周波数領域での非線形適応システムを 用いた電子透かしの耐性評価 慶應義塾大学 政策・メディア研究科 直江健介 安藤類央 武藤佳恭 電子透かし 従来の手法 画像に対して周波数変換処理を行い、信号をスペクトラ ム拡散方式を用いて埋め込む 本研究の概要 １．適応信号処理を用いた非対称鍵の生成により情報 秘匿を高度化 – 透かし情報を埋め込む際に必要になる情報と復元する際 に必要になる情報が同じではない – 非線形適応信号処理システムにより透かし情報を復元 ２．鍵穴の位置情報のみを埋め込むため、少ない埋め 込み情報によって多くの情報の復元を可能 – 鍵生成に必要となる鍵ブロックの位置情報を埋め込む 先行研究 ●スペクトラム拡散を用いた電子透かし コンテンツの信号を周波数変換し、特定のエリアの係数にＰ Ｎ係数を掛け、スペクトラム拡散を行い透かし情報を埋め込む →本研究では直接拡散時のＰＮ係数の変わりに 非線形適応信号処理時に生成された鍵を用いる（秘匿性の向上） ●ＬＶＱ（学習ベクトル量子化）を用いた電子すかし 画像に対してはではなく、コードブックに透かし情報をエンコードする。 →本研究ではコードブックの変わりに、 非線形適応信号処理（Back Propagation）によって階層ネットワークに 透かし情報をエンコードする（透かし埋め込み後の画質の劣化防止） 提案手法の手順 埋め込み処理 １． 画像の周波数変換処理 ２． 鍵穴ブロックと鍵穴の位置情報埋め込みブロックの選定 ３． 鍵穴の位置情報の埋め込み ４． 鍵の生成 復元処理 ５． 画像の周波数変換処理 ６． 鍵穴の位置情報の取り出し ７． ４．で作った復号鍵を用いて透かし情報の復元 鍵の生成 • 鍵は画像のある領域の特徴情報を非線形適 応信号処理システムに入力することで生成 • 鍵は位置情報と分類器（Classifier）によって 構成される 確率密度分布の推定からの非線形適応信 号処理の位置付け • パラメトリックモデル – 確率密度分布を推定するには、データからパラメータを推定する 必要がある • 統計的に学習データの分布を考えて識別境界を引く • 最尤法、ベイズ推定 • ノンパラメトリックモデル – 関数系を特定しないで、データに依存して分布系を決める。 • 与えられた学習データをすべて正しく識別出来るようにする • K-Nearest-Neighbours法、kernel-based法 • セミパラメトリックモデル – 複雑な分布を表現するためにパラメータの数を系統的に増やせ るようにする。 • 仮定する分布がパラメトリックモデルより、より一般的＞抽象度が高い • しかし、データに依存して分布を決める 階層ニューラルネットワーク（逆誤差伝播 法） • 特徴 – ノイズへの耐性 – 誤り訂正と補完性 – 追加学習性 １．ノイズへの耐性 • 強力な汎化能力により、ノイズがある程度 加わったパターンに対しても、正しい応答 を出力する。 – 非線形の分離が可能 ２．誤り訂正と補完性 • 学習の過程で情報が多数のニューロンに 分散され、各々が最終出力応答に影響を 与える構造になっている – 入力情報や各ユニットがダメージをうけていて も補完的に適切な信号を出力することができ る。 ３．追加学習性 • 学習後に新たなパターンが追加されても、 以前に獲得したパターンに関する知識へ の影響を最小限にとどめ、効率よく追加学 習が行える性能。 – 透かし情報を追加したいときに特長を発揮す る。 提案手法の手順 埋め込み処理 １． 画像の周波数変換処理 ２． 鍵穴ブロックと鍵穴の位置情報埋め込みブロックの選定 ３． 鍵穴の位置情報の埋め込み ４． 鍵の生成 復元処理 ５． 画像の周波数変換処理 ６． 鍵穴の位置情報の取り出し ７． ４．で作った復号鍵を用いて透かし情報の復元 鍵穴ブロックと 鍵穴の位置情報埋め込みブロックの選定 ８ 8x32 A 8x32 B ８ AC係数の行列 拡 大 １．鍵穴ブロックとしてA（７，３）を選択 ２．鍵穴ブロックの位置情報を埋め込 むブロックとしてB（４，５）を選択 Bブロック 鍵穴の位置情報の埋め込み ８ ７ （３０，３５） ８ ３ Bブロック （２８，３ ３） 鍵穴となるブロック の位置情報が 埋め込まれている 画素の位置 適応信号処理（３層 Back Propagation） 埋め込み３：鍵の生成 １．鍵穴ブロックに着目し 対角線のAC係数をBack Propagationの入力とする ２．二値化した透かし情報をBack Propagationの教師信号とする （例：helloのh＞10110101） ３．結合係数を復号鍵とする 鍵穴ブロックA 透かし情報の復元 A B 透かし情報の入って いる画像 ブロックA 1. 復号に必要となる鍵穴ブロックAの位置情報を持つブロックBの位置 を知っているためブロックAを探索可能 2. 鍵穴ブロックAの対角線上のAC系列を入力信号とし結合係数を用 いて出力すると透かし情報得ることが出来る 手法のまとめ：埋め込みと復号に使う情報（鍵） １．埋め込む情報： 鍵穴ブロックの位置情報 ２．透かし情報を復元する際に必要になる情報： 鍵である結合係数と鍵穴ブロックの位置情報が埋め 込まれている座標 実験１：透かし情報の認識率 透かし情報（ビット列）：１０１１０１０１ の復号実験 認識率 認識率 1 0.25 0.8 0.2 0.6 0.15 0.4 0.1 0.2 0.05 0 0 1 2 3 4 5 6 7 8 図1．透かし情報の入っているブ ロックから復号（1byteのデータ） bit 1 2 3 4 5 6 7 8 図2．まったく関係ないブロック から復号（1byteのデータ） bit 実験２：フィルタの耐性評価 透かし情報の入った画像にデジタルフィルタ をかけた後に透かし情報を復号できるか 認識率 図1．フィルタ処理前の画像 1 0.8 0.6 0.4 0.2 0 図2.フィルタ処理後の画像 1 2 3 4 5 6 7 8 1byteのデータを抽出 bit ハイパスフィルター処理後の認識率 手法の特徴と期待される効果 • 特徴 – – • 非線形適応信号処理によるエンコード 入力信号の位置情報の埋め込み 期待される効果 – – – 画像の劣化を抑え、フィルタへの耐性を向上 スペクトラム拡散よりも、冗長性が高まる 少ない埋め込み情報から多くの情報を復号可能 Future Work • 周波数変換処理にウェーブレット変換 • Back Propagationの代わりにSupport Vector Machineの利用 • パッチワーク法との連携により透かし情報 を画像全体へ拡散 • サンプルの増加と解析的な裏づけ • 耐性評価 – ツール：Stirmark、UnZign Appendix:DCTによる周波数変換処理 8x32 ２５６ ２５６ ・・・ 8x32 DCTによる 周波数変換処理 ・ ・ ８ ８ 量子化 Appendix:量子化 a. １１３ ７７ ４０ ２５ a.原画像の一部 ７３ ５９ ４８ ４８ ３４ ３６ ４１ ４９ ２５ ２０ １３ １４ ２４５ １７７ １１２ ４８ －１５６ －８０ －３２ －２７ b. ８４ ６ －１６ ０ ２３ １１６ １０２ ２２ ３０ １６ １１ ３ １２０ ６６ ３８ ２２ （8×8画素） ８２ ４９ ３９ １９ b.DCT計算後 ４０ ３９ ４５ １４ ２５ ４４ ５３ １４ ４８０ １７６ １１０ ４８ c.量子化テーブルで割った後 １６ １１ １０ １６ １２ １２ １４ １９ １４ １３ １６ ２４ １４ １７ ２２ ２９ 量子化テーブル g. －１５６ －８４ －２８ －１９ f. ８４ １３ －１６ ０ ２８ １１９ １１０ ２９ ３０ １６ １１ ３ －１３ －７ －２ －１ e.ハフマン符号から復号 f.逆DCT計算後 －１３ －７ －２ －１ c. ６ １ －１ ０ ２ ７ ５ １ g.復号された画像 d.ハフマン符号化 e. ６ １ －１ ０ ２ ７ ５ １ Appendix 評価項目 比較対象 提案方式 透かし情報の圧縮 ハフマン符号（8bit情報は 圧縮比が固定（8bitの情報を 3bitに圧縮で、埋め込むの 埋め込むのに2画素分16bit に3画素分24bit必要） 必要） 画質と耐性 （画像への影響） LVQ 秘匿性（スクランブル による情報拡散大き さ） スペクトル拡散 情報拡散の大きさ 画像全域にある 8bit 2^8 局所的にある 適応信号システム 8bit (10^m)^8*3 mは桁数
© Copyright 2024 ExpyDoc
