend auf der Einstellung der minimalen Regionsgröße), werden als erkannte Klonregionen mit Begrenzungsrahmen und Ähnlichkeitswerten gemeldet.

• Verwenden Sie den Image Clone Detector für: Erkennung von Copy-Move-Fälschungen (Klonen/Stempeln innerhalb desselben Bildes), Überprüfung der Bildauthentizität in journalistischen und rechtlichen Kontexten, Überprüfung von Bildern auf Manipulation, Erlernen der digitalen Forensik und vorläufige forensische Analyse.
• Verwenden Sie ergänzende Tools für: Error Level Analysis (ELA) zur Erkennung von Bildbereichen mit unterschiedlichen Komprimierungsstufen, Metadatenanalyse zur Überprüfung auf ungewöhnliche Bearbeitungsverläufe, Steganographieerkennung für versteckte Daten und Bildintegritätsprüfung zur Erkennung erneuter Komprimierung.
• Einschränkungen: Dieser Algorithmus erkennt Duplikate auf Pixelebene. Das Klonen, das mit Anti-Forensik-Techniken durchgeführt wurde (z. B. leichte Skalierung, Drehung oder Farbanpassungen geklonter Bereiche), wird möglicherweise nicht erkannt. Sehr kleine geklonte Bereiche (unter ~48×48 Pixel bei mittlerer Empfindlichkeit) werden möglicherweise übersehen.

Unser Image Clone Detector verarbeitet alles lokal in Ihrem Browser. Bilder werden mit der FileReader-API gelesen und mit der Canvas-API analysiert – es werden niemals Daten an einen Server gesendet. Das Tool ist 100 % kostenlos, ohne Anmeldung, ohne Konto und ohne Nutzungsbeschränkungen. Die gesamte Verarbeitung erfolgt vollständig auf Ihrem Gerät.

Wichtige Einschränkungen: Der Algorithmus ist für die Erkennung exakter oder nahezu exakter Copy-Move-Fälschungen konzipiert. Es kann zu falsch positiven Ergebnissen bei Bildern mit sich wiederholenden natürlichen Mustern (z. B. Ziegelwänden, Gras, Stoffen) oder falsch negativen Ergebnissen bei Bildern kommen, bei denen geklonte Bereiche transformiert (skaliert, gedreht oder farblich angepasst) wurden. Bei Bildern, die größer als 4096 x 4096 Pixel sind, ändern Sie die Größe vor dem Hochladen. Die Verarbeitungszeit hängt von der Bildgröße und den Empfindlichkeitseinstellungen ab – größere Bilder mit hoher Empfindlichkeit können mehrere Sekunden dauern.