Analyse de documents numérisés à des fins de contrôle d'intégrité et d'authenticité

There is no universal method for detecting counterfeit images. Several techniques have been proposed but each has its limits. Among these methods, the so-called "forensic digital image" techniques offer an interesting solution. They aim either to verify the integrity of the image, or to provide proof of its authenticity by identifying the system which acquired it. To do this, they take advantage of how the acquisition systems generate their output. In this thesis, we are particularly interested in flatbed scanners as an acquisition system and we propose to study and develop "digital image forensics" techniques for scanned multi-type documents. We first proposed techniques to identify the scanner behind a scanned document based on a set of signatures "manually" extracted from images. Then, to face the limitations of these approaches, we focused on the automatic extraction of signatures from scanners through 1D and 2D neural networks. Subsequently, we developed a new approach, called "Device Linking",which determines whether two images were acquired by the same scanner or not. Finally, we provide two security mechanisms capable of detecting content manipulation of scanned data based on certain approaches of source scanner identification proposed previously. In order to validate the solutions proposed in real situations and make comparisons between them, we have built a database of scanned documents that we have made public.; Aucune méthode universelle de détection des contrefaçons d’images n’existe. Plusieurs techniques ont été proposées mais chacune a ses limites. Parmi ces méthodes, les techniques dites "forensiques des images numériques" offrent une solution intéressante. Elles visent soit à vérifier l’intégrité de l’image, soit à apporter la preuve de son authenticité en identifiant le système qui l’a acquise. Pour ce faire, elles tirent avantage de la manière dont les systèmes d’acquisition génèrent leur sortie. Dans cette thèse, nous nous intéressons en particulier aux scanners à plat comme système d’acquisition et nous proposons d’étudier et de développer des techniques de forensiques pour des documents multi-type scannés. Nous avons, tout d’abord, proposé des techniques permettant d’identifier le scanner à l’origine d’un document scanné sur la base d’un ensemble de signatures extraites "manuellement" des images. Ensuite, pour faire face aux limites de ces approches, nous nous somme focalisé sur l’extraction automatique des signatures des scanners à travers des réseaux de neurones 1D et 2D. Par la suite, nous avons développé une nouvelle approche, appelée "Device Linking", qui détermine si deux images ont été acquises par le même scanner ou non. Enfin, nous fournissons deux mécanismes de sécurité capable de détecter les manipulations du contenu des données numérisées en se basant sur certaines approches d’identification du scanner source proposées précédemment. Dans le but de valider les solutions proposées dans des situations réelles et réaliser des comparaisons entre elles, nous avons construit une base de données de documents scannés que nous avons rendue publique.