四張影像之實驗數據

我們使用四張大小均為 512×512 的影像進行實驗，觀察我們的方法在不同影像上 的效果。這些影像分別是“Lena”、“Bridge”、“Boat”與“Pepper”，如圖 4.1 所示。

浮水印則是大小為 32×32 的二位元影像“VICL”，如圖 4.2 所示。

(a) Lena (b) Bridge

(c) Boat (d) Pepper

30

圖 4.2：實驗用浮水印

我們採用 8×8 的區塊，並決定嵌入位置為 U 矩陣第一行第四與第五個係數，

適應函數的權重係數 k 我們定為 30。此外，在遺傳演算法的參數設定上，族群 數為 20，終止條件為 5000 代。為了找出最佳的交配率與突變率，我們做了一些 小型實驗，結果如表 4 與表 5 所列。數據顯示出交配率在 100%時，在演化終止 時其最佳個體的合適度為最高。在突變率的設定上，我們希望在每一個個體繁衍 時，都能至少有一個基因突變；因為我們採用的浮水印大小為 32×32，亦即代表 每個染色體有 1024 個門檻值基因，所以我們詴著找出接近 1/1024 的最佳突變 率；由表 5 可以看出萬分之八(0.0008)為較佳突變率。

表 4：三種不同交配率在演化終止時的最佳個體合適度

交配率 終止時最佳合適度

60% 212.595254

80% 212.718133

100% 212.785869

表 5：四種不同突變率在演化終止時的最佳個體合適度

突變率 終止時最佳合適度

0.0002 211.924404

0.0005 212.785869

0.0008 212.872903

0.0010 212.842571

演化終止時最佳個體的 PSNR 與六種攻擊的 BCR 如表 6 所示。由表中可知 不可見性的評估標準(即 PSNR)，與強韌性的評估標準(即 BCR 的總合)，兩者皆

有上升，顯示我們所提的方法在提高強韌性的同時不會造成不可見性的下降，且 在不同的影像上都可運作良好。然而，雖然 PSNR 的提升幅度並不大，但這是因 為權重係數 k 值為 30，因此 BCR 的總合在適應函數中佔較大的比重，演化終止 的結果較偏向高 BCR。

表 6：四張影像演化前後數據比較

影像 數據

Lena Bridge Boat Pepper 第 0 代 ^演化終止 第 0 代 ^演化終止 第 0 代 ^演化終止 第 0 代 ^演化終止 PSNR 47.2146 47.3512 44.8611 44.9767 43.7808 43.9566 40.7637 40.8726

BCR總合 4.7022 5.0498 4.5361 4.8750 4.6377 5.0020 4.3613 4.7197

裁剪

攻擊 0.8799 0.8799 0.8438 0.8447 0.8408 0.8408 0.7998 0.7998 高斯

雜訊

攻擊 0.6885 0.7783 0.6680 0.7578 0.6934 0.7989 0.6699 0.7676 中值

濾波

攻擊 0.5342 0.5938 0.4980 0.5420 0.5117 0.5566 0.4795 0.5078 JPEG

壓縮

攻擊 0.7568 0.8779 0.7480 0.8760 0.7813 0.9189 0.7227 0.8535 銳利化

攻擊 0.8799 0.9570 0.8564 0.9297 0.8535 0.9297 0.7510 0.8525

竄改

攻擊 0.9629 0.9629 0.9219 0.9248 0.9570 0.9570 0.9385 0.9385

除了浮水印之外，四張影像演化終止時最佳個體之偽裝影像列於圖 4.3 中所 示，由表 6 可知，此四張偽裝影像的 PSNR 皆在 40 以上，所以皆有良好的不可 見性。

32

(a) Lena (b) Bridge

(c) Boat (d) Pepper 圖 4.3：四張演化終止時的偽裝影像

我們可以觀察到，對裁剪攻擊與竄改攻擊而言，其 BCR 從演化開始到結束 幾乎沒有變化，由於這兩類攻擊是完全將影像中的特定區域移除或覆蓋，且我們 使用以區塊為基礎的方法，將影像分割為不重疊之小區塊，在遭受此類攻擊後，

特定區域內的影像區塊其資訊將完全移除，其它區域則為完全不變，因此，門檻 值的大小在此類攻擊中無關緊要，BCR 也無法隨演化上升。

其它攻擊的部分，目前網路上最流行的影像多是以 JPEG 技術做壓縮，因 此，不能抵抗 JPEG 壓縮的浮水印技術在應用上將會大大受限。由實驗結果得 知，我們提出的方法在對抵抗 JPEG 壓縮攻擊有良好的效果。而抵抗性最佳的是 銳利化攻擊；高斯雜訊攻擊則普通；唯比較可惜的部分在於對柔焦類攻擊，中值 濾波的抵抗性較差，即便使用遺傳演算法所找出的答案其浮水印的正確率也不盡

理想。

此外，偽裝影像對於不同攻擊後的結果，我們以影像 Lena 為例，並列於圖 4.4 至 4.9 中。

(a) 裁剪攻擊 (b) 擷取之浮水印 圖 4.4：裁剪攻擊與擷取之浮水印

(a) 高斯雜訊攻擊 (b) 擷取之浮水印 圖 4.5：高斯雜訊攻擊與擷取之浮水印

34

(a) 中值濾波攻擊 (b) 擷取之浮水印 圖 4.6：中值濾波與擷取之浮水印

(a) JPEG 壓縮攻擊 (b) 擷取之浮水印 圖 4.7：JPEG 壓縮攻擊與擷取之浮水印

(a) 銳利化攻擊 (b) 擷取之浮水印 圖 4.8：銳利化攻擊與擷取之浮水印

(a) 竄改攻擊 (b) 擷取之浮水印 圖 4.9：竄改攻擊與擷取之浮水印