بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
ارائه يک روش جديد واترمارکينگ تصاوير با استفاده از مقادير حوزه تبديل
خلاصه
روش هاي واترمارکينگ به منظور پنهان سازي اطلاعات خاص در يک سيگنال ارائه شده اند. در اين مقاله روشي جديد و مناسـب بـه منظـور واترمارکينـگ بـه صـورت مرئي و نامرئي و همچنين روش بازيابي اطلاعات آن ، در تصاوير ديجيتالي ارائه مي گردد. در اين روش با استفاده از تابع سيگموييد پارامتر هـاي اسـتفاده شـده در تبـديل هادامارد را به صورت انطباقي بسته به تصوير ورودي محاسبه مي نماييم . يک پارامتر قابل تنظيم به منظور مرئي يا نامرئي بودن اطلاعات الصاق شده نيز در نظر مي گيريم .
اين روش همانند ديگر روش هاي واترمارکينگ مي تواند در جهت حفظ حق تکثير و يا ديگر حوزه هايي که نيازمند الصاق داده هاي اضافي در رسانه است ، کمک کند.
به علت استفاده از تبديل هادامارد و با استفاده از توزيع نرمال ، براي هر بلاک يک ضريب نهان نگاري متفاوت بدسـت مـي آوريـم کـه باعـث مـي گـردد روش در برابـر حملات مربوطه مقاوم گردد. و در نهايت مقدار کارآيي اين روش نيز مشاهده خواهد شد.
کلمات کليدي: واترمارکينگ ، تبديل هادامارد، رمز، تصوير
١. مقدمه
فرهنگ استفاده از فضاي مجازي و امکانات آن امروزه با سرعت بالايي در حال افزايش است . در اين گستردگي چشم گير، سهم داده هاي چندرسانه اي بسيار زياد است . رابطه ي مستقيمي بين اندازه داده هاي چند رسانه اي با قرارگرفتن آن ها در معرض حمله ها ميباشد. بنابراين الزام داشتن يک مکانيزم امن براي حمايت حق کپي و تصديق احساس ميشود. نهان نگاري ديجيتال ، يک روش مرسوم و محبوب براي حفاظت حق کپي و شناسايي مالکيت در فضاي مجازي است . نهان نگاري ديجيتال به صورت فرايند پنهان کردن يک تکه کوچک از اطلاعات ديجيتال در تصاوير يا هر داده ي ديجيتالي بصري ديگر صورت ميپذيرد که پس از اتمام فرآيند نهان نگاري براي حفاظت حق کپي و تصديق آن داده ي ديجيتالي در مواقع لزوم استخراج ميشود. نهان - نگاري ديجيتال ، به دو دسته ي نهان نگاري مرئي و نهان نگاري نامرئي بر پايه قابل ادراک بودن نهان نگاري ديجيتال ، طبقه بندي ميشود. نهان نگاري نامرئي قابل ادراک نيستند و نيرومندند. در نهان نگاري مرئي قطعه ي اطلاعاتي مورد نظر براي درج در تصوير بايد به اندازه کافي براي تشخيص بدون پنهان کردن در محتوي تصوير اصلي، مرئي باشد. در نهان نگاري مرئي مالک داده ي ديجيتالي بدون تلاش زيادي شناسايي ميشود و مشکل حق کپي را کمتر ميکند. نهان نگاري شامل الگوريتم تعبيه ، الگوريتم استخراج ، پوشش تصوير و يک نهان نگار ميباشد. نهان نگاري در دو حوزه مکان يا فرکانسي انجام ميگيرد. اگرچه براي اين فرآيند حوزه هاي ديگر مانند حوزه ي موجک و حوزه ي هادامارد نيز ارائه شده اند.
٢. روش پيشنهاي
براي نهان نگاري ديجيتال در حوزه ي فرکانس تکنيک هاي تبديل مختلف انتقال تصوير از حوزه ي فاصله به حوزه ي فرکانس ، در دسترس است که رايج ترين آن ها تبديل کسينوس مجزا (DCT) ، تبديل موجک مجزا(DWT) ، تبديل فوريه سريع .مجزا(DFT.FFT) و تبديل هادامارد ميباشد.
در اين تحقيق از تکنيک تبديل هادامارد براي نهان نگاري استفاده شده است زيرا عناصر ماتريس تبديل هادامارد ١- و ١+ ميباشد. بنابراين با عمليات اضافه و کم کردن درايه ها بدون انجام عمليات ضرب باعث ميشود زمان پردازش کاهش يابد. تبديل هادامارد هم چنين خصوصيت فشردگي قابل قبولي در انرژي دارد.
مدل رياضي مشترک براي تعبيه يک نهان نگاري در تصوير و استخراج يک نهان نگار از تصوير در روش مرئي و نامرئي در معادله زير تعريف شده است :
در رابطه ١، 'i تصوير اصلي است که تصوير W در آن پنهان شده ، و I تصوير اصلي است . w تصويري است که براي نهان نگاري در تصوير اصلي انتخاب شده است و در نهايت α ضريب مقياس بندي است که براي تنظيم وضوح نهان نگاري استفاده ميشود.
براي نهان نگاري به روش پيشنهادي يک مدل انطباقي و جديد براي نهان نگاري مرئي و يا نامرئي در حوزه تبديل هادامارد، با استفاده از تابع زيگموئيد ايجاد ميشود. مدل پيشنهادي به طور انطباقي، فاکتور مقياس بندي را بر پايه ي محتوي تصوير، بدون در نظر گرفتن هيچ مقدار تجربي محاسبه ميکند.
تبديل هادامارد يک تبديل عمود و غيرسينوسي است که سيگنال را به مجموعه مقادير عمود بر هم ، تجزيه ميکند. اين تبديل هم چنين به طور گسترده در پردازش و فشرده سازي تصوير استفاده شده است . از مزيت هاي ديگر تبديل هادامارد بايد به حقيقي و عمود بر هم بودن مقادير ماتريس آن نيز اشاره کرد. بنابه توضيح ارائه شده داريم :
مقدار H1-1 ، پايين ترين مرتبه ماتريس h٢ مانند معادله زير، ساخته ميشود.
ماتريس هادامارد از هر مرتبه N که ابعاد آن توان دو است ميتواند با استفاده از معادله زير، ساخته شود.
فرض کنيد i نشان دهنده ي تصوير اصلي و 'i تصوير تبديل شده است ، تبديل هادامارد دوبعدي از i ، به صورت زير تعريف ميگردد:
نوارهاي فرکانس بالا و ميانه ي تبديل هادامارد، در مقايسه با ديگر تبديل هاي با بهره ي کدگذاري بالا مانند DCT و DWT، در محيط با نويز بالا بسيار مفيد است . درکانال با نويز کم ، تبديل DCT براي نهان نگاري مناسب است ؛ اما براي کاربردهاي با نويز بالا مناسب نيست . عمليات پردازش تصوير مانند کيفيت پايين فشرده سازي JPEG، فيلترينگ خطي و غيرخطي مقدار زيادي نويز در نوارهاي فرکانس بالا و ميانه مطرح ميکند. در اين موارد تبديل - هاي با بهره ي بالا، براي نهان نگاري مناسب نيستند. ضرايب تبديل هادامارد، مولفه هايي هم ارز با بسياري DCT ضرايب AC کم فرکانس در نوارهاي فرکانس بالا و ميانه ، دارد. بنابراين تبديل هادامارد براي نهان نگاري در محيط نويز بالا، پيشنهاد ميشود.
تابع زيگموئيد، به عنوان يک تابع فعال سازي در محاسبه ي خروجي در لايه هاي مختلف شبکه ي عصبي مصنوعي استفاده شده است . بر اساس رابطه ي زير منحني تابع زيگموئيد به شکل s است .
از خصوصيات عمومي تابع زيگموئيد بايد به حقيقي بودن مقدار خروجي تابع اشاره کرد.
محاسبه فاکتور مقياس بندي با استفاده از تابع زيگموئيد در حوزه ي تبديل هادامارد، در اين بخش بحث ميشود. از روي مقدار ميانگين شدت روشنايي هر تصوير و با استفاده از تابع زيگموئيد که در بالا توضيح داده شد، مقدار محاسبه مي شود:
توسط يک مولفه مقدار نمايان و يا پنهان بودن تصوير مشخض ميشود. اين پارامتر که با m شناخته ميشود با اعمال تاثير بر ، مقدار نهايي آن را مشخص مينمايد:
براساس مقدار m، طرح نهان نگاري به صورت مرئي يا نامرئي طبقه بندي ميشود. براي m=o نهان نگاري بر پوشش تصوير چيره ميشود وکيفيت تصوير متضمن در زير قرار گرفته را خراب ميکند. براي ١=m ، مرئي بودن نهان نگاري بدون خراب کردن محتوي متضمن ، خوب است . براي ٢=m، نهان نگاري بدون کاهش دادن درجه ي کيفيت تصوير ديجيتالي متضمن نامرئي ميشود. بنابراين مقدار کنترل پارامتر ١=m ، نهان نگاري مرئي و ٢=m ، نهان نگاري نامرئي را فراهم ميکند.
معماري پيشنهاد شده براي تعبيه نهان نگاري، در قسمت نتايج آزمايش ها نشان داده ميشود. تصوير پوشش داده شده در حوزه RGB، به فضاي رنگي YUV، تبديل ميشود وکانال روشنايي Y، به مولفه هاي فرکانس با استفاده از تبديل هادامارد، تبديل ميشود. تصوير نهان نگاري نيز به مولفه هاي فرکانس با استفاده از تکنيک تبديل هادامارد تبديل شود. نهان نگاري توسط تلفيق مولفه هاي فرکانس تصوير پوشش با تصوير نهان نگاري با استفاده از معادله زير گذاشته ميشود.
رابطه ي فوق به طور هم زمان روي کل تصوير به کار نميرود. استفاده از يک α باعث ضعف در مقابل حمله ها ميشود. براي مقاوم کردن واترمارکينگ در مقابل حمله هاي متداول تصوير، α هاي مختلف استفاده ميشود و براي اين منظور از توزيع نرمال با ميانگين α و واريانس ٠.٠٢٥ بهره گرفته ميشود.
بدين صورت در کنار با تخريب کمتر تصوير ،PSNR را در حد بالايي حفظ ميشود. استفاده از مقادير مختلف α نهان نگاري به روش پيشنهادي را در مقابل حمله ها مقاوم ميکند.
يد. با اين حال آخرين وضعيت مقالات در هر لحظه از طريق ايميل وسايت همايش قابل پيگيري ميباشد. در صورت پذيرش ، لازم است مولفين مقاله ، اصلاحات خواسته شده داوران را در نسخه نهايي و در مدت زمان خواسته شده اعمال نموده و نسخه نهايي را از طريق ايميل يا سايت همايش ارسال نمايند.
٣. نتايج آزمايش ها
در اين فصل به نتايج پياده سازي روش پيشنهاد شده و مقايسه نتايج آن با روش پنهان نگاري در حوزه موجک پرداخته ميشود. در اين پياده سازي از متلب و تصاوير استاندارد پرازش تصوير استفاده شده است . روند تطابقي روش پيشنهادي مزيت اين روش بر روش پياده سازي موجک را اثبات ميکند.
براي استفاده از مقادير مختلف α تصوير با ابعاد ٥١٢ × ٥١٢ است و به مربع هاي ٨ × ٨ تقسيم شده است . براي هر کدام از مربع ها با استفاده از توزيع نرمال با ميانگين α و واريانس ٠.٠٢٥ مقدار ضريب مربوط به آن بلاک محاسبه ميشود. در نهايت از مقدار نسبت سيگنال به نويز در مورد روش هاي مختلف و تصاوير مختلف براي نتيجه گيري نهايي استفاده خواهد شد. تمامي تصاوير اين بخش با استفاده از تصوير نهاني زير نهان نگاري ميگردد.
براي مقايسه روش پيشنهادي و ارزيابي کارايي آن ، مقادير PSNR روش هاي مختلف در انتها ارائه شده است .
