بخشی از مقاله
چکیده
نهان نگاري تص اویر دیجیتال یکی از راه کارهاي قدرتمند محافظت از تصاویر در برابر استفادههاي غیر مجاز و حفظ حق طبع و نشر در اینترنت میباشد. در نهان نگاري اطلاعاتی محرمانه - نهان نگار - به تصویر اضافه میشوند که از آنها میتوان براي شناسایی صاحبان حقیقی تصویر بهره برد. وجود این اطلاعات در تصویر نباید محسوس باشد علاوه بر این نباید به راحتی از تصویر حذف شوند. در این ممقاله یک روش نهان نگاري بهینه در دامنه DWT-SVD براي تصصاویر رنگی ارائه شده است. در این روش براي رفع همبستگی کانالهاي رنگ از فضاي PCA استفاده شده است. براي جاسازي بیت هاي نهان نگار، ابتدا تبدیل SVD روي زیر باند LL1 بلوكهاي مؤلفه اصلی تصویر اعمال شده و ماتریسهاي U، S و بدست میآیند. سپس بیتهاي نهان نگار با تغییر ضرایب ستون
اول ماتریس U و با استفاده از حدود آستانه جاسازي میشوند. حدود آستانه میزان تغییرات ضرایب را مشخص میکنند و براي بهینه سازي آنها از اللگوریتم زنبورهاي عسل مصنوعی - ABC - استفاده شده است. نتاایج نشان میدهند که روش ارائه شده نه تنها داراي مقاومت بالایی در برابر عملیاتهاي پردازش تصویر است بلکه از حیث شفافیت نیز قابل رقابت با سایر روشهاي مشابه است.
کلمات کلید ي:نهان نگاري، فض اي رنگ PCA، تبدیل موجک، مقاومت، شفافیت.
-1 مقدمه
امروزه توسعه اینترنت و شبکههاي کامپیوتري باعث شده که دادههاي چند رسانهاي به راحتی در دسترس و قابل کپی کردن باشند. محتویات دیجیتال کپی شده دقیقاًهمان کیفیت محتویات اصلی را دارند. این واقعیت گاهی سبب ایجاد شرایط بحرانی بدي نظیر سوء استفاده از دادهها میگردد. نهان نگاري - Watermarkinng - روشی است که براي غلبه بر چنین مشکلاتی ارائه شدده و ابزار مناسبی براي محافظت از حق مالکیت محتویات دیجیتال است. در روشهاي نهان نگاري اولیه، نهان نگار مستقیماًدر بیتهاي تصویر جاسازي میشد. رویکرد دیگر استفاده از دامنه فرکانس است. این تکنیکها اغلب از تبدیلهاي گوناگونی چون تبدیل فوریه گسسته1، فوریه-ملین، گسترش طیف2، تبدیل کسینوسی گسسته3، تبدیل موجک گسسته4، تجزیه مقادیر منفرد5 و انواع ترکیبی آنها بهره میبرند. [1-5]
در میان این تبدیلها تبدیل موجک را میتوان یکی از قدرتمندترینها از حیث دستیابی به یک نهان نگارري شفاف و مقاوم دانست.اکثر روش هاي نهان نگاري روي تصاویر خاکستري قابل اجرا هستند اما در سالهاي اخیر به دلیل پیشرفت صنعت عکاسی و رواج زیاد تصاویر رنگی نهان نگاري این تصاویر به موضوعی داغ براي تحقیق تبدیل شده است. این تصاویر در مقایسه با تصاویر خاکستري توانایی جاسازي حجم بیشتر داده و در عین حال شفافیت بیشتر را دارا هستند. تبدیلDWT براي نهان نگاريتصاویر رنگی نیز زیاد به کار رفته است. در اکثر این روشها نهان نگار در کانالهاي RGB جاسازي میشود. [6-9] به دلیل همبستگی زیاد کانالهاي R، G و B شفافیت نهان نگار کم میشود. براي رفع این همبستگی برخی از محققان از فضاهاي UCS ,YCbCr و PCA براي نهان نگاري استفاده کردهاند.[10-12]
میزان تغییرات ایجاد شده در محتوا براي جاسازي نهان نگار بایستی به گونهاي تعیین گردد که بین شفافیت و مقاومت نهان نگار موازنه ایجاد گردد. میزان این تغییراتمعمولاًبا پارامترهایی تنظیم میگردد که با نام عوامل مقاومت6 شناخته میشوند. بنابراین بایستی الگوریتمی قوي و کارا براي یافتن بهینه حدود آستانه و عوامل مقاومت چند گانه داشته باشیم تا هم موازنه لازم بین شفافیت و مقاومت ایجاد گردد و هم اینکه این پارامتر بطور پویا براي هر محتواي خاص تعیین شوند. از آنجا که هدف یافتن مقادیر حدود آستانه براي ایجاد موازنه بین شفافیت و مقاومت است این مساله میتواند به عنوان یک مساله بهینه سازي طرح گردد و میتوان از روشهاي فرا ابتکاري براي حل آن استفاده کرد.
محققان از برخی روشهاي مبتنی بر جمعیت و هوش جمعی - الگوریتم ازدحام ذرات7، بهینه سازي کلونی مورچهها8، کلونی زنبور عسل9 و .... - براي یافتن عوامل مقاومت بهینه در تکنیکهاي نهان نگاري استفاده کردهاند و نتایج را بطور چشم گیري بهبود بخشیدهاند. از میان این روشها الگوریتم کلونی زنبور عسل یکی از بهترین تکنیکهایی است که براي مسائل دنیاي حقیقی بکار رفته است. در مقایسه با سایر الگوریتمهاي تکاملی مشابه، کلونی زنبور عسل مصنوعی شاخصههاي جذابتري دارد و اثبات شده است که در بسیاري از زمینهها کارایی بیشتري دارد. اخیراًبراي بهینه سازي برخی از روشهاي نهان نگاري از ABC استفاده شده است.
Musrrat Ali و همکاران[13] روشی کور براي نهان نگاري تصاویر خاکستري در دامنه SVD و DWT با توزیع ثابت ارائه کردهاند که در آن براي بهینه سازي عوامل مقاومت چند گانه - MSF - از الگوریتم کلونی زنبور عسل - ABC - استفاده شده است. Gupta و همکاران[14] روشی غیر کور براي نهان نگاري تصاویر رنگی با استفاده از نهان نگار رنگی در فضاي رنگ UCS ارائه کردهاند. براي افزایش مقاومت، اجزاء رنگ نهان نگار در اجزاي رنگ متناظر تصویر میزبان جاسازي میشوند. این اجزاء پس از بلوك بندي در بلوكهاي LL3 تصویر و با استفاده از عوامل مقاومت چند گانه جاسازي میشوند. از الگوریتم ABC براي بهینه سازي این عوامل استفاده شده است.
همچنین روشی غیر کور براي نهان نگاري تصاویر خاکستري در دامنه DWT-SVD توسط Ansari و همکاران[15] ارائه شده است. در این روش مقادیر منفرد ماتریس SVD نهان نگار در ماتریس S تصویر میزبان پس از انجام تبدیل DWT جاسازي میشوند. همانند روش Gupta در مرحله جاسازي از ضرایب مقاومت چند گانه استفاده شده و الگوریتم ABC براي بهینه سازي آنها بکار رفته است.بر اساس مطالعات انجام شده تا کنون براي نهان نگاري تصاویر رنگی الگوریتم کارآمدي که در آن براي شناسایی عوامل مقاومت از الگوریتم ABCاستفاده شده باشد ارائه نشده است. در این مقاله روشی کور براي نهان نگاري تصاویر رنگی در دامنه ترکیبی DWT-SVD روي مؤلفه اصلی PCA با استفاده از عوامل مقاومت چند گانه ارائه شده است.
بهینه سازي عوامل مقاومت با استفاده از الگوریتم ABC انجام میشود و تابع هدف مورد استفاده این الگوریتم یک ترکیب خطی از ضریب همبستگی نرمال - NC - و نسبت سیگنال به نویز - PSNR - میباشد. در ادامه این مقاله، ابتدا در بخش دوم مفاهیم الگوریتم ABC به طور مختصر بیان شده است. روش ارائه شده براي جاسازي و بازیابی نهان نگار در بخشهاي سوم و چهارم شرح داده شده است. بخش پنجم به تشریح چگونگی استفاده از الگوریتم ABC به منظور بهینه سازي حدود آستانه پرداخته است و بخش ششم نیز به آزمایشات و نتایج تجربی بدست آمده اختصاص داده شده و در انتها نیز نتیجه گیري آورده شده است.
-2 الگوریتم کلونی زنبور عسل
الگوریتمهاي هوش جمعی محدوده جدیدي از الگوریتمهاي محاسباتی هستند که از رفتار حشرات اجتماعی الهام میگیرند. Karaboga [16] یک الگوریتم بهینه سازي ساده مبتنی بر جمعیت را معرفی کرد و آن را کلونی زنبور عسل نامید. در الگوریتم ABC سه نوع زنبور وجود دارد: زنبورهاي کارگر، دیده بان و پیشاهنگ. زنبورهاي عسل کارگر منابع غذایی جدید را در اطراف منبع غذایی خود جستجو میکنند. آنها اطلاعاتی را درباره این منابع خاص با خود حمل میکنند و این اطلاعات را با زنبورهاي دیده بان به اشتراك میگذارند. این اطلاعات شامل میزان شهد، جهت و مسافتی که از منبع غذایی دارند میباشد. زنبورهاي دیده بان، با استفاده از اطلاعاتی که از زنبورهاي کارگر بدست میآورند در مورد انتخاب منابع غذایی بهتر به طور تصادفی تصمیم گیري میکنند. در مراحل جستجو توسط زنبورهاي کارگر و دیده بان اگر یک منبع غذایی در تعداد دورهاي مشخص نتواند بهبود یابد جستجو حول آن خاتمه یافته و زنبوران کارگر مربوط به آن منبع به زنبوران پیشاهنگ تبدیل میشوند.
این زنبورها جستجو را به صورت تصادفی براي یافتن منابع غذایی جدید انجام میدهند. عملکرد زنبورهاي پیشاهنگ باعث میشود که الگوریتم بتواند از نقاط بهینه محلی خارج شود و جستجو را در سایر نقاط ادامه دهد.الگوریتم کلونی زنبور عسل شامل 4 مرحله است: اولین مرحله مقدار دهی اولیه زنبورهاي کارگر، زنبورهاي دیده بان و زنبورهاي پیشآهنگ است. دراین مرحله جمعیت اولیه ایجاد میگردد و سایر پارامترهاي پیرامون الگوریتم،مقداردهی میشوند. اگر تعداد کل زنبورها N و تعداد منابع غذایی - راه حلها - SN، تابع هدف f - x - و تابع برازش g - x - باشد، راه حلهاي اولیه ୧ - ها - ، بهصورت تصادفی روي فضاي D بعدي مسئله به صورت زیر مقداردهی میشوند:
که در آنj = 1,2, … , D ابعاد راه حل و X୨୫ୟ و X୨୫୧୬ به ترتیب بیشترین و کمترین حد بازه در بعد j ام را نشان میدهند. سپس مقدار تابع برازش - Fitness Function - براي هر منبع غذایی اولیه محاسبه میشود و تعداد NB زنبور با بهترین مقدار تابع برازش به عنوان زنبور کارگر شروع به کار میکنند. همچنین شمارنده T୧ که i = 1,2, … , NB با صفر مقدار دهیبان و پیشاهنگ تا زمانیکه تعداد دورهاي بیشینه چرخه - MAXୡ ୡ - تجاوز نکند ادامه اولیه میشود. بعد از مرحله مقدار دهی اولیه، تکرار سه مرحله زیر آغاز میگردد.مرحله دوم مرحله زنبوران کارگر است. هر زنبور عسل کارگر منبع غذایی جانشین تازهX୧୨ را با استفاده از منبع غذایی قدیمی آن، با استفاده از رابطه - 2 - جستجو میکند:
که در آن i نشان دهنده یک زنبور عسل کارگر است، k شاخص زنبور عسل تصادفی است که باید با شاخص i متفاوت باشد. Φ یک عدد حقیقی تصادفی بین [-1,1] است. با استفاده از رابطه - 3 - میتوان اطمینان یافت کهX୧୨ هاي تولید شده از حدود تعریف شده تجاوز نمیکنند:
-3 روش پیشنهادي
به منظور جاسازي تصویر دودویی با ابعاد m×n، در تصویريRGB با ابعاد M×N طبق مراحل زیر عمل میشود:
1.تصویر نهان نگار دودوییW با ابعاد m×n به آرایهاي با طول 1×mn تبدیل شده، با استفاده از یک کلید رمز ترتیب عناصر این آرایه بر هم خورده و آرایه ایجاد میشود.
2.تبدیل PCA روي تصویر میزبان I انجام شده و مؤلفه اصلی آنP انتخاب میشود.
3.تبدیل موجک گسسته - DWT - یک سطحی برP اعمال شده و زیر باند LL1 انتخاب میشود.
4.P به بلوكهایی مساوي و بدون همپوشانی 4×4 تقسیم میشود.
5. تبدیل SVD بر بلوكهايP اعمال میشود تا ماتریسهاي U، S وV بدست آیند.
.6 براي جاسازي نهان نگار از ارتباط ضرایب دومଶ, وسومଷ, ستون اول ماتریس U است:
7.معکوس تبدیل SVD روي ماتریسهايU ، S وV اعمال میشود وLLᇱ بدست میآید.
8. معکوس تبدیلDWT برروي LLᇱ , LH, HL, HHاعمال میشود وP′ بدست میآید.
9. با استفاده از مؤلفههايP′ ، Pଶ و Pଷتصویر RGB نهان نگاري شده باز سازي میشود.در این روش آشکار سازي نهان نگار به صورت نابینا صورت میپذیرد، یعنی در زمان بازیابی نیازي به تصویر اصلی نیست. مراحل آشکار سازي نهان نگار به شرح زیر میباشند:
1.تبدیل PCA روي تصویر نهان نگاري شدهI انجام شده و مؤلفه اصلی آنP" انتخاب میشود.
2.تبدیل موجک گسسته - DWT - یک سطحی برP" اعمال شده و زیر باندLL" انتخاب میشود.
3.LL" به بلوكهایی مساوي و بدون همپوشانی 4×4 تقسیم میشود.
4.تبدیل SVD بر بلوكهاي انتخاب شدهLL" اعمال میشود تا ماتریس هاي"U ،"S وV" بدست آیند.
