بخشی از مقاله
بهبود ظرفیت نهان نگاری برگشت پذیر با استفاده از تکنیک درون یابی در تصاویر پزشکی
چکیده
با توجه به اینکه ظرفیت درج یکی از مهمترین موضوعات در حوزه نهان نگاری برگشت پذیر، خصوصا در حوزه پزشکی، است. در این مقاله یک پنهان نگاری قابل برگشت بر اساس درونیابی پیکسلهای تصویر و تشخیص نواحی مورد علاقه1 در تصویر میزبان با هدف افزایش ظرفیت درج ارائه شده است. بر اساس پیش پردازش مبتنی بر مولفه های Texton ، اهمیت نواحی تصویر، یک تصویر
باینری ساخته می شود که مکانهای پیکسل های دارای اهمیت بافتی بالا را نگهداری می کند. در نواحی غیر از این نواحی ،پیکسل های بیشتری جهت درج انتخاب می شود. حال بعد از انتخاب پیکسل های که شرایط مناسب جهت درج را دارند، بر اساس یک الگو میزان ظرفیت هر پیکسلمستقلاًمحاسبه می گردد. در گام بعد بر اساس یک روش درونیابی ، از تصویر اصلی خود تصویر درونیابی شده آن را می سازیم. عملیات درج در پیکسل هایی که شرایط درج ( بسته به مقدار ظرفیت درج در یک بیت، دو بیت و... LSB هر
پیکسل درج صورت می گیرد) را دارند صورت می گیرد. همچنین در عملیات معکوس با شناسایی پیکسل هایی که در آنها درج صورت گرفته و محاسبه ظرفیت درج آنها، به کمک مقادیر درونیابی شده ، مقدار واقعی پیکسل و همچنین بیت های که در آن درج شده است را بر می گردانیم. نتایج حاصل از الگو ریتم پیشنهادی بر روی تصاویر استاندارد پزشکی، نشان دهنده کارایی روش پیشنهادی در مقابل روش های دیگر است.
کلمات کلیدی: نهان نگاری برگشت پذیر، ظرفیت درج، مولفه های Texton و نواحی مورد علاقه
-1 مقدمه
نهان نگاری دیجیتال تکنیک درج اطلاعات در رسانهی دیجیتال است که بعدا میتواند استخراج شده یا تشخیص داده شود. داده-ی درج شده واترمارک نام دارد و رسانهی که درج در آن صورت میگیرد، میزبان یا پوشش است. این کار در راستای محافظت حقوق معنوی صورت میگیرد. در حال حاضر رسانههایی که واترمارکینگ بر روی آنها اعمال می شود عباتند از: سیستم واترمارکینگ متن، صوت، تصویر و ویدئو.[2]
استخراج واترمارک میتواند به سه گروه زیر تقسیم بندی شود:[3] ابتدا روشی که برای استخراج به تصویر اصلی اولیه نیاز دارد. این روشها که به روشهای غیرکور معروفند در برابر حملات مختلف پردازش تصویر مقاوم هستند، در روش دوم که نیمه کور نام دارد، نیاز به تصویر اصلی نیست و با واترمارک و یا اطلاعات اضافی دیگر استخراج را انجام میدهد و در انتها تکنیکهای کور که تنها با استفاده از کلید رمز و بدون نیاز به تصویر اصلی، واترمارک و اطلاعات اضافی واترمارک را استخراج میکند.
الگوریتم معرفی شده با الهامگیری از روشهای ارائه شده تا به امروز، از روشی که به اندازهگیری ارتباط فضایی و مکانی پیکسل ها می پردازد و با استخراج نواحی هموار وزبر در تصویر مکانهای مناسب را برای درج پیشنهاد میدهد. بررسی و اندازهگیری ارتباط فضایی پیکسلها از اینرو مهم است که اطلاعاتی در مورد تغییر پذیری محلی مقادیر شدت یک پیکسل در تصویر فراهم می آورند . بعنوان مثال در نواحی با بافت هموار و نرم محدوده مقادیر همسایگی که حول یک پیکسل واقعند ، مقادیر کوچکی خواهند بود در حالی که در نواحی با بافت کلفت و خشن این مقادیر بزرکتر است در نتیجه بدست آوردن ماتریسی از مقادیر که اطلاعاتی از این دست را به ما بدهد در بدست آوردن موقعیتهای مناسب درج، تصویر بسیار موثر بوده چرا که بافت موجود در تصویر اطلاعات ادراکی سطح بالایی را ارائه می دهد و آنالیز صحیح آن منجر به تصمیم گیری مناسب جهت درج در نواحی کم اهمیت – نواحیی که حجم تصویری کمتری از اصل محتوایی تصویر را حمل می کند- تصویر می گردد. به همین جهت درج در نواحیی کم اهمیت تصویر باعث می شود که کیفیت تصویر کمتر دستخوش تغییر شود و در نتیجه کیفیت تصویر در مقابل فرایندهای درج مقاوم باقی می ماند.
در ادامه در بخش دو ، روش پیشنهادی را با تمام جزئیات بیان می کنیم، در بخش سه مقایسه روش پیشنهادی با دیگر روشها
بر روی تصاویر پزشکی و در بخش پایانی نتیجه گیری بیان خواهد شد.
-2 روش پیشنهادی
با مطالعات انجام شده بر روی روشهای نهان نگاری ، یک روش خوب و جامع برای نهان نگاری برگشت پذیر تصاویر ، باید حداقل دارای ویژگی های ، حفظ جامعیت اطلاعاتی و کلیت تصویر در زمان درج، بازیابی تصویر اصلی و استخراج رشته واترمارک می بایستی دارای کمترین اوعوجاج باشد،توانایی خودکار محاسبه ظرفیت هر پیکسل برای درج،یک روش درج مناسب بایستی متناسب با طول رشته واترمارک و توزیع پیکسلهای مناسب درج، می بایستی عمل درج متوازنی داشته باشد. × با توجه به این ویژگی ها در الگوریتم نهان نگاری چند مرحله ای2 (در مقابل تک گام(3، اعوجاج در روشهای چند مرحله ای نهان نگاری بسیار بیشتر و همچنین کارایی بازیابی و استخراج رشته واترمارک وهمچنین کارایی درج را در مرحله دوم درج به بعد، به شدت تحت تاثیر قرار می دهد. به همین منظور برای دوری از همچین مشکلاتی ما یک الگوریتم نهان نگاری توافقی و دریک گام پیشنهاد داده ایم.
در زیر با تشریح هر یک از زیر قسمتهای مدل ارائه شده، مشاهده خواهیم کرد که این مدل خواص فوق را داراست.
-1-2 پیشنهاد مدل وفقی4 جهت یافتن مناسبترین توزیعی پیکسلی در تصویر آنالیز پیکسلی تصویر شامل مشخص کردن نواحی در یک تصویر توسط رابطه پیکسلی آن تصویر، برای یافتن الگوهای تکرار شده در تصویر است. مدل توصیفی پیکسلی در اینجا با استفاده از مفهوم )Texton برگرفته از ( Texture Ton سعی دارد مفاهیم زبری، درشتی، همواری، نرمی و ناهمواری را بعنوان تغییرات مکانی در شدت پیکسل ها را معلوم نمایید.[13],[14] داشتن اطلاعاتی در مورد تغییرپذیری محلی مقادیر شدت یک پیکسل در یک تصویر میتواند اطلاعات مناسبی در مورد مفاهیم فوق ارائه دهد و این مهم را، Texton به خوبی انجام میدهد. بعنوان مثال در نواحی با بافت هموار و نرم محدوده مقادیر
همسایگی که حول یک پیکسل واقعاند، مقادیر کوچکی خواهند بود در حالی که در نواحی با بافت کلفت و خشن این مقادیر برای ستخراج روابط پیکسلی بر اساس مولفـه هـای معرفـی بزرگتر است. در نتیجه بدست آوردن ماتریسی از مقادیر که شده، با یک مثال این مراحل را توضیح می دهیم. لازم اسـت کـه اطلاعاتی از این دست را به ما بدهد در آنالیز تصویر بسیار موثر هر یک از اجزای شکل 1 را بصورت جداگانه مطـابق شـکل 4- بوده چرا که داشتن روابط پیکسلی تصویر اطلاعات بصری سطح و3-4به تصویر اصلی شکل 2-4 اعمال کـرده و تصـویر بالایی را ارائه می دهد و آنالیز صحیح آن منجر به داشتن دید مربوط به هر جزء استخراج گردد.
مناسبی از چینش پیکسل های تصویر و در نتیجه یافتن مکانهای
-1-1-2 روش یافتن روابط پیکسلی به کمک مولفه ها
در اینجا به توضیح روش استخراج نـواحی بـا اهمیـت و کـم اهمیت تصویر به کمک مولفـه هـای بنـام Textonمیپـردازیم . Textonبیشتر در مباحث مربوط بـه بازیـابی تصـویر بـر اسـاس محتوا بکار گرفته شده است، و در اینجا قصد داریم به کمک ایـن مولفه ها روشی برای نهانگاری ارائه دهـیم. بـه منظـور اسـتخراج Textonتصویر، میبایستی اجزایی5درجهت استخراج ویژگیهای پیکسلی مشترکی که در تصویر است، تعریف کرد. انواع مختلفـی از اجزاTexton ، با فاصله پیکسلی مشخص ، در آنـالیز پیکسـلی می تواند مورد استفاده قرار گیرد، در اینجا بـه کمـک مثـالی کـه اجزاء آن در شکل 1-4 نشان داده شده است. هر جـزء Texton معرف یک چهارتایی از پیکسلهاست (این پیکسلها را پیکسلهای مولفه ای یا دارای ساختار می نامیم )که هیچ یا یکی از پیکسلها 4 و 3 و 2 و 1 در هر جزء مخالف بقیه بـوده و در کـل بـا هـم تشکیل یک جزء Texton را میدهند، با توجـه بـا اینکـه کـدام پیکسل مخالف بقیـه باشـد بـه ترتیـب، 1، 2، 3و 4 ایجـاد میشوند. شکل 1 انواع اجزایی که میتوان با ایـن چهـار پیکسـل داشت را نشان میدهد.
شکل: 1 انواع اجزای ،((a شبکه 2×2، (b)،( (c، (d)، (e) و . (f)
شکل:2 تصاویر استخراج شده بر اساس و همانطور که در شکل 2 دیده می شود مولفه 2 و 4 به تصویر اصلی اعمال گردیده و نواحیی از تصویر کـه شـامل ایـن مولفـه-هاست، را استخراج کرده ایم. همین اقدام را برای دیگـر مولفـههـا انجام میدهیم.
بعد از این عملیات تصاویری بدست میآید که هر کدام نواحیی از تصویر که شامل مولفه های مربوط به خـود اسـت را نگـه داشـته (علامت زده) و نسبت به دیگر نواحی بی اهمیت است. همچنـین می توانیم یک تصویر از ترکیب این تصاویر نیز بدست آورد که در اینجا با ترکیب پنج، تصویر مولفه ای بدست آمـده تصـویر ششـم تولید می شود.
حال عملیات درج را می توان در هر یک از این شش تصویر بدست آمده انجام داد- در اینجا در نواحی سفید، نواحی سیاه بعنوان نواحی با اهمیت تصویر در نظر گرفته شده و در حد امکان بیتی در این نواحی درج نمی شود. بعد از درج در هر یک از تصاویر ذکر شده با اندازه گیری پارامترهای تست کیفیت بصورت توافقی یکی از شش تصویر به عنوان تصویر مناسب برای درج این رشته خاص انتخاب می شود. یعنی در واقع این روش به ما این انعطاف را می دهد که بسته به رشته نهان نگار و کیفیت و نوع نواحیی که در تصویر پوشش وجود دارد، یکی از شش تصویر فوق که در عین حال که در هنگام درج جامعیت ارتباطی پیکسلهای تصویر حفظ می شود بلکه اطلاعات در پیکسلهایی با درج اهمیت پایین از نظر بصری درج می شوند.
-2-2 فرایند درج با قابلیت ظرفیت بالا به کمک درونیابی
برای این منظور در منطقه که به عنوان منطقه با اهمیت پایین شناخته شده است، در مقدار هر مکان پیکسل را با تغییر LSB در مکانهای 1و2 و.... و بیتهای خود را درج می کنیم. قبل از درج لازم است یک عملیلت آماری انجام دهیم گامهایی که لازم است بر روی بستر تصاویر Texton قبل از فرایند درج صورت گیرد به صورت زیر است، این عملیات به این علت صورت می گیرد که می خواهیم استراتیژیی در بر بگیریم که بیتهای واترمارک برابری در پیکسلهای مورد نظر واقع در تصویر میزبان، قرار ندهیم.
-1 شمارش تعـداد بیتهـای نهاننگـاری و همچنـین تعداد پیکسلهای در نواحی کم اهمیت تصویر
-2 بدست آوردن تناسب بین دو پارامتر فوق -3 بر اساس پارامتر بدست آمده در گام دوم میتوان
تصمیم گرفت که هرپیکسل در مکان LSB چند تغییر مـی توانـد داشـته باشـد. در ایـن مرحلـه متناسب با ظرفیت نهان نگاری یک حـد آسـتانه T،تعریف میشود.
با توجه به توضیحات فوق و همچنین گامهای بیـان شـده لازم است یک عملیات پیش درج صورت گیرد. در این عملیات بصورت توافقی(بر اساس محاسبات) محاسبه مـی شـود کـه چـه تعداد از بیتهای واترمارک می بایستی برای هر پیکسل درج شود.
بعد از مرحله پویش وفقی تصویر، و بر اساس اینکـه کـدام یک از شش تصویر حاصله شده جهت درج، مناسب ارزیابی مـی_ شود ( در مرحله 3-3-4 این کار صورت می گیرد) بـرای درج در هر پیکسل ، بر اساس پیکسلهای همسـایه درونیـابی(پیش بینـی مقدار پیکسل براساس مقدار پیکسلهای همسایه) صورت میدهیم. و بر اساس این درونیابی و مقدار واقعی پیکسـل تصـمیم بـه درج یک یا چند بیت می نماییم. در واقع با اسـکن مـاتریسهـای B و چک کردن پیکسلهای دارای اهمیت پایین مراحل را بـه صـورت زیر پی می گیریم.
برای درونیابی و پیش بینی مقدار یک پکسل از روش Wu که معروف به روش GAP6 است[10] و در مقاله های مختلف جهت تشخیص تیزی ولبهها در تصاویر مورد استفاده قرار گرفته استفاده می کنیم. در این روش مقدار یک پیکسل بر اساس پیکسلهای واقع در همسایگی عمودی و افقی آن پیکسل درونیابی می گردد. این روش را به کمک شکل 3 توضیح می دهیم.
فرض کنید پیکسلهای مشخص شده بخشی از پیکسـلهای یک تصویر باشد، برای پـیش بینـی مقـدار پیکسـل ? بـه کمـک پیکسلهای مشخص شده به کمک رابطه (1) بـرآوری از انـدازه و جهت پیکسل مجهول در دو جهت افقی و عمودی انجام میگیرد.
(1)
حال بر اساس این مقادیر برآوردی از این پیکسل به کمک فرمول 2 بیان میشود.
