1 Phương pháp biến đổi DWT

2 Tổng quan
3 1. Tổng quan

 DWT Discrete Wavelet Transformation - là ứng dụng mới trong các ứng
dụng của wavelet

 DWT thực hiện trên miền tần số, mục đích của phép biến đổi nhằm thực
hiện thay đổi hệ số chuyển đổi của ảnh chứa, sau đó thực hiện chuyển
đổi ngược lại để thu được ảnh đã được nhúng tin.
4 Quy trình giấu tin trong ảnh sử dụng kỹ thuật biến đổi DWT
5 2. Quy trình giấu tin

 Biến đổi DWT

 Chia khối (Blocking)

 Kết hợp khối (Matching)

 Tính chênh lệch khối (Difference Blocks Computation)

 Thay thế khối (Block Replacement)

 Sắp xếp các khối hệ số (Rearrangment of Coefficients Blocks)

 Biến đổi DWT ngược

6 2.1 Biến đổi DWT

 Bước 1

A B C D A+B C+D A-B C-D

L H
7 2.1 Biến đổi DWT

 Bước 2:

 Cuối cùng thu được 4 dải tần phụ được biểu hiện là LL, LH, HL, HH
tương ứng. Dải LL là phần tần số thấp và do đó trông rất giống với
hình ảnh ban đầu.
8 Hình ảnh gốc so với ảnh đã biến đổi DWT
9  Sau khi thực hiện biến đổi DWT, từ ảnh gốc I thu được 4 ảnh phụ
(IA, IH, Iv, ID) tương ứng:
 IA - hệ số xấp xỉ
 IH - hệ số chi tiết chiều ngang
 IV - hệ số chi tiết chiều dọc
 ID - hệ số chi tiết đường chéo
 Tương tự, sau khi biến đổi DWT, từ ảnh bí mật S thu được 4 ảnh
phụ (SA, SH, Sv, SD) tương ứng:
 SA - hệ số xấp xỉ
 SH - hệ số chi tiết chiều ngang
 SV - hệ số chi tiết chiều dọc
 SD - hệ số chi tiết đường chéo
10 Ví dụ: Với ảnh chứa I dưới dạng ma trận điểm ảnh 8x8 và ảnh
bí mật S dưới dạng ma trận 4x4
11 Biến đổi chiều ngang

+
12 Biến đổi chiều dọc

+
13 Biến đổi chiều dọc

IA IV

IH ID
14 Tương tự với ảnh bí mật S
15 Chia khối
16 2.2 Chia khối
 Mục đích của chia khối: Thuật toán thực hiện thay đổi và biến đổi
theo đơn vị từng khối ảnh vậy nên cần thực hiện chia ảnh theo từng
khối
 Các ảnh phụ SA, IA, IH, IV, ID sẽ được chia thành các khối 2x2 điểm
ảnh:
 SA = {BSAi, 1 ≤ i ≤ SAn}
 IA = {BIAj, 1 ≤ j ≤ IAn}
 IH = {BIHk, 1 ≤ k ≤ IHn}
 IV = {BIVl, 1 ≤ l ≤ IVn}
 ID = {BIDp, 1 ≤ p ≤ IDn}
17 2.2 Chia khối
18 Kết hợp khối
19 2.3 Kết hợp khối
 Mục đích: Tìm các khối ảnh có sai khác nhỏ nhất nhằm đảm bảo việc
giấu tin không gây thay đổi quá lớn tới ảnh.
 Với mỗi khối BSAi trong SA, khối BIAj có lỗi nhỏ nhất là khối có điểm
khác biệt ít nhất trong IA được tìm bằng phương pháp Root Mean
Square Error (RMSE) được gọi là khối phù hợp nhất.
 Khóa bí mật K1 chứa các địa chỉ j của các khối BIAi có lỗi nhỏ nhất được
lưu lại dưới dạng là (i, j).
 với
20 Lý do sử dụng RMSE
 RMSE cho biết độ lệch chuẩn giữa giá trị dự đoán và giá trị thực
tế. Độ lệch càng nhỏ thì mô hình càng chính xác.
 Được sử dụng như Cost Function trong mô hình Hồi quy thường
thấy ở Machine Learning.
 Nếu biến phụ thuộc có dải biến thiên hẹp, RMSE của bạn sẽ thấp
và nếu biến phụ thuộc có phạm vi rộng thì RMSE sẽ cao. Do đó,
RMSE là một số liệu tốt để so sánh giữa các lần lặp lại khác nhau
của mô hình.
21 2.3 Kết hợp khối

 Ví dụ: Với đầu vào là các khối BIA của IA và các khối BSA của SA. Cần
tính toán để có được khóa K1 lưu các vị trí của các khối thích hợp nhất
trong các khối BIA với các khối BSA tương ứng.

𝐵𝑆𝐴 = [ 4 45
636
548
643 ] 𝐵𝐼𝐴 =¿
22 2.3 Kết hợp khối

RMSE (BSA, BIA1) = = 156.002

RMSE (BSA, BIA2) = 131.237
RMSE (BSA, BIA3) = 120.898
RMSE (BSA, BIA4) = 98.065 (min)

RMSE (BSA, BIA4) có giá trị thấp nhất, vậy nên khối BIA4 là khối phù hợp nhất
với BSA. Khóa K1 = (4) - vị trí khối BIA4
23 Tính chênh lệch khối
24 2.4 Tính chênh lệch khối (Difference Blocks Computation)
 Mục đích của tính chênh lệch khối: Thực hiện tính giá trị chênh
lệch khối DBi giữa khối BSAi và khối phù hợp nhất BIAj theo công
thức sau:
25 Thay thế khối
26 2.5. Thay thế khối

 Mục đích: Đảm bảo sự thay đổi của ảnh sau khi giấu tin là thấp nhất.

 Cách làm:

 B1: Tìm các khối phù hợp nhất với khối DB trong các khối của mỗi ảnh
phụ , , . Tức là có RMSE (Độ lệch bình phương trung bình) với DB nhỏ
nhất.

 B2: Lưu lại vị trí của các khối phù hợp đó vào khoá , , .

 B3: Tìm ra khối có RMSE với DB nhỏ nhất trong 3 khối phù hợp ở trên.

 B4: Thay thế khối tìm được ở B3 bằng khối DB.

27 2.5. Thay thế khối

 DB = , = .

 RMSE(DB, ) = = 98.710

 Tương tự: RMSE(DB, ) = 82.058, RMSE(DB, ) = 113.756, RMSE(DB, ) = 94.211

Vậy khối phù hợp nhất của ảnh là .
RMSE(DB, ) = 150.109, RMSE(DB, ) = 103.245, RMSE(DB, ) = 123.586,
RMSE(DB, ) = 79.251.
RMSE(DB, ) = 86.803, RMSE(DB, ) = 105.525, RMSE(DB, ) = 130.398,
RMSE(DB, ) = 120.361.
28 2.5. Thay thế khối

 Trong 3 khối , , thì RMSE(DB, ) = 79.251 là nhỏ nhất. Do đó khoá K3 lưu (1, 4). Trong đó
1 là khối DB đầu tiên, 4 là vị trí của khối trong ảnh .

 Ta thay thế khối bằng khối DB thu được ảnh phụ = .

29 2.6. Sắp xếp các khối hệ số

 Thay thế vào lại ảnh gốc cùng với , , ta có:

I=
30 DWT ngược
31 2.7. DWT ngược
 Mục đích: Đưa các ảnh phụ trở về ảnh toàn vẹn chứa tin đã giấu

 Trước tiên ta DWT ngược theo chiều dọc:

X + Y = 649
I=

Ta có X = 277, Y = 372.

X – Y = -95
32 2.7. DWT ngược

 Kết quả sau khi DWT ngược theo chiều dọc:

33 2.7. DWT ngược

 Kết quả sau khi DWT ngược theo chiều ngang thu được ảnh chứa ảnh bí mật S:
34 Quy trình tách tin
35 3. Quy trình tách tin
 Sơ đồ tổng quan:
36 Quy trình tách tin

 Thực hiện biến đổi DWT chia ảnh chứa tin I’ thành 4 ảnh phụ , , , .

 Chia các ảnh phụ , , , thành các khối ma trận 2x2 tương ứng.

 Lấy khối phù hợp nhất từ ảnh phụ sử dụng khóa K1.

 Lấy khối chênh lệch DB từ các ảnh phụ , , sử dụng khóa K2, K3, K4
tương ứng.

 Tính toán khối bí mật qua công thức: = + DB

 Sử dụng khoá K1 sắp xếp lại thứ tự của các khối nhằm khôi phục ảnh phụ chứa
hệ số xấp xỉ của ảnh bí mật

 Thực hiện DWT ngược trên ảnh phụ sẽ thu được ảnh bí mật S