Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 8)

В качестве базисной вейвлет-функции авторы используют вейвлет Хаара. В проведенном авторами алгоритма [34] исследовании показана робастность ЦВЗ к добавлению шумов и сжатию JPEG 2000.

2.5.5 Алгоритм Барни (Barni)

В данном алгоритме ЦВЗ представляет собой последовательность бинарных псевдослучайных чисел . Длина последовательности определяется размерами исходного изображения и , где [35].

При встраивании информации производится четырехуровневая вейвлет-декомпозиция с использованием фильтров Добеши-6. Причём для встраивания цифрового водяного знака используются среднечастотные и высокочастотные коэффициенты (LH, HL, HH) первого уровня разложения, которые изменяются с учетом локальной чувствительности к шумам:

где

Множитель в этом выражении определяется поддиапазоном и уровнем разложения:

второй же множитель определяется величиной, называемой локальной яркостью : последний множитель определяется локальной дисперсией [35].

В детекторе водяной знак обнаруживается при вычислении значения корреляции с коэффициентами вейвлет-преобразования (ВП).

Каждое бинарное значение водяного знака предварительно умножается на весовой коэффициент, полученный на основе модели чувствительности СЧЗ к шуму. Это позволяет добиться незаметности встраивания. Также алгоритм устойчив к добавлению шумов.

2.6 Предлагаемый алгоритм встраивания ЦВЗ в коэффициенты вейвлет-преобразования

В настоящее время, внимание исследователей, разрабатывающих и изучающих алгоритмы встраивания цифровых водяных знаков в изображения и видеопоследовательности, привлекло использование вейвлет-преобразований. Использование вейвлетов позволяет быстро, без значительных вычислительных затрат, встраивать в контейнер полухрупкие ЦВЗ, устойчивые к наложению различных фильтров.

В данном разделе представлен новый метод встраивания цифрового водяного знака в изображение путем изменения разности между вейвлет-коэффициентами. Идея относительного изменения величин коэффициентов преобразований при встраивании не является новой. На ее использовании построено несколько схем, использующих дискретное косинусное преобразование (например, [24]). ЦВЗ, встроенный таким образом в коэффициенты ДКП, является робастным ко многим атакам с использованием фильтров, некоторым аффинным преобразованиям, сжатию JPEG изображения-контейнера.

Однако, необходимость многократного вычисления тригонометрических функций, ведет к серьезным вычислительным затратам. И если для встраивания на мощных ПК данная проблема не является значительной, то при использовании в сетях с маломощными устройствами применение данных алгоритмов приведет к огромным вычислительным, энергетическим и временным затратам.

Следовательно, целесообразно использовать менее ресурсозатратное преобразование. Для создания алгоритма было принято решение использовать вейвлет-преобразование Хаара, которое является самым простым ДВП. Использование этого преобразования, несомненно приведет к частичной потере робастности, но позволит быстро и незаметно встраивать в изображение полухрупкий ЦВЗ.

Опишем алгоритм работы предлагаемой схемы.

Входные данные стегосистемы: статичное изображение-контейнер размерностью пикселей, встраивание ведется в его синюю RGB-компоненту (изменения в этой компоненте менее всего заметны для СЧЗ) ; цифровой водяной знак представляет собой бинарное изображение размером пикселей .

Процесс встраивания состоит из нескольких этапов:

• из изображения выделяется синяя компонента, и в дальнейшем обрабатывается только она;

• изображение подвергается 1-уровневому вейвлет-преобразованию Хаара. Для встраивания выбираются коэффициенты LL-поддиапазона. Одноуровневое ДВП позволяет снизить вычислительные затраты и уменьшить вносимые алгоритмом визуальные искажения. Использование LL-поддиапазона позволяет увеличить устойчивость ЦВЗ к высокочастотной фильтрации;

• коэффициенты LL-поддиапазона разбиваются на блоки размерностью 4x4. В отличие от алгоритма [24], разбиение производится после проведения преобразования. Это связано с тем, что проведение ДВП для каждого блока не дает дополнительных преимуществ для алгоритма, но требует дополнительных временных затрат. Выбор изменяемых внутри каждого блока коэффициентов и (b  номер блока) не имеет большого значения. По умолчанию, как и в алгоритме [24], для модификации были выбраны коэффициенты находящиеся в середине блока и ;

• встраивание ЦВЗ проводится так же, как и в алгоритме [24] по формуле 2.16, являющейся аналогом формулы 2.3 для коэффициентов дискретного вейвлетного преобразования:

(2.16)

• для передачи бита «0» разницу абсолютных значений коэффициентов ДВП искусственно делают превышающей некоторую положи­тельную величину, а для передачи бита «1» эта разница делается меньшей по срав­нению с некоторой отрицательной величиной. Выбор этой величины , являющейся параметром алгоритма, влияет на эффективность работы декодера, робастность и вносимые визуальные искажения. Правильный выбор значения параметра для каждого изображения крайне важен для успешной работы алгоритма;

• производится обратное преобразование Хаара вейвлет-коэффициентов в изображение с ЦВЗ. Производится добавление к измененной синей компоненте исходных красной и зеленой компоненты.

Процедура извлечения ЦВЗ подразумевает передачу получателю: индексов коэффициентов и , в которые производилось встраивание; размеров ЦВЗ , значения параметра . Извлечение битов ЦВЗ производится следующим образом:

• из стегоизображения выделяется синяя компонента , содержащая ЦВЗ, и обрабатывается как самостоятельное изображение.

• стегоконтейнер так же, как и пустой контейнер при встраивании, подвергается 1-уровневому вейвлет-преобразованию Хаара. Коэффициенты LL-поддиапазона разбиваются на блоки размерностью 4x4. Извлечение бит ЦВЗ производится по формуле (2.17):

(2.17)

где  b-й бит восстановленого ЦВЗ,  вейвлет-коэффициент стего.

В главе 3 будут приведены результаты испытаний предлагаемой схемы и сравнение полученных результатов с результатами алгоритма [24] и двух алгоритмов (Soheili и Sanghavi), основанных на ДВП.

3 ИССЛЕДОВАНИЕ АЛГОРИТМОВ ГЕНЕРИРОВАНИЯ И ВСТРАИВАНИЯ ЦВЗ В КОЭФФИЦИЕНТЫ ПРЕОБРАЗОВАНИЙ ИЗОБРАЖЕНИЯ

Алгоритмы внедрения цифровых водяных знаков начали разрабатываться относительно недавно, и до сих пор в этой области существует много нерешенных проблем. Основными являются сохранение качества изображения при внедрении в него ЦВЗ; робастность (устойчивость) встраиваемых меток к возможным преобразованиям контейнера (аффинным преобразованиям, потере части изображения, наложению фильтров, изменению яркости и пр.) для обеспечения достоверности ЦВЗ при его извлечении; уменьшение времени работы и вычислительной сложности алгоритмов (что особенно актуально на маломощных системах); увеличение пропускной способности стеганосистем. Также существует проблема правильного подбора параметров для повышения эффективности параметрических алгоритмов.

Целью диссертационного исследования является изучение данных проблем, подбор оптимальных для каждого формата и типа изображений алгоритмов (в качестве контейнеров выбраны изображения 4 распространенных растровых форматов для представления графических данных: JPEG, BMP, PNG и TIFF), поиск возможностей улучшения существующих алгоритмов и создание собственного метода, который мог бы эффективно применяться в беспроводных мультимедийных сенсорных сетях.

Для постановки вычислительных экспериментов был создан программный комплекс, реализованный в среде программирования Microsoft Visual Studio 2013 на языке программирования C++ при использовании библиотеки для работы с изображениями OpenCV 2 (листинг программы приведен в приложении Б) [36]. Для представления результатов исследования в виде таблиц и гистограмм был использован пакет офисных программ Microsoft Office 2016.

Для сравнения с предлагаемым в разделе 2.6 алгоритмом были выбраны 3 популярных метода встраивания ЦВЗ в изображения: алгоритм Коха (Koch) [24], алгоритм Сангхави (Sanghavi) [31], алгоритм Сохейли (Soheili) [34]. Каждый из них использует свой (оригинальный) подход к скрытию информации в контейнере.

Алгоритм Koch представляет семейство встраивания ЦВЗ в область дискретного косинусного преобразования. Подразумевает изменение выбранных коэффициентов ДКП на заранее заданную величину.

Алгоритм Sanghavi осуществляет встраивание ЦВЗ путем изменения местоположения среднечастотных коэффициентов дискретного вейвлетного преобразования внутри блоков. Метод использует коэффициенты всех четырех уровней разложения.

Алгоритм Soheili основан на идее изменения значений низкочастотных коэффициентов дискретного вейвлетного преобразования путем их квантования. Этот алгоритм является единственным алгоритмом, дублирующим информацию, среди исследуемых.

В качестве тестовых изображений были выбраны: Lighthouse.jpg (фотография-пейзаж), Koala.jpg (фотография животного), Snap.jpg (снимок с веб-камеры), Lena.bmp (точечное изображение-портрет), Napoleon.png (репродукция картины), Puzzle.png (изображение, созданное в графическом редакторе), MilkyWay.tiff (космический снимок, представленный в формате TIFF). Тестовые изображения представлены в приложении А. Полученные показатели для каждого изображения-контейнера будут представлены в таблицах и на графиках, и детально проанализированы.

В качестве цифрового водяного знака выступает набор бит, полученный из текстовой строки в кодировке ASCII “ Test Watermark Algorithm Message”. Длина строки – 32 символа, размер сообщения – 256 бит.

3.1 Исследование визуальных искажений, возникающих при использовании алгоритмов

Создание надежной стеганосистемы требует наличия инструментов для оценки ее устойчивости к внешним воздействиям. Оценка визуальной стойкости стеганографической системы представляет собой достаточно сложную задачу.

Довольно эффективным является метод оценки уровня скрытости на основании анализа статистических характеристик. Статистика дает количественные критерии вероятности, которые позволяют создавать детекторы, обнаруживающие статистические расхождения между оригинальным контейнером и стего. Для оценивания качества стеганографических средств разрабатываются показатели, дающие количественные оценки. Чаще всего такие показатели оперируют с изображениями на уровне пикселей или отдельных цветовых компонент пикселей. Наиболее распространенными показателями при анализе уровня искажений, которые вносятся в изображение во время скрытия в нем информации, является соотношение «сигнал/шум», вычисляемое в децибелах и качество изображения, измеряемое в процентах. Среди других показателей можно выделить среднюю абсолютную разность значений пикселей, нормированную среднюю абсолютную разность значений пикселей и максимальное отношение «сигнал-шум» [21].

В таблице 3.1 приведён список выше указанных разностных показателей искажения и формулы для их вычисления.

Таблица 3.1 – Наиболее распространенные показатели визуального искажения, основанные на анализе пиксельной структуры контейнера

Продолжение таблицы 3.1

Оценки визуального искажения можно разделить на две группы: разностные и корреляционные показатели. Показатели первой группы вычисляются на основе разности контейнера-оригинала (неискаженного сигнала) и контейнера-стего (искаженного сигнала). Ко второй группе относятся показатели, основанные на корреляции исходного и полученного в процессе встраивания изображения. Из-за меньшей визуальной заметности искажений в синей компоненте пикселей, было принято решение во всех реализуемых алгоритмах вести встраивание именно в синюю компоненту пикселя. В представленных соотношениях через обозначается компонента пикселя пустого контейнера с координатами , а через – соответствующая компонента пикселя заполненного контейнера. В рамках исследования вычислим приведённые выше показатели для тестовых изображений.

3.1.1 Визуальные искажения в стегосистемах с контейнером Lighthouse

Данное изображение представляет собой фотографию-пейзаж размером 1024x768 пикселей. Изображение не очень чёткое, доминирующей является синяя компонента. Зелёная и красная также визуально заметны, но представлены менее равномерно.

Характеристики

Список файлов ВКР