權重分析實驗

本實驗藉由手動的方式，調整浮水印的嵌入權重，並記錄浮水印在每個權重 上的數據並進行觀察。我們將權重範圍設定在 0~1.5 之間，並以 0.1 的單位進行 變化調整。其中，所使用的原始影像為Boat、Lena、Pepper與 Elaine，影像大小 均 為 512×512，如圖 4.2 所示。

(a) Boat (b) Lena

(c) Pepper (d) Elaine 圖 4.2：權重測試的原始影像

進行嵌入測試的浮水印，本實驗選用 Airplane與Cameraman兩張灰階影像，

其影像大小分別為 128×128，如圖 4.3 所示。實驗過程中，用來測試的實驗攻擊，

為高斯濾波器攻擊。至於品質評估函式，會利用PSNR與Q值來進行浮水印的評 估。

Airplane Cameraman

圖 4.3：權重測試的浮水印

在本節實驗中，主要針對兩方面進行探討。一方面，觀察不同的浮水印嵌入 於不同的原始影像中，PSNR與Q值的變化為何。由於我們必須找出能讓PSNR與 Q值達到最高的最佳權重值，若調整出來的權重能同時讓 PSNR與Q值達到最高，

則表示此權重能對浮水印營造出很好的不可視性與強韌性。但此權重只能讓 PSNR達到最高而Q值很低；則表示此權重能讓浮水印只有極佳的不可見性，對 於抵抗影像處理攻擊的強韌性卻很差。

我們希望藉由浮水印嵌入於不同的原始影像，分析所得到的適應值之關聯 性。在此，我們將會利用＊符號，標記手動調整之最佳權重的 PSNR 與 Q。至於，

以 PSO 方法自動求得的最佳權重值，我們會在最接近的權重值上，以＋符號標 記 PSNR 與 Q。藉此讓實驗結果的呈現，更能易於觀察。

首先，我們藉由Boat與Lena兩張原始影像，分別對 Airplane浮水印，進行手 動調整權重的嵌入與取出實驗 ；實驗結果如表 4.3 所示。由表中數據顯示，我們 可以觀察到Boat的PSNR，在權重 0.1 將會達到最高數值，Q值則是在權重 0.6 會 達到最高數值。Lena的實驗數據呈現與Boat相同之情形。然而，此情形反應出 PSNR與Q值所落在的最佳權重並不一致。所以，若要以手動調整權重並同時兼 顧PSNR與Q值的品質，以求得浮水印之最佳適應解，這將會有難度。所以，本 論文才會使用PSO自動來決定之合適權重，希望在浮水印的不可視性與強韌性之 間，求得一個平衡。在此，本論文所使用的PSO，對Boat調出的合適權重為 0.5883，

而Lena的合適權重為 0.6352。至於，接近的權重為 0.6。接著，我們再觀察到在 0.6 權重上的PSNR值，為所有PSNR值中，排列第二高。而Q值則是最高的。由 此證明，本論文使用的PSO，它的合適權重挑選機制，能有效的兼顧浮水印的不 可視性與強韌性。

表 4.3：Airplane調整權重分析(一) 測試圖

調整權重

Boat Lena

PSNR Q PSNR Q

0.1 86.802259＊ 0.825339 64.538580＊ 0.870263 0.2 47.506701 0.851622 44.028344 0.919924 0.3 45.401007 0.896612 38.452756 0.921297 0.4 33.972075 0.858924 31.444852 0.868348 0.5 34.379196 0.935502 35.727024 0.962615 0.6 57.547745＋ 0.956835＊＋ 52.156978＋ 0.973190＊＋

0.7 36.279178 0.949961 33.804861 0.972693 0.8 30.647865 0.947915 29.021824 0.964229 0.9 27.808980 0.938050 26.356004 0.951456 1.0 25.915308 0.923245 24.700480 0.936854 1.1 24.522580 0.910075 23.394140 0.920925 1.2 23.434086 0.897190 22.376618 0.903990 1.3 22.815556 0.884220 21.757730 0.883925 1.4 22.502797 0.871247 21.028720 0.872915 1.5 22.224242 0.859032 20.593835 0.855283

接著，觀察Pepper與 Elaine兩張原始影像，個別對 Airplane浮水印進行手動 調整權重的實驗，實驗結果如表 4.4 所示。由表中數據，我們可以觀察到，Pepper 的PSNR與Q值，分別在權重 0.1 與 0.6 會達到最高。至於，Elaine的PSNR與Q值 最高，分別在權重 0.2 與 0.7 的位置。由此可見，若要兼顧PSNR與Q值，卻藉由 手動調整權重的方式，找尋浮水印之最佳適應解，將會更加困難。所以，本論文 利用PSO來自動決定合適權重。其中， Pepper調出的最佳權重為 0.6777，Elaine 最佳權重為 0.6349。

表 4.4：Airplane調整權重分析(二) 測試圖

調整權重

Pepper Elaine

PSNR Q PSNR Q

0.1 69.449885＊ 0.961843 50.716939 0.840528 0.2 47.693439 0.966706 57.739151＊ 0.930720 0.3 36.877327 0.933260 35.902440 0.911360 0.4 30.856147 0.864815 30.927767 0.852853 0.5 30.280491 0.964008 34.258037 0.969408 0.6 38.806332 0.979311 54.506617＋ 0.984268＋

0.7 41.923130＋ 0.982854＊＋ 35.773012 0.985577＊

0.8 31.988169 0.976819 29.895506 0.975878 0.9 28.037068 0.965462 26.776025 0.962686 1.0 25.673541 0.951824 24.621950 0.946306 1.1 24.019655 0.936824 23.127804 0.925593 1.2 22.861303 0.920857 22.158528 0.906436 1.3 22.126339 0.903421 21.734146 0.892567 1.4 21.444479 0.887728 21.103416 0.880197 1.5 20.826443 0.877462 20.778360 0.866974

再觀察 Boat與Lena兩張原始影像，對另一張浮水印 Cameraman，進行手動 調整權重的嵌入與取出實驗 。如表 4.5 所示。我們可以觀察到，Boat的PSNR與 Q值，分別在權重 0.2 與 0.8 達到最高。至於，Lena則是在權重 0.1 與 0.9。複雜 度一樣提高了許多；至於，利用本論文的PSO，對 Boat調整出的最佳權重為 0.8683，Lena則是 0.8887。在兩者之間，最接近的調整權重是 0.9。我們可以觀 察到，在權重 0.9 上的PSNR，Boat與 Lena可達到並列第三、第四高的數值。Q

值則可以維持在並列第一、第二高的品質。再次證明，本論文能有效的兼顧浮水 印的不可視性於強韌性。

表 4.5：Cameraman調整權重分析(一) 測試圖

調整權重

Boat Lena

PSNR Q PSNR Q

0.1 60.276917 0.866312 68.821523＊ 0.919062 0.2 78.533810＊ 0.927366 47.172258 0.958963 0.3 45.771816 0.920773 45.455810 0.969506 0.4 60.583103 0.963820 42.585099 0.966722 0.5 38.383662 0.934674 34.583008 0.926406 0.6 33.419075 0.892764 31.013209 0.876349 0.7 32.791036 0.964282 33.971731 0.974444 0.8 39.244492 0.983759＊ 42.395670 0.981754 0.9 53.361653＋ 0.983756＋ 43.513864＋ 0.991979＊＋

1.0 37.222105 0.976634 34.884189 0.986830 1.1 32.731539 0.973222 30.905791 0.975146 1.2 29.973343 0.961067 28.433330 0.964430 1.3 28.079804 0.946747 26.508311 0.953116 1.4 26.542100 0.929408 25.187085 0.942183 1.5 25.426541 0.923624 24.144711 0.930584

最後是觀察Pepper與 Elaine兩張原始影像，與 Cameraman浮水印的實驗。如 表 4.6 所示。Pepper的PSNR與Q值最高，分別在權重 0.1 與 0.9。至於，Elaine則 是在權重 0.3 與 0.9。至於使用PSO對 Pepper與 Elaine所搜尋得到的最佳權重，分 別為 0.9245 與 0.8697，最接近的調整權重為 0.9。實驗結果顯示，本論文所調出 的最佳權，一樣能讓浮水印保持一定的水準。

表 4.6：Cameraman調整權重分析(二) 測試圖

調整權重

Pepper Elaine

PSNR Q PSNR Q

0.1 67.208971＊ 0.969451 63.684275 0.926709 0.2 50.707180 0.981413 57.387513 0.964892 0.3 50.124185 0.985048 66.123533＊ 0.982891 0.4 40.135434 0.960572 38.515515 0.952479 0.5 33.536675 0.908091 33.079531 0.899696 0.6 30.459053 0.855983 29.635806 0.936108 0.7 29.252374 0.963011 32.670530 0.974415 0.8 33.227935 0.977957 38.791987 0.991111 0.9 41.072396＋ 0.992875＊＋ 46.631491＋ 0.993858＊＋

1.0 43.908967 0.991808 37.266177 0.989087 1.1 34.965226 0.983682 31.948545 0.982381 1.2 30.796304 0.976750 29.101409 0.974027 1.3 28.355449 0.969114 26.947536 0.963565 1.4 26.524382 0.958708 25.271548 0.951560 1.5 25.138356 0.947317 24.292861 0.933114

藉由上述實驗可得知，利用不同的原始影像嵌入於不同的浮水印，PSNR與 Q值並非落在相同的權重位置。所以，在不同原始影像的考量下，需兼顧PSNR 與Q值的品質；並且要透過手動調整出最佳適應解，其困難度將會大幅的提升。

所以，本論文利用PSO挑選能兼顧PSNR與Q值的合適權重。另一方面，我們還可 以觀察到，藉由本論文的PSO，所求得 Airplane浮水印嵌入於Boat、Lena、Pepper 與 Elaine的最佳權重值，分別為 0.5883、0.6352、0.6777 與 0.6349。Cameraman浮 水印嵌入Boat、Lena、Pepper與 Elaine求得的最佳權重值，分別為 0.8683、0.8887、

0.9245，與 0.8697。經實驗數據顯示，我們可以發現，在同一張浮水印，嵌入於 其他不同的原始影像中；利用本論文所調出的合適權重皆很接近。在此證明，藉 由同一張浮水印與其一原始影像，所調整出來的最佳權重值，也能有效的讓其他 原始影像，達到不錯的效果。再次驗證，本論文設計的PSO，不但能有效的兼顧 浮水印的不可視性與強韌性，也具有很高的便利性與適應能力。