四分树视觉感知浮水印机制.docVIP

  • 2
  • 0
  • 约6.94千字
  • 约 11页
  • 2018-02-24 发布于河南
  • 举报
四分树视觉感知浮水印机制

四分樹視覺感知浮水印機制 祖善明 大仁科技大學資訊工程系 tsm@.tw 郭羽玲 國立屏東教育大學圖書館 ylk@.tw 林俊村 大仁科技大學資訊管理系 yagami21485@.tw 摘要 本文提出一種基植於人類視覺系統(HVS)及組合空間域及頻率域嵌入技術之浮水印機制,利用影像四元樹空間資料結構與人類視覺感知系統為基礎,設計一個可保有頻率域與空間域資訊隱藏方法的優點—即對浮水印攻擊法有較強的抵抗力與較多的隱藏資料量之數位浮水印技術。所提出浮水印機制,首先將浮水印根據其圖像意義被分割成次要與重要兩個子浮水印,對有意義的圖像而言,圖像次要部分要比重要部分大得多,因此次要子浮水印擁有大量但較不重要的浮水印圖像資訊,而重要子浮水印則擁有少量但卻珍貴的重要圖像資訊。依據掩護圖像(cover media)之四分樹空間結構及所得的紋理特徵,四分樹分解可以依使用者自訂紋理門檻,將掩護媒體切割為不同紋理複雜度的四分樹子區域集合;在不影響圖像品質情形下,嵌入多個次要及重要子浮水印於圖像中,嵌入浮水印的強度不需共用相同強度因子,而是根據人類視覺系統感知模型來決定嵌入強度,使得嵌入浮水印的強度及數量與被嵌入圖像的視覺特徵能量成正比,可以有效提昇浮水印強健性及容量。此法具有以下優點:(1)次要子浮水印主要隱藏於空間域,而重要子浮水印則隱藏於頻率域,可以有效提高浮水印嵌入容量及強健性。 (2)不需要共用浮水印強度因子(strength factor)。實驗結果顯示本文所提出方法可以具有高嵌入容量及強健性,能有效抵抗影像切割等影像處理攻擊。 關鍵字:人類視覺感知系統、數位浮水印、四分樹分解。 壹、前言 近年來關於將數位浮水印應用於智慧財產權的研究非常多,數位浮水印依據可視性可分為可見浮水印(visible watermark)及不可見浮水印(invisible watermark)兩大類,多數的浮水印為了提高其安全性,多採不可見方式隱藏於要保護的數位媒體中,例如影像、圖片、音樂、文稿等多媒體檔案中,供作為智慧財產權擁有者證明其擁有權合法性之證明;在設計數位浮水印時主要考量其嵌入容量(capacity)、通透性(transparency)以及強固性(robustness) [R. B. Wolfgang, 1999]三大要素。嵌入浮水印方法如果能夠含有高容量,便可以隱藏更多資訊於數位媒體中,而通透性可以讓使用者無法察覺有秘密資訊隱於收看或是收聽資料中,進而可對數位浮水印提供較佳的安全保障,如果有心人士懷疑所收到的數位資料含有隱含的資訊藏在數位媒體中的話,便可能會嘗試以各種數位處理技巧(例如濾波、去雜訊及壓縮等)來設法將這個浮水印給移除掉,因此所嵌入的數位浮水印還必須要能夠抵擋這方面的處理以增加其存活率,方能達到其保護數位媒體智慧財產權之目的。 目前所提出的數位浮水印方法以其操作領域(domain)來區分主要可分為空間域(spatial domain)及頻率域(frequency domain)兩大類。在頻率域中(像DCT、DWT、DFT等)進行浮水印的嵌入會比較具有強固性,然而嵌入容量少,使得浮水印大小有一定的限制;而空間域中的浮水印機制雖然可以容許高容量的資訊隱藏優點,但是對於數位影像處理的存活率就比較低;因此也有學者Shih and Wu [Frank Y. Shih, Scott Y.T. Wu, 2003] 提出了結合兩種領域-組合域(combinational domain)進行嵌入浮水印的做法。本文提出一種基於影像四分樹分解的視覺感知浮水印技術,可以有效利用兩種領域的優點,嵌入容量大且兼具強固性的數位浮水印,並且利用人類視覺系統(Human visual System,HVS)來決定嵌入浮水印之強度,以提供理想的浮水印通透性。文章結構如下,第二節將介紹本文所使用的人類視覺系統感知模型及影像四分樹分解,第三節則介紹本文所提出浮水印嵌入/萃取機制,實驗結果則在第四節中說明。 貳、文獻探討 一、 人類視覺系統感知模型 Chou等人[C. H. Chou, Y. C. Li, 1995] 提出一個簡單的人類視覺系統感知模型,透過感知模型可以估計灰階圖像的最小可察覺失真度(Just Noticeable distortion, JND)和最大可察覺失真度(Maximum Noticeable Distortion, MND),各個像素可見性門檻可由其背景平均亮度和背景空間不均勻度來進行估計,像素位置(x,y)的最小可察覺失真度計算如下: JND(x,y)=max{ F1(bg(x,y), mg(x,y)), F2(bg(x,y)) } F1(bg(x,y),mg(x,y)) = mg(x,y).α(bg(x,y) + β(bg(x,y)) α

文档评论(0)

1亿VIP精品文档

相关文档