Содержание к диссертации
Введение
1. Стеганографические системы14
1.1 Обзор литературы 14
1.2 Общая схема стеганографической системы 21
1.3 Методы LSB и аддитивное встраивание22
1.4 Задачи защиты медиа информации 24
Выводы по главе 1 33
2. Избыточность цифрового изображения34
2.1 Представление цифрового изображения 34
2.2 Меры корреляции и искажения 36
2.3 Разложение на битовые плоскости и плоскости Грея40
2.4 Ортогональные преобразования 50
Выводы по главе 2 55
3. Полутоновый контейнер56
3.1 Встраивание бинарного изображения в битовые плоскости . 56
3.2 Встраивание в плоскости Грея 57
3.3 Сжатие с потерей 60
3.4 Слепое детектирование из плоскостей Грея70
Выводы по главе 3 74
4. Цветной контейнер75
4.1 Изображение с палитрой 75
4.2 Встраивание путем перестановки строк палитры78
4.3 Цветовые модели 82
4.4 Встраивание в цветовом пространстве RGB и YCbCr 86
Выводы по главе 4 93
5. Встраивание с секретным ключом94
5.3 є-секретность 107
5.4 Секретность двух алгоритмов встраивания 109
Выводы по главе 5 113
Литература 115
- Методы LSB и аддитивное встраивание
- Разложение на битовые плоскости и плоскости Грея
- Слепое детектирование из плоскостей Грея
- Встраивание путем перестановки строк палитры
Введение к работе
Работа посвящена изучению базовых методов современной стеганографии для задачи встраивания бинарных изображений, где рассмотрены возможности использования битовых плоскостей монохромных и цветных контейнеров, устойчивость к сжатию и секретность.
Актуальность. Несмотря на большое число работ, ряд вопросов, касающихся базовых методов, остается без должного внимания. Это связано с тем, что цифровое изображение является сложным объектом. Оно допускает многочисленные представления с большим числом параметров.
Использование битовых плоскостей для встраивания цифровых данных или цифровых водяных знаков (ЦВЗ) хорошо известно в литературе. Встраивание в несколько бинарных разрядов (техника Stego-n bit) приводит к увеличению пропускной способности, однако для этой техники возникают вопросы, связанные с секретностью, устойчивостью к сжатию и другие. Примером использования нескольких битовых плоскостей служат плоскости Грея, построенные с помощью кодов Грея. Они известны в литературе, но их применению в стеганографии не уделяется должного внимания.
Сжатие с потерями представляет особый интерес для стеганографических систем, где контейнерами служат цифровые изображения. Чтобы сохранить изображение со встроенными данными для дальнейшего использования, его преобразуют в графический формат, среди которых наиболее популярным является JPEG. Однако JPEG сжимает изображение с потерями, что разрушает сокрытые данные. Поэтому вопрос об алгоритмах, обеспечивающих устойчивость встроенных данных к разрушению, является важным для практики. Работы, где обсуждалась устойчивость к JPEG сжатию алгоритмов встраивания в плоскости Грея, к настоящему моменту автору не известны.
Для случая встраивания ЦВЗ в цветное изображение предложен набор решений устойчивых к сжатию, который непрерывно пополняется новыми предложениями. Их свойства, анализируются с помощью объективных мер искажения, таких как евклидово расстояние, пиковое отношение сигнала к шуму (PSNR, Peak Signal Noise Ration) и других. В нашем случае, когда в контейнер встраивается не случайная последовательность, а бинарное изображение, возникает своя специфика: получателем может быть человек. Это означает, что наряду с объективными мерами искажения должны использоваться меры, учитывающие особенности зрительного восприятия. Построение таких мер является отдельной и сложной задачей. Специально для формата JPEG была предложена мера, которую называют мера Ватсона (A. Watson, 1993). Она использовалась для создания адаптивных матриц квантования коэффициентов дискретного косинус преобразования. Однако, вопрос о ее применении для задач стеганографии исследовался недостаточно.
Стеганографическая система должна быть секретной. Однако, это свойство является нетривиальным. На это указывает теоретико-информационный подход, развитый для стеганографии со своим критерием є- секретности. Этот критерий сформулирован на языке относительной энтропии, он не предполагает наличие секретного ключа и его необходимо исследовать.
В результате, для базовых методов, исследование которых дают основу для создания профессиональных систем, возникают вопросы, которые представляют интерес для практики и являются актуальными.
В разработку подходов и методов современной стеганографии значительный вклад внесли отечественные ученые Грибунин В.Г., Окова И.Н., Аграновский А.В., Митекин В.А., Харинов М.В., Садов В.С., Коханович Г.Ф., Пузы-ренко А.Ю. и зарубежные ученые, среди которых I.J. Cox, M.L. Miller, J.F. Bloom, J. Fridrich, T. Kaler, A. Watson.
Объект исследования. Цифровые и монохромные изображения.
Предмет исследования. Методы и алгоритмы встраивания цифровых данных.
Цель диссертационной работы является повышение устойчивости сокрытых данных в цифровых изображениях к сжатию за счет новых методов и алгоритмов, разработанных на основе базовых подходов стеганографии для встраивания цифрового бинарного изображения в монохромный и цветной контейнер.
Для достижения поставленной цели необходимо решить задачи:
-
Определение и обоснование базисных методов встраивания в пространственной области.
-
Исследование с целью выбора мер искажения для сравнения цифровых изображений при сжатии с потерями и сравнения уровня сокрытия цифровых данных.
-
Исследование плоскостей Грея монохромного изображения для создания алгоритмов встраивания и детектирования, обеспечивающих высокую устойчивость сокрытых данных к сжатию с потерями.
-
Построение алгоритма минимизирующего цветовые искажения при встраивании бинарного изображения в цветное изображение с палитрой.
-
Оптимизация методов встраивания в битовые плоскости цветного изображения в моделях RGB и YCbCr для повышения устойчивости к сжатию с потерями.
-
Разработка методики для сравнения уровня сокрытия цифровых данных для алгоритмов, использующих ключ.
Методы исследования. При решении поставленных задач использованы методы системного анализа, математический аппарат теории вероятностей и математической статистики, методы теории информации и обработки изображений. Для численного исследования использовался пакет MATLAB.
На защиту выносятся следующие научные результаты:
-
Методы встраивания и детектирования цифровых водяных знаков для плоскостей Грея монохромного изображения.
-
Алгоритм встраивания бинарных цифровых водяных знаков в изображения с палитрой без внесения цветовых искажений.
-
Методы встраивания устойчивые к сжатию для сокрытия цифровых водяных знаков в битовых плоскостях цветных изображений, представленных в моделях RGB и YCbCr.
-
Методика сравнения уровня сокрытия бинарных цифровых данных с помощью критерия на основе относительной энтропии между пустым и заполненным контейнером.
Новизна научных результатов:
-
Впервые использована мера искажения Ватсона, построенная с учетом зрительной системы человека, для выбора оптимальных параметров встраивания цифрового бинарного изображения в цветное, испытывающее JPEG сжатие.
-
Разработаны новые алгоритмы встраивания и детектирования для плоскостей Грея монохромного изображения, обеспечивающие более высокую устойчивость к сжатию с потерями цифровых водяных знаков, сокрытых в плоскостях Грея, чем цифровых водяных знаков, сокрытых в битовых плоскостях.
-
Разработан новый алгоритм встраивания бинарного изображения в цветное изображение с палитрой без цветовых искажений.
-
Впервые использована относительная энтропия в методике сравнения уровня сокрытия бинарного изображения для базовых алгоритмов с ключом.
Достоверность научных положений, результатов и выводов. Основана на корректном использовании разделов научных дисциплин, включающих теорию вероятностей, математическую статистику, методы теории информации и обработки изображений. Основные результаты доложены на международных конференциях и опубликованы в рецензируемых журналах.
Практическая ценность. Полученные результаты исследования базовых подходов служат основой для разработки профессиональных систем:
-
Предложенные алгоритмы встраивания и детектирования бинарного изображения для плоскостей Грея могут быть использованы в задачах подтверждения авторского права цифрового контента.
-
Предложенный алгоритм для цветного изображения с палитрой позволяет сокрыть небольшое бинарное изображение, что может быть использовано для создания протоколов защиты от незаконного копирования изображений в графических форматах png и gif, которые широко используются на сайтах сети интернет.
-
Результаты, полученные при анализе устойчивости к сжатию предложенных алгоритмов, позволяют пользователю выбрать оптимальные условия для сохранения цифровых изображений со встроенными данными в графическом формате JPEG.
-
Указаны меры искажения, которые, как показано, совпадают со зрительным восприятием, могут служить для сравнения изображений в задаче встраивания бинарного изображения с последующим сжатием.
Реализация результатов работы. Материалы диссертации внедрены на предприятии, а также использованы в учебной и научной работе СевероЗападного института печати Санкт-Петербургского государственного университета технологии и дизайна.
Апробация работы. Основные результаты работы докладывались на следующих конференциях: Научная и учебно-методическая конференция НИУ ИТМО (Санкт-Петербург, 2014); 23-я международная конференции по компьютерной графике и зрению ГрафиКон’ 2013 (Владивосток, 2013); 5-th International Scientic Conference of Printing and Media Technology "Printing Future Days 2013"(Chemnitz, Germany, 10-12 September 2013); 22-ая международной конференция по компьютерной графике и зрению ГрафиКон’2012 (Москва, 2012); 44-th Annual Conference of the International Circle of Educational Institutes for Graphic Arts Technology and Management (IC) (Budapest, Hungary, 19-22 June 2012); 4-th International Scientific Conference of Printing and Media Technology "Printing Future Days2011"(Chemnitz, Germany, 7-10 November 2011).
Работа поддержана грантом Министерства Рособразования и Германской службы академических обменов DAAD, №11.9170.2014, проект «Разработка и исследование методов цифровых водяных знаков в изображениях (полиграфия)», 2014 г. Отправлена заявка в Роспатент на получение свидетельства о государственной регистрации программы для ЭВМ №36-04-66.
Публикации. По теме диссертации опубликовано 9 работ, из них 3 статьи в рецензируемых журналах и изданиях, входящих в перечень ВАК РФ.
Структура работы. Работа состоит из введения, пяти глав, заключения и списка литературы из 90 наименований. Работа изложена на 126 страницах.
Методы LSB и аддитивное встраивание
Большое число алгоритмов основано на методах LSB и аддитивном встраивании.
LSB методы. От Least Bit Significant (наименее значащий бит). Основой служит модификация младших битов, которые играют незначительную роль в изображении. Применяются для встраивания в пространственной и частотной области. Метод LSB заключается в следующем. Пусть с Є С один из элементов контейнера. Модификацию бита можно описать преобразованием
Приведенные соотношения не исчерпывают всех возможностей встраивания, хотя носят довольно общий характер. Они могут использоваться для встраивания числовых данных одного объекта в числовые данные другого. Далее рассматривается частный случай, когда в качестве контейнера выступает полутоновое изображение С = {С[т, п]}. При таком выборе значение матричного элемента с = С[т, п] называют яркостью пиксела.
Техника ЦВЗ имеет по крайней мере три отличительные особенности. Во-первых, ЦВЗ невидимые, во-вторых они неотделимы от контейнера, в который встроены, поэтому они не могут быть удалены, когда контейнер преобразуют или демонстрируют. НаконецЦВЗ подвергаются тем же преобразованиям, что и контейнер. Это дает возможность узнать о преобразованиях, которые совершались. ЦВЗ применяются для решения задач, где требуется, например, контроль вещания, идентификация владельца, подтверждение авторского права, контроль сделки, аутентификация содержания, контроль копирования [2]. Мы приведем эти задачи, используя терминологию, принятую в теории информации [63].
Контроль вещания. При распределении и трансляции мультимедийная информация может быть подменена, незаконно скопирована, передающие станции могут использовать не все оплаченное заказчиками эфирное время и прочее.
Алиса является автором видеофрагмета а. Она хочет транслировать его в эфире с помощью передающихстанций В,С,Е ..., которым посылает копии a1,a2,a3 .... На одной из станций работает Боб, он может заменить видеофрагмент Алисы a1 на свой фрагмент b и транслировать его в эфир. На другой станции работает Ева, она может незаконно копировать видеофрагмент Алисы a3 и передать копии пиратским станциям, которые будут передавать ихв эфир. Может ли Алиса проследить незаконные действия Боба и Евы?
Самое простое решение - обозреватель, который смотрит все программы и записывает увиденное и услышанное. Однако это дорого и чревато ошибками, поэтому используется автоматический контроль, где выделяют два типа: пассивный и активный. При пассивном методе, равно как в случае обозревателя, отслеживается содержание текущей программы. Активный контроль предполагает идентификацию специальной информации, которая внедрена в содержимое передачи.
Реализация пассивных систем непосредственно связаны с проблемами, которые возникают при распознавании оригинала в базе данных. Прежде всего, это большой объем индексов поиска и искажения оригинала при трансляции. Если требуется идентифицировать видео, состоящее из огромного числа кадров, то объемы обрабатываемой информации оказываются очень большими. Для распознавания можно выделить ограниченный набор характерных признаков, тогда объемы перерабатываемой информации сокращаются. Однако, сама задача выделения необходимых признаков является сложной. Также следует учитывать искажения сигналов, обусловленные шумами. При трансляции это приводит к потери качества оригинала. Поэтому установить точного соответствия невозможно, и реально речь идет о поиске ближайшего соседа из базы данных. В результате пассивная система не обладает 100 процентной надежностью. Вместе с тем известны коммерческие реализации пассивных систем для контроля аудио продукции, которые основаны на методе аудио отпечатков (audio fingerprinting) [64, 65] и используются на практике Philips Corporation и др.
При активном контроле идентифицируется информация, которая предварительно встроена в оригинал. Технически активный метод проще и не требует баз данных. Идентификационная информация записывается в транслируемый сигнал, однако отдельно от оригинала. Примером может служить аналоговый телевизионный сигнал, где дополнительная информация записывается в сигнал вертикальной развертки. Он передается между видео кадрами и не влияет на качество изображения. Запись информации в сигнал вертикальной развертки имеет свои недостатки, среди которых неустойчивость к преобразованию форматов, возможность изменения оператором, что не дает полной гарантии его целостности при распространении сигнала. Для цифровых оригиналов есть соответствующая техника встраивания и декодирования идентификационной информации, где возникают отмеченные уже трудности.
Альтернативой активных и пассивных методов является метод ЦВЗ. Поскольку ЦВЗ встраиваются непосредственно в оригинал, то не требуется никакой модификации сигналов передающей и транслирующей станции. Метод полностью совместим с аналоговым и цифровым вещанием, однако при этом возможно ухудшение качества оригинала. На основе встроенных ЦВЗ можно определить где и когда транслируется оригинал. На практике известно несколько компаний, например, Teletrax, которые предоставляют такой сервис.
Идентификация владельца. Закон об авторском праве устанавливает права законного владельца оригинала. Оригинал отмечается уведомлением об авторских правах, например, " дата владелец". Уведомление об авторском праве, равно как и методы идентификации владельца носят ограниченный характер.
Алиса является законным владельцем оригинала a. Чтобы подтвердить свое право, она оставляет на оригинале свое уведомление "2010Alice". Ева владеет устройством, которое может воспроизвести оригинал без уведомления об авторском праве, стирая или вырезая его. Можно ли установить авторское право Алисы? Если оригинал воспроизведен без уведомление об авторских правах, то, несмотря на то, что он был защищен, установить его владельца очень трудно.
При размещении уведомления на изображении или аудио оригинале возникают свои специфические проблемы. Чтобы не ухудшить качество изображения, текст уведомления размещают, например, в каком-нибудь углу. А это дает возможность его вырезать без большого ущерба для качества. Для аудио уведомление об авторском праве делается на физическом носителе, например, на диске, магнитной ленте, упаковке и легко разрушается при копировании.
Одним из решений выступают ЦВЗ, благодаря тому, что они неотделимы от оригинала и остаются невидимыми. Если пользователь оригинала имеет детектор, он может определить наличие ЦВЗ и установить законного владельца даже после того, как, например, был вырезан текст с уведомлением об авторском праве.
Известно, что в графической программе Adobe Photoshop есть детектор ЦВЗ. Он определяет наличие ЦВЗ в изображении и связывается с центральной базой через Интернет, чтобы получить контактную информацию о владельце изображения.
Некоторые из видеокамер встраивают в свои цифровые изображения ЦВЗ. ЦВЗ могут представлять собой видимый логотип, располагаться в подписи, содержащей дату, время и т.п. Эти методы позволяют определить, было ли создано данное изображение на данной видеокамере.
Подтверждение авторского права. Задача подтверждения права собственности отличается от задачи идентификации владельца.
Алиса является законным владельцем оригинала a. Чтобы подтвердить свое право, она оставляет на оригинале свое уведомление ”@2010 Alice”. Воб имея в распоряжении оригинал a, с помощью имеющегося у него устройства изменяет уведомление об авторском праве на ”2010 Bob ”. Может ли Алиса доказать свое право собственности?
Задача о подмене авторского права имеет разные решения. Один из способов использовать центральное хранилище. Перед тем как поместить свой оригинал в Интернет, пусть для определенности изображение, Алиса может зарегистрировать его, например, в архиве изображений United State Copyright Office. Обращаясь в архив, она сможет подтвердить свое право. Для этого потребуются денежные затраты, но можно попробовать воспользоваться методом ЦВЗ. Здесь основная сложность заключается в том, что у противника есть детектор ЦВЗ. Дело в том, что тот, кто может детектировать ЦВЗ, скорее всего удалит и заменит ЦВЗ на свои. Но, в этом случае возможно следующее решение. Вместо того, чтобы пытаться непосредственно доказать собственность Алисы, апеллируя к ЦВЗ ”2010 Alice”, можно попробовать доказать, что одно изображение получено из другого.
Разложение на битовые плоскости и плоскости Грея
Избыточность изображения можно выделить с помощью двоичного представления яркости пиксела, где младшие разряды играют незначительную роль при формировании изображения.
Эксперимент. Цель - рассмотреть корреляционные свойства битовых плоскостей и плоскостей Грея. Плоскости Грея хорошо известны в литературе (см., например, монографию [81]). Однако их количественному описанию должного внимания не уделялось. Мы рассмотрели следующие характеристики: избыточность (6), корреляционную функцию(7), евклидово расстояние (9) и относительную энтропию (8). Для изображения корреляционная функция рассчитывалась по формуле тпС{т, п)С(т,(п + s - l)modW + 1)
G(s)= : 27 \ (20) где s = 0,\ ... ,N — \. N - число элементов в строке. Здесь используется циклический сдвиг строки. Введенная функция G(s) имеет тот же смысл, что (7). Это косинус угла, он описывает степень соответствия между исходной матрицей F и матрицей Fs, которая получается циклическим сдвигом. Полученные результаты представлены на рисунках 2.1 — 2.4:
На рис.2.1 приведена зависимость избыточности битовых плоскостей и плоскостей Грея от номера V = 1,...8, где младшая плоскость V = 1. Видно, что с увеличением V избыточность растет. Это связано с тем, что младшие плоскости представляют собой шум, для которого энтропия близка к максимальному значению, равному единице. Начиная с V = 4, 5 на фоне шума появляются элементы изображения, поэтому энтропия уменьшается, это означает наличие корреляции или избыточности. Как следует из рис.2.1 б у младших плоскостей Грея, V 4, избыточность, следовательно, и корреляция выше, чем у битовых плоскостей. При V 5, 6 ситуация меняется (рис.2.1 a). Каждая точка на графиках получена путем усреднения по набору из 80 изображений. Набором служили изображения из серии Caprichos, Francisko Jose de-Goya. Эти изображения имеют очень сложную текстуру, что служит хорошим признаком при выборе контейнера для встраивания цифровых данных.
На рис.2.2 представлена корреляционная функция G(s), вычисленная для одного изображения. Из этого изображения были выбраны младшие битовые плоскости и плоскости Грея с номерами V = 1 и V = 4. Из графиков видно, что зависимости носят нерегулярный характер. Именно такая нерегулярность стала главной причиной, чтобы взять большое число изображений при расчете избыточности. В данном случае, несмотря на нерегулярный характер, корреляционная функция плоскостей Грея имеет большее значение, чем битовых. Это означает, что корреляция у плоскостей Грея выше. Этот вывод находится в соответствии с результатами, следующими из анализа избыточности.
Благодаря избыточности, часть элементов можно удалить без существенного ущерба. Это идея уже давно используется разработчиками для создания алгоритмов сжатия с потерями. Рис.2.3 иллюстрирует, что будет, если из изображения удалить разные плоскости. Слева, рис.2.3 a и 2.3 д показано исходное изображение, это одно из изображений коллекции Caprichos, и его фрагмент. Далее в верхнем ряду (рис.2.3 б-г) представлена шестая битовая плоскость В и плоскости Грея G, Gg, которые затем удалены из исходного изображения. Изображения без этих плоскостей показаны в нижнем ряду (рис.2.3 е-з). Непосредственно видно, что наименьшее визуальное искажение проявляется при удалении битовой плоскости, а наибольшее - при удалении плоскостей Грея. Этот вывод объясняется свойствами плоскостей Грея. Действительно, плоскость GQ, согласно (17), входит в битовые плоскости от В\ до В. Поэтому, если ее удалить, то вносимые искажения будут больше, чем, если удалить только одну битовую плоскость BQ. Аналогично, для G 6, она входит в старшие битовые плоскости, начиная от В до Bg, поэтому от нее эффект оказывается больше.
Приведенные качественные результаты подтверждаются двумя мерами искажения, вычисленными для рассмотренного изображения. Это евклидово расстояние и относительная энтропия, которые приведены на рис.2.4. Они рассчитывались следующим образом. Из исходного изображения F удалялась одна плоскость, либо By, либо Gy, либо G v, где V = 1,...8. Затем собиралось изображение без этой плоскости Fy и вычислялась мера искажения между F и Fy. Это означает, что результатам на рис.2.3 соответствует точка V = 6. Чем меньше значение евклидова расстояния или относительной энтропии, тем два изображения "бли-же"друг к другу. Из найденных зависимостей, следует, что с увеличение номера евклидово расстояние монотонно возрастает (рис.2.4 б). Аналогично ведет себя относительная энтропия с особенностью у старших битовых плоскостях, это синяя кривая на рис.2.3 в. Обе меры искажения показывают, что удаление битовых плоскостей вносит меньшее искажение, чем плоскостей Грея.
Слепое детектирование из плоскостей Грея
Избыточность изображения позволяет модифицировать не одну, а несколько плоскостей. Это обстоятельство служит основой для слепого детектирования, когда исходное изображение не требуется.
Слепое детектирование Согласно (22) в битовую плоскость с номеромV встраивается содержимое битовой плоскости K вместе с M, а детектирование осуществляется из плоскостей K и V стегоизображения.
Схема со слепым детектированием. Встраивание бинарного изображения в плоскость Грея, определенное согласно (35), приводит к стегоизобра-жению Sgc. Затем оно сжимается с параметром q и путем слепого детектирования из сжатого стегоизображения Sgcq извлекаются ЦВЗ. Будем полагать K = V +1, выбирая тем самым для встраивания соседние плоскости Грея. При сжатии близкие плоскости будут испытывать близкие искажения, что является благоприятным фактором для детектирования. Тогда Mgc = bitget(Sgcq,V)+bitget(Sgcq,V+2) где Mgc - это ЦВЗ, встроенные в плоскости Грея и извлеченные после сжатия путем слепого детектирования.
Эксперимент. Цель - сравнить слепое и неслепое детектирование при встраивании в плоскости Грея.
Здесь мы рассмотрели варианты слепого и неслепого детектирования для массива из 200 полутоновых изображений. ЦВЗ встраивалось в плоскости V = 2,3,4. Рассчитывались евклидово расстояние и относительная энтропия между исходным изображение M и извлеченными после сжатия Mgb,Mg,Mgc. Здесь Mgb,Mg это ЦВЗ, встроенные в плоскости Грея и извлеченные из битовой плоскости и плоскости Грея. Ниже приведены результаты для параметра качества q = 80, что является не сильно щадящим режимом сжатия.
На рис. 3.8 a, б значения евклидова расстояния и относительной энтропии, усредненные по 200 изображениями, в зависимости отV. Все функции убывают, это связано со следующим обстоятельством. При сжатии большее искажение испытывают младшие битовые плоскости, поскольку они представляют избыточность изображения. Видно, что наилучшие показатели, это наименьшее евклидово расстояние и относительная энтропия между M и Mg, для неслепого детектирования. Аналогичный результат для PSNR.
На рис рис.3.8 в, г приведены две соответствующие гистограммы евклидова расстояния и относительной энтропии. Это распределение значений этих мер, полученное из 200 изображений. Для евклидова расстояния и относительной энтропии возникают три хорошо различающиеся распределения. Их средние значения соответствуют точкам V = 4 кривых в верхнем ряду. Хорошо различимые распределения характеризуют различие выбранных случаев встраивания и детектирования.
Следовательно, наилучшие меры искажения получаются для неслепого детектирования.
Для встраивания бинарного изображения в плоскости Грея с последующим сжатием, наиболее благоприятным вариантом детектирования является неслепое. б)
1. Встраивании ЦВЗ в одну выбранную битовую плоскость V или в набор битовых плоскостей 1,2,...V -1,V, начиная от младшей до выбранной, имеет близкие меры искажения.
2. При сжатии проявляются особенности плоскостей Грея. Наиболее эффективным оказывается детектирование из плоскостей Грея, а не из битовых плоскостей.
3. При сжатии с потерей использование плоскостей Грея, как для встраивания, так и для детектирования приводит к лучшим мерам искажения ЦВЗ, чем встраивание и детектирование из битовых плоскостей.
4. Из двух вариантов детектирования (со сжатым или со несжатым контейнером) наилучшим является детектирование со сжатым контейнером.
5. Наилучшие меры искажения получаются для неслепого детектирования. Для встраивания бинарного изображения в плоскости Грея с последующим сжатием, наиболее благоприятным вариантом детектирования является неслепое.
Встраивание путем перестановки строк палитры
Встраивание путем перестановки строк палитры. Из приведенного свойства изображения с палитрой вытекает следующий факт. Если сообщение кодировать перестановкой строк палитры с одновременным изменением яркости в массиве данных, то в цветном изображении не будет никаких искажений. Используя этот факт, можно встроить бинарное изображения в индексированное.
Рассмотрим простой алгоритм встраивания. Пусть P палитра, представленная матрицей 256 х 3. Строки палитры объединим в пары с номерами 2i, 2i — 1, i = 1,...128. Кодирование заключается в том, что бит сообщения m Є {0, 1} переставляет строки тогда и только тогда, когда его значение равно 1: По этому же правилу нужно изменить яркость массива данных. Таким образом, можно встроить 128 бит или небольшое бинарное изображение M размером 8x16 без искажений соответствующего цветного изображения.
Пары могут быть выбраны произвольно. Указанный выбор означает, что встраивание в палитру эквивалентно встраиванию в младшие биты массива данных некоторого эквивалентного бинарного изображения M .
Чтобы извлечь встроенный бит, будет нужна исходная палитра.
Приведем основные шаги для встраивания бинарного изображения в индексированное. В цифровом виде индексированное изображение можно получить, например, взяв соответствующий графический формат, либо путем преобразования цветного изображения. Рассмотрим второй случай. Пусть F цветное изображение в цифровом виде. Тогда из него выделяется массив данных I и палитра P в которые встраивается бинарное изображение: F CI =IP, (39) E :CI S =IM PM, где S индексированное стегоизображение, IM и PM массив данных с модифицированной яркостью и палитра с переставленными строками в соответствии с (38). Затем цифровое стегоизображение можно сохранить в графическом формате с палитрой
Если просматривать файл Sf mt, то он будет выглядеть как и F. Никаких цветовых искажений не будет. Чтобы извлечь встроенное изображение, из сохраненного файла Sf mt извлекается цифровое индексированное стегоизображение S. Затем с помощью исходной палитры P и модифицированной PM извлекаются встроенные данные.
Пример. Некоторые особенности рассмотренной схемы проиллюстрированы на рис.4.2 и рис.4.3. Палитра и массив данных, извлеченные из цветного RGB-изображения с помощью функции MATLAB rgb2ind, представлены на рис. 4.2. Палитра получается путем цветового квантования и определяется цветом исходного изображения. Массив данных представлен 8-битным полутоновым изображением. Если в исходную палитру, фрагмент которой показан на рис.4.3 а, встроить бинарное изображение, рис.4.3 б, то некоторые строчки поменяются местами. На рис.4.3 в поменялись местами пары 1-2, 7-8 и др. Если переставить только строчки палитры, то в цветном изображении I PM возникнут сильные цветовые искажения. Этот эффект иллюстрирует рис.4.3 г. Это характерные искажения при встраивании в палитру. Однако, если одновременно изменить яркость массива данных, то цветное изображение IM PM будет полностью идентично исходному цветному изображению I P, которое показано справа на рис.4.3 д. so:
Встраивание бинарного изображения в индексированное: a) фрагмент исходной палитры; б) - встраиваемое бинарное изображение 8 16; в) - палитра с переставленными строками; г) - исходное RGB изображение; д) - цветовые искажения от перестановки строк палитры. 4.3 Цветовые модели
При встраивании в цветное изображение используются методы, учитывающие особенности зрения человека. Поскольку цветное изображение может быть представлено с помощью разнообразных цветовых моделей, то возникает большое число параметров, роль которых в ряде случаев можно выяснить только экспериментально.
Свойства глаза и цветовые модели. Для представления цвета разработаны цветовые модели, которые учитывают особенности ЗСЧ. Учитывать такие свойства глаза, как более высокую чувствительность к изменению яркости, чем к изменению цвета, низкую чувствительность к синему, высокую к зеленому и др.
В выбранной цветовой модели цветное изображение, как правило, описывается набором из n = 3,4,... матриц, они имеют одинаковый размер MN и образуют трехмерный массив MN n, который можно записать с помощью операции конкатенация
Конкатенация связывает матрицы C1, . . . ,Cj, . . .Cn вдоль третьего измерения d = 3, таким образом, что C[x,y,j] = Cj[x,y]. Примером служит модель RGB с n = 3, где три матрицы отвечают красному Red, зеленому Green и синему Blue диапазону. Эти матрицы называют цветовыми каналами. Графический формат TIFF (Tagged Image File Format) использует модель CMYK (Cyan -голубой, Magenta - пурпурный, Yellow -желтый, blacK - черный). Здесь n = 4, поэтому цветное изображение в формате TIFF представлено четырьмя матрицами.
Каждая цветовая компонента Cj, представляет собой полутоновое изображение. Его можно использовать как контейнер для встраивания
Пример. Встраивание ЦВЗ позволяет проиллюстрировать более высокую чувствительность глаза к изменению яркости, чем цвета.
Рассматриваются две цветовые модели RGB и YCbCr (luminositY, Compression of Blue, Compression of Red). Первая из них хорошо соответствует зрительному восприятию, но обладает большой избыточностью. Модель YCbCr построена с учетом высокой чувствительности глаза к изменению яркости. В ней в отличие от RGB есть только две хроматические компоненты: красная Cr и синяя Cb, зато выделена яркость Y. Эта модель применяется в формате сжатия с потерями JPEG и видеокодировании, поскольку цветовые компоненты можно сохранить с меньшим разрешением, чем яркостную.
На рис. 4.4 приведена схема и результаты встраивания бинарного изображения в битовую плоскость V = 7 цветовых компонент B и Y. Выбрана одна из старших битовых плоскостей, чтобы различить ЦВЗ. Изображения могут быть представлены в двух цветовых моделях, что отмечается соответствующим индексом. В схеме два контейнера C_RGB и C_YCbCr представляют цветное изображение в моделях RGB и YCbCr. При визуализации цветное изображение в YCbCr выглядит неестественно. Возникают ложные цвета, поскольку в конкатенации cat(3,Y,Cb,Cr) матрицы Y,Cb и Cr интерпретируются как Red, Green и Blue соответственно. Чтобы результаты встраивания выглядели естественно, использовалось преобразование в RGB. Если встроить ЦВЗ в синюю компоненту контейнера, рис.4.4 г, д то он оказывается менее заметным, чем в яркостной компоненте, рис.4.4 е, ж. Модификация, вносимая ЦВЗ, одинакова в обеих моделях. Об этом свидетельствуют одинаковые евклидовы расстояния e(C_RGB,Sb_RGB) = e(C_YCbCr,Sy_YCbC r) = 21.9449
