Цифровая стеганография

соответствии со следующей формулой:

, (6.35)

где определяет мощность ЦВЗ w_i, а яркость соответствующего пиксела изображения — .

Извлечение ЦВЗ происходит в отсутствие исходного изображения, а искаженный коэффициент голубого канала оценивается на основе близлежащих коэффициентов. При этом находится разность между принятым коэффициентом и его оценкой, и бит ЦВЗ определяется исходя из ее знака:

(6.36)

А32 (Hsu [42]). В этом алгоритме в качестве ЦВЗ используется бинарное изображение размером вдвое меньше исходного. Оба изображения подвергаются кратномасштабному разложению: контейнер декомпозируется при помощи вейвлет-преобразования (фильтр Добеши-6, два уровня), а ЦВЗ преобразуется при помощи понижающей разрешение функции, описанной в стандарте JBIG (Joint Binary Image Group). Таким образом, к каждому изображению применяется соответствующее ему преобразование. ЦВЗ с уменьшенным разрешением будем называть остаточным. Остаточный ЦВЗ интерполируется (то есть между всеми пикселами вставляются нули) и вычитается из начального ЦВЗ. В результате получается разностный ЦВЗ, энергия которого значительно меньше остаточного.

И разностный и остаточный ЦВЗ встраиваются в вейвлет-образ исходного изображения. При этом внедрение осуществляется только в ВЧ-НЧ и НЧ-ВЧ области. Область НЧ-НЧ не используется, так как значения коэффициентов большие, а значит велик шум изображения, а область ВЧ-ВЧ не используется, так как в ней большую величину имеет шум обработки: коэффициенты в ней малы и будут удалены после сжатия. Для большей робастности внедрение ЦВЗ выполняется «через столбец» в каждую из областей: в одну внедряются четные столбцы, а в другую — нечетные. Перед встраиванием биты ЦВЗ перемешиваются по псевдослучайному закону. Процесс внедрения показан на рис. 6.5. Как видно из рисунка, остаточный ЦВЗ встраивается в более энергетически значимые области изображения, чем разностный. Тем самым достигается согласование между изображением-контейнером и ЦВЗ.

Рис. 6.5. Встраивание остаточного и разностного ЦВЗ

Надо отметить, что этот алгоритм вряд ли является стойким к операциям обработки сигнала: так как вейвлет-преобразование прекрасно концентрирует энергию изображения в НЧ-областях, ВЧ-коэффициенты будут малы. Поэтому они будут удалены алгоритмом сжатия вместе с вложенной информацией. Другим недостатком алгоритма является то, что для декодирования ЦВЗ требуется наличие в декодере исходного изображения.

6.2.3. Встраивание ЦВЗ с использованием векторного квантования

В предыдущем разделе рассматривался случай, когда на вход квантователя подавались скалярные значения, и каждое кодовое слово квантователя представляло собой единичный отсчет выхода источника. Стратегия квантования, которая предусматривает работу с последовательностями или блоками отсчетов называется векторным квантованием. Проблема в этом случае состоит в генерации множества последовательностей, называемой кодовой книгой. Этот процесс проиллюстрирован на рис. 6.6.

Рис. 6.6. Векторное квантование

Алгоритм квантования должен отыскивать ближайший вектор в достаточно большой кодовой книге для заданного вектора источника с ограниченной вычислительной сложностью

А33 (J.Chae, [45]). ЦВЗ в этом алгоритме есть последовательность символов, полученная из логотипа, размер которого в четыре раза меньше размеров контейнера. n коэффициентов вейвлет-преобразования группируются для формирования n- мерного вектора. В частности, при n = 4 создается решетчатая структура D₄. Для внедрения одного коэффициента логотипа осуществляется манипуляция вектора квантованных коэффициентов изображения-контейнера.

Встраивание. Вектор коэффициентов ДВП контейнера v_i модифицируется в соответствии с масштабированным кодовым словом, представляющим w_i

(6.37)

Таким образом, при n = 4 для встраивания одного коэффициента логоизображения необходимо изменить четыре коэффициента контейнера.

Для извлечения информации требуется исходное изображение. Вектор ошибки вычисляется по формуле и затем, для восстановления вложения по кодовой книге ищется ближайшее кодовое слово

(6.38)

Если кодовая книга упорядочена, имеет структуру, то поиск может быть выполнен быстро. В целом, авторы отмечают, что метод внедрения посредством векторного квантования является более гибким по сравнению со скалярным случаем и позволяет лучше контролировать робастность, уровень искажений и качество внедряемого изображения через параметр .

6.3. Стегоалгоритмы, использующие фрактальное преобразование

В алгоритмах данного пункта используются идеи, заимствованные из области кодирования изображений. Тема фрактального сжатия изображения, наверное, самого оригинального алгоритма сжатия, стала популярной в середине 90-х годов. Этому методу выдавались громадные авансы, сообщалось о фантастических достигнутых коэффициентах сжатия (порядка нескольких тысяч). Как выяснилось позднее, значительная часть этих публикаций имела чисто рекламный характер, а эксперименты были поставлены некорректно. Насколько нам известно, лучшие фрактальные кодеры незначительно превосходят по эффективности сжатия алгоритм JPEG и значительно уступают алгоритму JPEG2000. Важным преимуществом фрактального метода сжатия для многих приложений является его резкая асимметричность. Декодер реализуетсяя исключительно просто. Так, сжатый этим методом видеофильм может быть воспроизведен даже на 386DX-40.

Основная идея метода сжатия заключается в поиске последовательности афинных преобразований (поворот, сдвиг, масштабирование), позволяющих аппроксимировать блоки изображения малого размера (ранговые) блоками большего размера (доменами). То есть считается, что изображение самоподобно. Эта последовательность преобразований и передается декодеру. Будучи примененными к любому изображению, эти преобразования дают в результате искомое изображение. Фрактальное кодирование может рассматриваться, как разновидность векторного квантования, причем в качестве кодовой книги выступают различные преобразования.

Мы рассмотрим три стегоалгоритма, использующих фрактальное преобразование. Как нам кажется,