Lossless(nén không mất mát dữ liệu) Watermarking Xem xét hệ

thống nhân Visual

Mohammad Awrangjeb and Mohan S Kankanhalli
Department of Computer Science
School of Computing
National University of Singapore, Singapore 117543
{mohamma1, mohan}@comp.nus.edu.sg

Tóm tắt.
Do lỗi lượng tử hóa, bit thay thế, hoặc cắt ngắn, dữ liệu kỹ thuật nhúng nhất đề xuất cho
đến nay dẫn đến biến dạng trong các ảnh gốc. Những biến dạng tạo ra vấn đề trong một số lĩnh
vực như ảnh y tế, thiên văn, và quân sự. Lossless đóng dấu là một phương pháp phục hồi chính
xác để khôi phục hình ảnh gốc với hình ảnh thủy ấn. Trong bài báo này chúng tôi trình bày một
kỹ thuật mới hồi phục đóng dấu với công suất cao hơn nhúng xem xét các nhân Visual System
(HVS). Trong quá trình nhúng chúng tôi phát hiện các khối kết cấu, trích xuất LSBs của các giá
trị điểm ảnh từ các khối kết cấu xem xét HVS và ghép các thông tin xác thực với chuỗi nén-bit.
Chúng tôi sau đó thay thế các LSBs của các khối kết cấu xem xét HVS với chuỗi-bit. Từ khi
chúng tôi xem xét các HVS trong khi giải nén LSBs và nhúng các tải trọng, các biến dạng trong
hình ảnh thủy ấn kết quả là hoàn toàn hồi phục và không thể nhận thấy. Chúng tôi trình bày kết
quả thí nghiệm để chứng minh sự hữu ích của thuật toán đề xuất của chúng tôi.
1 Giới thiệu
Nội dung xác thực của các dữ liệu đa phương tiện như hình ảnh đang trở nên ngày càng
quan trọng trong nhiều lĩnh vực như thực thi pháp luật, hình ảnh y tế, thiên văn học nghiên cứu,
vv Một trong những yêu cầu quan trọng nhất trong lĩnh vực này là phải có hình ảnh ban đầu
trong bản án để có những quyền quyết định. Kỹ thuật mã hóa dựa trên một trong hai phím hoặc
không đối xứng phương pháp đối xứng chính không thể cung cấp cho an ninh đầy đủ và toàn vẹn
chứng thực nội dung. Chủ yếu, (i) người chia sẻ khóa bí mật có thể sản xuất liên kết giả giữa các
tiêu đề và hình ảnh tương ứng của nó trong cơ sở dữ liệu y tế, (ii) cơ sở hạ tầng khoá công khai
là rất cần thiết, (iii) phổ biến hình ảnh định dạng tập tin, là cần thiết, (iv) nén, giải nén mất thông
tin kết quả, những vấn đề với các kỹ thuật như vậy. Lossless watermarking, một loại đóng dấu
mong manh, là quá trình cho phép phục hồi chính xác của các hình ảnh ban đầu của chiết xuất
các thông tin nhúng với hình ảnh thủy ấn. Nếu hình ảnh thủy ấn được coi là xác thực, có nghĩa là
không có chút hình ảnh thủy ấn là thay đổi sau khi nhúng tải trọng đến hình ảnh ban đầu. Một số
tác giả sử dụng biến dạng miễn phí, nghịch, nghịch, xóa được đóng dấu liên changeably cho
lossless watermarking. Kỹ thuật này (lossless đóng dấu) nhúng thông tin bí mật với hình ảnh để
các tin nhắn được nhúng là ẩn, vô hình và dễ vỡ. Mọi cố gắng thay đổi hình ảnh thủy ấn sẽ làm
cho xác thực thất bại.
Fridrich et al. [3] và Honsinger et al. [2] sử dụng phương pháp quang phổ lan ra thêm tải
trọng thông tin với các tín hiệu chủ. Các phương pháp mạnh mẽ để một loạt các biến dạng,
nhưng do sử dụng tiếng ồn modulo muối và hạt tiêu số học được giới thiệu và khả năng nhúng là
thấp. Celik et al. [1] đề xuất một đơn giản hồi phục dữ liệu ẩn nhúng thuật toán có năng lực cao.
Nó tìm kiếm toàn bộ ảnh và phát hiện ra dưới L-mức-giá trị của điểm ảnh (nói cho L = 4, điểm
ảnh có giá trị 0, 1, 2, 3) để có đủ không gian sau khi nén. Vấn đề chính của phương pháp này là
tất cả hình ảnh tôi không cung cấp đủ các tính năng (pixel-giá trị) ở mức thấp để nén không giảm
chất lượng. Vì vậy, khi L trở nên lớn hơn, biến dạng trở nên cao hơn và perceptually nhìn thấy
được. Những nén và mã hóa lossless-bit máy bay phương pháp trong [3] cung cấp dung lượng
cao tương đương với sức mạnh nhúng với đến an ninh cung cấp bởi các phương pháp mã hóa.
Nhưng hình ảnh ồn ào và lực tải trọng cao, việc chèn các thông điệp trong bit cao hơn máy bay
và do đó biến dạng trở nên hữu hình. Các chứng thực nghịch cho hình ảnh JPEG [3], [4], [10] là
một thuật toán nhanh chóng cung cấp dung lượng cao nhúng, nhưng hiện vật trở nên rõ ràng cho
hình ảnh JPEG với yếu tố chất lượng cao.Các dữ liệu RS-vector lossless phương pháp nhúng
trong [4], [7], [9] chia hình ảnh thành các nhóm tách rời nhau (thường xuyên, Singular, và không
sử dụng được). Toàn bộ hình ảnh được quét và các nhóm thường xuyên-Singular được kiểm tra
xem liệu có cần thiết phải áp dụng các hoạt động lật khi nhúng thông tin. Mặc dù phương pháp
này liên quan đến biến dạng thấp và nghịch, năng lực không phải là rất cao. Tian trong [5], [17]
đưa ra một công suất cao, đóng dấu thuật toán dựa trên việc mở rộng sự khác biệt. Phương pháp
này không có liên quan đến quá trình nén, giải nén các tính năng hình ảnh đã chọn, nhưng có
đáng kể xuống cấp chất lượng hình ảnh do thay thế-bit. Macq et al. [12] đề xuất một giải thích
ban đầu tròn của biến đổi song ánh như là một giải pháp để hoàn thành tất cả các yêu cầu chất
lượng và chức năng của lossless watermarking. Trong công việc đầu tiên của mình [18] Macq đề
xuất một phương pháp phụ gia đó là chỉ trích của ông trong [19] để hiện vật trực quan có 'muối
và hạt tiêu' do bọc xung quanh điểm ảnh. Trong [19], [12] Macq et al. đề xuất sửa đổi mà giải
quyết vấn đề này. Nó chủ yếu sau ý tưởng của thuật toán chắp vá [20]. Phương pháp này giúp
truyền tải thông điệp nhúng từ môi trường không giảm chất lượng môi trường mất dữ liệu và
cung cấp công suất cao, nhưng chất lượng hình ảnh của hình ảnh thủy ấn là không tốt. Xuân et
al. [13] đề xuất một giải thuật nén thông minh dựa trên các số nguyên biến đổi wavelet. Phương
pháp này cung cấp dung lượng cao nhúng nhưng biến dạng có thể dễ dàng nhìn thấy được nếu
nhiều hoặc cao hơn chút, chiếc máy bay được sử dụng cho việc nhúng. Shi et al. [15] đề xuất
một dữ liệu dung lượng cao miễn phí không bị méo hình ảnh kỹ thuật ẩn palette. Họ cũng đề
xuất một dữ liệu kỹ thuật đảo chiều ẩn [14] dựa trên chuyển đổi của biểu đồ. Trong phương pháp
này mặc dù các biến dạng thấp khả năng nhúng được giới hạn bởi các tần số của các giá trị điểm
ảnh thường xuyên nhất trong hình ảnh. biến đổi điện tử như một giải pháp để hoàn thành tất cả
các yêu cầu chất lượng và chức năng của lossless watermarking. Trong công việc đầu tiên của
mình [18] Macq đề xuất một phương pháp phụ gia đó là chỉ trích của ông trong [19] để hiện vật
trực quan có 'muối và hạt tiêu' do bọc xung quanh điểm ảnh. Trong [19], [12] Macq et al. đề xuất
sửa đổi mà giải quyết vấn đề này. Nó chủ yếu sau ý tưởng của thuật toán chắp vá [20].
Celik et al. [1] phân loại đóng dấu kỹ thuật nén thông minh trong hai loại. Trong loại đầu
tiên của thuật toán [2], [3], trong thời gian mã hóa tín hiệu truyền phổ tương ứng với trọng tải
thông tin là chồng (thêm) về các tín hiệu chủ. Trong quá trình giải mã các tải trọng (watermark
tín hiệu) bị loại bỏ (trừ) với hình ảnh thủy ấn trong bước phục hồi. Ưu điểm của các thuật toán
này là sử dụng phổ tín hiệu lan truyền mạnh mẽ làm tăng tải trọng. Nhưng những bất lợi là họ (i)
tạo ra muối và hạt tiêu hiện vật trong hình ảnh thủy ấn do số học modulo, và (ii) cung cấp khả
năng rất hạn chế.
Trong loại thứ hai của các thuật toán [1], [4], [5], một số tính năng (phần) của hình ảnh ban
đầu được thay thế hoặc ghi đè bằng các tải trọng watermark. Phần gốc của hình ảnh sẽ được thay
thế bằng tải trọng watermark được nén và thông qua như là một phần của payload được nhúng
trong nhúng. Trong quá trình giải mã này bán tải trọng nén và giải nén được chiết xuất. Do đó,
hình ảnh ban đầu là phục hồi bằng cách thay thế các phần sửa đổi với những tính năng giải nén
ban đầu. Ưu điểm của loại thứ hai của thuật toán là họ không bị hiện vật muối và hạt tiêu. Nhược
điểm là: (i) chúng không phải là mạnh mẽ như các loại đầu tiên của thuật toán, và (ii) khả năng
tìm thấy, mặc dù cao hơn so với các loại đầu tiên của thuật toán cung cấp, vẫn không đủ tốt. Tuy
nhiên, các thuật toán của loại thứ hai là tốt hơn so với loại đầu tiên để chứng thực nội dung mà
mong manh là quan trọng hơn là mạnh mẽ.
Bài báo trình bày một cuốn tiểu thuyết hồi phục kỹ thuật watermarking coi con người
Visual System (HVS) [6]. Các phương pháp đề nghị cung cấp hoàn toàn vô hình không bị méo
hình ảnh thủy ấn với công suất nhúng cao hơn. Chúng tôi tìm ra khối kết cấu từ những hình ảnh
ban đầu và các thông tin nhúng trong các khối kết cấu xem xét HVS. Chúng tôi giữ một điểm
ảnh của một khối kết cấu như là nếu tương ứng Chỉ đáng chú ý méo (và còn nhiều) giá trị của
điểm ảnh không cho phép thay đổi giá trị điểm ảnh bởi số lượng yêu cầu. Cuối cùng, khi chúng
tôi hoàn thành việc nhúng chúng ta không để lại bất kỳ điểm ảnh bị bóp méo trong một giới hạn
nhất định được xác định bởi giá trị và còn nhiều của nó. Do đó, các biến dạng trong hình ảnh
thủy ấn trở nên hoàn toàn vô hình. Tuy nhiên chúng ta có thể nhận được công suất cao hơn để
vượt qua các thông tin xác thực cũng như thông tin bên (giúp trong quá trình giải mã) bằng cách
nén những bit-chuỗi LSBs sử dụng một thuật toán nén không mất dữ liệu đơn giản, chẳng hạn
như số học mã hóa [8]. Năng lực bổ sung có thể được sử dụng để nhúng thông tin cần thiết theo
yêu cầu. phần với các tính năng giải nén ban đầu. Ưu điểm của loại thứ hai của thuật toán là họ
không bị hiện vật muối và hạt tiêu. Nhược điểm là: (i) chúng không phải là mạnh mẽ như các
loại đầu tiên của thuật toán, và (ii) khả năng tìm thấy, mặc dù cao hơn so với các loại đầu tiên
của thuật toán cung cấp, vẫn không đủ tốt. Tuy nhiên, các thuật toán của loại thứ hai là tốt hơn so
với loại đầu tiên để chứng thực nội dung mà mong manh là quan trọng hơn là mạnh mẽ. Thực
hiện của chúng tôi và kết quả thực nghiệm cho thấy rằng các thuật toán đề xuất đáp ứng các yêu
cầu (vô hình biến dạng và dung lượng cao hơn) của kỹ thuật watermarking nén thông minh và là
tốt hơn so với các thuật toán khác hiện có trong tài liệu.
Phần còn lại của giấy đi như sau: phần 2 đại diện cho nguyên tắc chung của dữ liệu không
giảm chất lượng hoặc đảo ngược nhúng kỹ thuật, và Human Visual System (HVS), phần 3 trình
bày thuật toán đề xuất của chúng tôi, phần 4 trình bày kết quả thí nghiệm chúng tôi đã tìm thấy
và quyết định so sánh các thuật toán đề xuất với các phương pháp khác được phát hành cho đến
nay, và cuối cùng mục 5 kết thúc với lợi thế và bất lợi của thuật toán đề xuất.
2 Nguyên tắc chung của Ẩn dữ liệu thuận nghịch và HVS
Đầu tiên chúng tôi trình bày các nguyên tắc chung [7] của dữ liệu kỹ thuật đảo chiều ẩn
trong phần 2.1. Sau đó chúng tôi mô tả những con người Visual System [6] (trong mục 2.2) mà
chúng ta sử dụng trong các thuật toán đề xuất.
2.1 Nguyên tắc chung của dữ liệu Reversible Ẩn
Nguyên tắc chung của hồi phục dữ liệu ẩn là đối với một đối tượng kỹ thuật số (nói một tập
tin hình ảnh JPEG) I, một tập hợp con J của I (J ⊂ I) được chọn. J có cơ cấu sở hữu nó có thể
được dễ dàng ngẫu nhiên mà không thay đổi các đặc tính cần thiết của I, và nó cung cấp nén
không giảm chất lượng bản thân để có đủ không gian (ít nhất là 128 bit) để nhúng tin nhắn xác
thực (nói băm của I). Trong quá trình nhúng J được thay thế bằng các tin nhắn xác thực nối với
nén J. Nếu J là nén cao chỉ là một tập hợp con của J có thể được sử dụng. Trong quá trình giải
mã thông tin xác thực kèm theo nén J được chiết xuất. J này chiết xuất (nén) là giải nén để thay
thế các tính năng sửa đổi trong hình ảnh thủy ấn, vì vậy các bản sao chính xác của các hình ảnh
ban đầu được tìm thấy.
Tuy nhiên khi chúng tôi nhúng để đảo ngược watermarking chúng tôi có những điểm sau
đây để xem xét: (i) phương pháp nhúng nên tìm đủ khả năng nhúng đủ của tin nhắn, (ii) không
nên có mở rộng kích thước hình ảnh do nhúng, (iii) nhúng tin nên có ích, (iv) biến dạng trong
hình ảnh ban đầu được giữ càng thấp càng tốt, do đó, hiện vật là không thể nhận thấy, (v)
watermark hình ảnh nên được dễ vỡ để cố gắng bất cứ thay đổi, (vi) mã hóa với khóa bí mật có
thể tăng cường an ninh và toàn vẹn của dữ liệu ảnh.
2.2 Các nhân Visual System
Yêu cầu quan trọng nhất của lossless watermarking là bất kỳ sự khác biệt (biến dạng) giữa
ảnh gốc và hình ảnh thủy ấn nên được perceptually vô hình. Nhân Visual System (HVS) là yếu
tố có thể được khai thác để đạt được yêu cầu này. Nhưng cho đến nay không có phương pháp
watermarking lossless đề xuất đã sử dụng các tính chất của HVS. HVS cơ bản kết quả trong thực
tế là mỗi giá trị pixel của một hình ảnh có thể được thay đổi chỉ bởi một số tiền nhất định mà
không thực hiện bất kỳ sự khác biệt cảm quan đến chất lượng hình ảnh. Giới hạn này được gọi là
biến dạng chỉ đáng chú ý hoặc cấp và còn nhiều. Nếu chúng ta giữ cho biến dạng để pixel không
trong giới hạn được xác định theo cấp và còn nhiều của sự xuống cấp của điểm ảnh là không thể
nhận thấy trong hình ảnh thủy ấn [6].
Chúng tôi phân chia các hình ảnh ban đầu thành 8 × 8 khối, và sau đó đi rời rạc Cosine
Chuyển giao (DCT) của từng khối 8 × 8. Trong một khối với những thay đổi đột ngột giữa các
điểm ảnh liền kề, năng lượng tín hiệu có xu hướng được tập trung ở các hệ số AC. Phương trình
(1) cho năng lượng, EAC, trong các hệ số AC, và phương trình (2) cho năng lượng tối đa, Emax.
Năng lượng tối đa được tìm thấy khi các điểm ảnh liền kề có giá trị tối đa và tối thiểu cho phép
màu xám. Bằng cách sử dụng Emax là nhân tố bình thường chúng ta đo lường mức độ nhám Rb
cho b khối (phương trình 3).

Trường hợp xij là (i, j) DCT hệ số của một khối, G là giá trị tối đa màu xám cho phép (đối
với 8-bit hình ảnh đó là 255), và chúng tôi sử dụng đăng nhập cho nhiều nén. Phạm vi của Rb là
thống nhất chia thành 8 nhóm và tùy thuộc vào giá trị của Rb mỗi khối được đưa ra một chỉ số
biến dạng khối Ib, Ib ∈ {1, 2, ..., 8}. Sự biến động của năng lượng tại vị trí (i, j) của từng khối
(nơi mà các giá trị pixel là Pi, j) được cho bởi gradient của ∇ Pi,j (phương trình 4). Trong hình
ảnh kết cấu ∇ Pi,j sẽ là lớn tại một số lượng lớn các địa điểm. Một λ gradient-ngưỡng được thực
hiện để quyết định có gradient là lớn hơn một giới hạn nhất định và một số C-ngưỡng được thực
hiện để quyết định xem có block còn có một cạnh hoặc là rất cao kết cấu. Tất cả các khối đáp
ứng các ràng buộc Ib ∈ {6, 7, 8} đang bị thử nghiệm: một khối kết cấu là rất cao nếu có đủ các
phương trình (5).

Trường hợp | | ... | | là cardinality của bộ này, α được xác định trước liên tục, và Pi, b, j là
giá trị pixel tại vị trí (i, j) của khối b. Mỗi khối dựa trên tương ứng Ib của nó là ánh xạ tới một
giá trị và còn nhiều, € {3, 4, ..., 10}, trong khi Ib € {1, 2, ..., 8}. Chúng tôi làm 1-1 lập bản đồ cho
đơn giản. Chúng tôi cũng xem xét pixel, độ sáng để có ký "Chỉ đáng chú ý méo (và còn nhiều), J
(i, j, b), tại bất kỳ vị trí điểm ảnh (i, j) trong mỗi b khối kết cấu (phương trình 6). Đó là thực sự
kết hợp hiệu quả của sáng vào và còn nhiều giá trị, kể từ khi biến dạng trong một hình ảnh đáng
chú ý hơn ở khu vực giữa màu xám và thay đổi độ nhạy parabolically như biến động giá trị màu
xám trên cả hai mặt của các cấp giữa màu xám. Lưu ý rằng (i, j) là số phần tử ở hàng (i +1) và số
cột (k +1) trong một mảng hai chiều.
3 Các Lossless đề xuất thuật toán Watermarking
Trong quá trình nhúng, chúng tôi tìm ra các khối kết cấu trong các hình ảnh ban đầu tôi,
sau đó xem xét HVS chúng ta trích xuất các LSBs của các điểm ảnh trong các khối kết cấu. Các
extractedSBs được lưu trữ trong một chuỗi bit được nén Ít hao tổn để có 6 Mohammad
Awrangjeb et al.
 Hình. 1. Nhúng trình đủ không gian để ghép các thông tin xác thực, nói rằng các hash của
ảnh gốc.
Chúng tôi sử dụng số học mã hóa [8] để nén không giảm chất lượng. Các kết quả, chuỗi bit
được gọi là watermark được nhúng vào trong ảnh gốc. Trong khi nhúng watermark chúng tôi
một lần nữa xem xét các HVS để thay thế LSBs của các điểm ảnh trong các khối kết cấu. Trong
khi giải nén LSBs của các điểm ảnh của các khối kết cấu chúng tôi cố gắng để giảm thiểu số
lượng thông tin bên yêu cầu. Chúng tôi tìm ra giá trị và còn nhiều tối đa (Jmax, b) cho mỗi b
khối và tính toán số bit cần thiết để đại diện cho Jmax, b bởi bitb = log2 (Jmax, b). Vì vậy, chúng
tôi trích bitb của LSBs bit / pixel của khối kết cấu b. Để làm cho quá trình giải mã dễ dàng chúng
ta cần thêm một số thông tin bên (không thay đổi chỉ số pixel) với watermark. Ngoài ra chúng tôi
thay thế một số LSBs (LSBs ban đầu được thêm vào để đóng dấu ấn trước khi nén) của khối đầu
tiên ít (nói 10) để thông qua các thông tin bên ban đầu (kết cấu khối-số, số lượng LSBs chiết
xuất Lossless Watermarking Xét Nhân Visual System 7 / pixel của từng khối, chiều dài
watermark) để bắt đầu quá trình giải mã. Nói cách quá trình nhúng (Hình 1) bao gồm các bước
sau:
o Chia các hình ảnh ban đầu thành 8 × 8 khối
o Tính toán DCT của từng khối 8 × 8
o Tính độ nhám của mỗi khối
o Bằng cách sử dụng phân loại ban đầu riêng biệt các thành phần thô (khối) được ít nhạy
cảm với tiếng ồn
o Phân loại lại các thành phần thô để tách các khối kết cấu cao từ các khối cạnh mạnh mẽ
o Bản đồ các JNDs block,
o Tính toán của mỗi điểm ảnh và còn nhiều tại các khối kết cấu
o Tính toán số lượng LSBs, bitb = log2 (Jmax, b), được chiết xuất từ khối mỗi b
 o Giải nén bitb LSBs mỗi điểm ảnh của b khối kết cấu và cửa hàng trong một chuỗi-bit
o Nén các bit-chuỗi Ít hao tổn
o Tính toán băm của ảnh gốc và ghép nó (cùng với các thông tin khác theo yêu cầu) với các
chuỗi nén-bit
o Trong khi thay thế bit bitb của LSBs mỗi điểm ảnh của b khối với bit bitb của watermark:
cho x1 = giá trị thập phân của LSBs bitb của một giá trị pixel tại vị trí (i, j); x2 = thập phân giá
trị của các bit bitb của watermark được nhúng , J (i, j, b) = và còn nhiều giá trị của pixel tại vị trí
(i, j). Nếu (abs (x2 - x1) ≤ J (i, j, b)) sau đó thay thế các LSBs bitb của pixel với bit bitb của
watermark, khác giữ cho không thay đổi điểm ảnh.
Lưu ý rằng chúng tôi thay thế các LSBs của điểm ảnh (của các khối kết cấu) thay vì thêm
các dữ liệu watermark. Lá này chỉ có một vài hoặc không có điểm ảnh mà không cần nhúng dữ
liệu. Đó là lý do tại sao số lượng thông tin phụ của các chỉ số của các điểm ảnh mà không cần
nhúng rất thấp.
Trong quá trình giải mã chúng ta trích xuất các tải trọng bằng cách sử dụng các thông tin
bên. Sau khi tách các thông tin xác thực, chúng tôi giải nén những bit nén-chuỗi LSBs. Cuối
cùng chúng tôi thay thế LSBs của các điểm ảnh của các khối kết cấu bằng cách sử dụng các
thông tin bên để có được bản sao chính xác của hình ảnh gốc. Chúng tôi tính toán hash của hình
ảnh được xây dựng lại và so sánh các tính toán cho băm băm trích xuất.
4 Kết quả thí nghiệm và thảo luận
Chúng tôi đầu tiên có mặt ở đây kết quả thực nghiệm của chúng tôi và sau đó so sánh kết
quả với các thuật toán khác được đề xuất cho đến nay.
4.1 Kết quả thử nghiệm
Chúng tôi đã thực hiện thuật toán của chúng tôi và áp dụng cho một số hình ảnh của các
loại khác nhau: y tế, thiên văn, và hình ảnh chung được sử dụng trong các tài liệu. Chúng tôi đã
sử dụng 8 Mohammad Awrangjeb et al.
 số học mã hóa nén [8]. Bảng 1 cho thấy các kết quả thử nghiệm chúng tôi đã tìm thấy cho
các thuật toán đề xuất của chúng tôi. Tất cả các hình ảnh được 8-bit màu xám. Những kết quả
này cho thấy rằng các thuật toán đề xuất cung cấp dữ liệu hồi phục ẩn với công suất cao hơn và
hiện vật không thể nhận thấy.
4,2 So sánh với các thuật toán khác
Trước tiên chúng ta tiết lộ những hạn chế của các đề xuất gần đây các thuật toán nén thông
minh đóng dấu. Lossless nén và mã hóa của phương pháp bay hơi của Fridrich et al. [3] có
những hạn chế: (i) năng lực không phải là rất cao, và (ii) các lực lượng tải trọng cao hơn các
phương pháp nhúng watermark ở bit cao hơn máy bay và do đó các tạo tác có thể dễ dàng nhìn
thấy được. Các phương pháp khác watermarking đề xuất của al Fridrich và cộng sự. trong [4],
[7], [9], [10], hoặc cung cấp khả năng hạn chế hoặc tạo ra các đồ tạo tác mà có thể dễ dàng nhìn
thấy được. Vấn đề khác là các thuật toán này không cung cấp đủ năng lực sau khi nén không
giảm chất lượng cho hình ảnh có kích thước nhỏ hơn. Phương pháp hồi phục dữ liệu ẩn của al
Celik và cộng sự. [1] cho năng suất cao.
Bảng 1. Thử nghiệm kết quả của thuật toán đề xuất

Nhưng các giới hạn cơ bản với phương pháp này là: hình ảnh mà không đưa ra đủ dữ liệu
cho Ít hao tổn nén, mức nhúng trở nên lớn hơn và các đồ tạo tác có quá nhiều có thể nhìn thấy.
Ví dụ: phương pháp này không cung cấp đủ năng lực (ít nhất là 128 bit) cho hình ảnh 1, 7, 9, 10,
13 ở bảng 1, trong khi chúng tôi sử dụng thuật toán nén như LZW [11], JBIG [21] hay số học mã
hóa [8] thậm chí nếu chúng ta tăng mức độ nhúng lên đến 50. Celik et al. đề nghị sử dụng
CALIC [16] thuật toán nén thông minh. Nhưng nếu chúng ta tăng mức độ nhúng lên đến 50 cho
Tiffany hình ảnh chúng tôi nhận được chỉ 256 byte dữ liệu. Không thể nén như vậy số lượng nhỏ
dữ liệu để có đủ không gian (10 Mohammad al Awrangjeb et ít nhất là 16 byte.) cho mbedding
thông tin. Hơn nữa, số lượng biến dạng được tối đa 50, do đó, hiện vật có thể dễ dàng nhìn thấy
được. Phương pháp đề xuất trong [5], [12], [13] mặc dù năng lực cung cấp cao, hiện vật có thể
nhìn thấy. Những thuật toán này cũng cung cấp khả năng giới hạn cho hình ảnh có kích thước
nhỏ hơn.
Gần đây, hai thuật toán nén thông minh đóng dấu đã được đề xuất [14], [15]. Các phương
pháp trong [15] đặc biệt cho hình ảnh bảng. Trong [14] năng lực bị hạn chế bởi các tần số của
mức độ thường xuyên nhất, màu xám trong hình ảnh. Chúng tôi cung cấp một số dữ liệu để so
sánh [14] với các thuật toán đề xuất của chúng tôi (Bảng 2).
Bảng 2. So sánh năng lực và PSNR được cung cấp bởi [14] và thuật toán đề xuất

Các phương pháp trong [14] cung cấp một PSNR cố định 48,13 cho tất cả các hình ảnh bởi
vì các tiêu chí nhúng của nó (thay đổi của biểu đồ). Chúng tôi thấy rằng việc chèn tuyên bố của
60k bit dữ liệu bằng cách [14] đã không luôn luôn được đảm bảo. Nó đã có thể cho hình ảnh Jet,
đó là một trường hợp đặc biệt do tính chất phẳng của hình ảnh. Nếu chúng ta loại trừ những hình
ảnh Jet, bảng 2 cho thấy [14] cung cấp trung bình 9.5k bit nhúng công suất với một mức trung
bình (không đổi) PSNR 48.23dB, trong khi phương pháp đề nghị của chúng tôi cung cấp cho
công suất trung bình nhúng 25.5k bit với trung bình SNR 37.95dB . Bao gồm các hình ảnh Jet
các thuật toán đề xuất cung cấp công suất cao hơn trung bình (28K bit) hơn [14] (17k bit). Các
giá trị trung bình bao gồm các hình ảnh Jet được thể hiện trong bảng 2, nơi mà năng lực nằm
trong byte. Chúng tôi cố gắng để loại trừ những hình ảnh mịn (như hình ảnh Jet) vào tài khoản ở
đây bởi vì họ luôn luôn cung cấp đủ khả năng nhúng.
Việc nén không giảm chất lượng và mã hóa của máy bay-bit (s) của Fridrich et al. [3] cung
cấp công suất thấp vì hai lý do: (i) kể từ khi các bit ở vị trí LSB thực sự ngẫu nhiên, họ không
đưa ra một tỉ lệ nén tốt, và (ii) số lượng dữ liệu được nén rất thấp, đối với một × 512 512 8-bit
hình ảnh chúng tôi nhận được chỉ 4KB dữ liệu nếu chỉ có 1 phím máy bay-bit được chọn.
Phương pháp RS-vector [4] chia điểm vào R, S, U nhóm. U nhóm là không sử dụng được, tuy
nhiên nó chỉ nhúng 1 bit cho mỗi nhóm. Nếu mỗi nhóm gồm 4 điểm và không có nhóm U ở tất
cả, một 512 × 512 8-bit hình ảnh có thể nhúng tối đa 8KB dữ liệu. Mặt khác, phương pháp đề
nghị của chúng tôi lựa chọn 8 × 8 khối dựa trên tính chất hình ảnh và nhúng 256 bit dữ liệu mỗi
khối trung bình. Để có khả năng tương tự như RS-vector phương pháp nêu trên, chúng ta cần chỉ
256 khối trên trung bình trong khối 4096 cho một hình ảnh 8-bit 512 × 512.
Do đó, các kết quả thử nghiệm cho thấy thuật toán đề xuất của chúng tôi là tốt hơn, vì nó
cung cấp cho công suất cao hơn cho hầu hết các hình ảnh và PSNR tốt hơn so với các phương
pháp khác đề xuất cho đến nay. Các khía cạnh quan trọng nhất của thuật toán đề xuất của chúng
tôi là việc xem xét của HVS trong nhúng, và do đó các hiện vật là hoàn toàn không thể nhận
thấy. Vì vậy, các thuật toán đề xuất đáp ứng các yêu cầu (vô hình biến dạng và dung lượng cao
hơn) của kỹ thuật watermarking nén thông minh và là tốt hơn so với các thuật toán khác hiện có
trong tài liệu.
 5 Kết luận
Chúng tôi có mặt ở đây một kỹ thuật watermarking lossless với công suất nhúng cao hơn.
Bằng cách xem xét các nhân Visual System (HVS), chúng tôi không để lại pixel vào hình ảnh
thủy ấn với một sự biến dạng lớn hơn giới hạn được xác định bởi giá trị của điểm ảnh và còn
nhiều điều đó. Do đó, không có sự biến dạng có thể nhìn thấy ở tất cả trong hình ảnh thủy ấn của
thuật toán đề xuất của chúng tôi. Kết quả thực nghiệm chứng minh rằng các thuật toán đề xuất là
tốt hơn so với bất kỳ thuật toán khác được đề xuất cho đến nay trong các tài liệu đóng dấu
lossless. Bổ sung an ninh chống lại các cuộc tấn công hoạt động có thể thu được bằng cách mã
hóa các bit watermark dây với một khóa bí mật K trước khi nhúng. Phương pháp này cũng cũng
có thể được sử dụng cho các hình ảnh màu sắc. Nó hoạt động trên cả hai hình ảnh mịn và kết
cấu. Nó cũng hoạt động trên hình ảnh nhỏ cũng như hình ảnh lớn. Các phương pháp được đề
xuất là đơn giản, cho công suất cao hơn trung bình không có sự bóp méo nhận thức. Do đó,
chúng tôi tin rằng phương pháp đề xuất sẽ được hữu ích trong các ứng dụng không giảm chất
lượng hình ảnh liên quan đến đóng dấu y tế, thiên văn, và quân sự.
Tham khảo
1. Celik, M.U., Sharma, G., Tekalp, M.A., Saber, E.: Reversible Data Hiding. In
Proceedings of International Conference on Image Processing, vol. 2. Rochester, NY,
USA (24 Sep 2002) 157 –160
2. Honsinger, C.W., Jones, P.W., Rabbani, M., Stoffel, J.C.: Lossless Recovery of an
Original Image Containing Embedded Data. US Patent # 6,278,791 (Aug 2001)
3. Fridrich, J., Goljan, M., Du, R.: Invertible Authentication. In Proc. of SPIE Photonics
West, Security and Watermarking of Multimedia Contents III, vol. 3971. San Jose,
California, USA (Jan 2001) 197-208
4. Fridrich, J., Goljan, M., Du, R.: Lossless Data Embedding – New Paradigm in
Digital Watermarking. Special Issue on Emerging Applications of Multimedia Data Hiding, vol.
2. (Feb 2002) 185–196
5. Tian, J.: Wavelet-based reversible watermarking for authentication. In Proc.
Security and Watermarking of Multimedia Contents IV, Electronic Imaging 2002, vol. 4675.
(20-25 Jan 2002) 679-690
6. Kankanhalli, M.S., Rajmohan, Ramakrishnan, K.R.: Content-based Watermarking
of Images. In Proceedings of 6th ACM International Multimedia Conference. Bristol, UK
(Sep1998) 61-70
7. Fridrich, J., Goljan, M., Du, R.: Lossless Data Embedding for all Image Formats. In
Proc. SPIE Photonics West, Electronic Imaging, Security and Watermarking of Multimedia
Contents, vol. 4675. San Jose, California, USA, (Jan 2002) 572–583
8. Sayood, K.: Introduction to Data Compression. 2nd edn. Morgan Kaufmann (2000) 77-
104
9. Goljan, M., Fridrich, J., Du, R.: Distortion-free Data Embedding. In 4th Information
Hiding Workshop, LNCS, vol. 2137. Springer-Verlag, New York, USA (2001) 27-41
10. Fridrich, J., Goljan, M., Du, R.: Invertible Authentication Watermark for JPEG
Images. In Proc. of Information Technology: Coding and Computing. Las Vegas, Nevada, USA,
(2-4 Apr 2001) 223–227
11. Gonzalez, R.C., Woods, R.E.: Digital Image Processing. 2nd edn. Pearson
Education International, Prentice Hall (2002) 446-448
12. Vleeschouwer, C.D., Delaigle, J.F., Macq, B.: Circular Interpretation of
Histogram for Reversible Watermarking. In IEEE 4th Workshop Multimedia Signal
Processing. (2001) 345 –350
13. Xuan, G., Chen, J., Zhu, J., Shi, Y.Q., Ni, Z., Su, W.: Lossless Data hiding based on
Integer Wavelet Transform. In IEEE International Workshop on Multimedia Signal
Processing. Marriott Beach Resort St. Thomas, US Virgin Islands (9-11 Dec 2002)
 14. Ni, Z., Shi, Y.Q., Ansari, N., Su, W.: Reversible Data Hiding. In: Proceedings
of International Symposium on Circuits and Systems (ISCAS 2003), vol. 2. Bangkok, Thailand
(25-28 May 2003) 912-915
15. Hongmei, L., Zhefeng, Z., Jiwu, H., Xialing, H., Shi, Y.Q.: A High Capacity
Distortion-free Data Hiding Algorithm for Palette Image. In: Proceedings of International
Symposium on Circuits and Systems (ISCAS 2003), vol. 2. Bangkok, Thailand (25-28 May
2003) 916-919
16. WU, X.: Lossless Compression of Continuous-Tone Images via Context
Selection, quantization, and modeling. In: IEEE Transactions on Image Processing, vol. 6, no. 5.
(May 1997) 656 –664
17. Tian, J.: Reversible Watermarking by Difference Expansion. In Proceedings of
Workshop on Multimedia and Security, ACM, Juan-les-Pins, France (Dec 2002) 19-22
18. MACQ, B.: Lossless Multiresolution Transform for Image Authenticating
Watermarking. In Proceedings of EUSIPCO, Tempere, Finland, (Sep 2000)
19. Vleeschouwer, C.D., Delaigle, J.F., Macq, B.: Circular Interpretation of
Bijective Transformations in Lossless Watermarking for Media Asset Management. In
IEEE Transaction on Multimedia, (Mar 2003)
20. Bender, W., Gruhl, D., Morimoto, N., LU, A.: Techniques for Data Hiding. In
IBM Systems Journal, vol. 35, no. 3-4. (1996) 313-336 21. Sayood, K.: Introduction to Data
Compression. 2nd edn. Morgan Kaufmann (2000) 106-114