第五章、 研究成果
5.9 比較結果整理
在5.1 節至 5.8 節的實驗結果，將本文的方法與[1]方法結果進行比較，表格 11 中”Yes”代表能夠偵測得浮水印，”No”表示無法偵測出浮水印，檢測 Lena、
Peppers 及 Goldhill 三張影像是否同時可以抵抗各種影像破壞。由表格 11 可以看 出在JPEG(QF=25)、Median filter(5×5)、multiple watermark(5 watermarks)及 Rotation and scale (rotate = 1.0)之實驗中，本方法能於測試之三張圖形中找到浮水 印，使得浮水印強韌性增加。
Attacks [1] Proposed
JPEG(QF = 30) Yes Yes
JPEG(QF = 25) No Yes
SPIHT(bitrate = 0.3) Yes Yes Median Filter(4×4) Yes Yes Median Filter(5×5) No Yes Pixel shifting(type 1 , 9 pixels) Yes Yes Pixel shifting(type 2 , 9 pixels) Yes Yes Bitplane remove (4 LSBs) Yes Yes Multiple watermark (5 watermarks) No Yes Rotation and scale (rotate = 1.0) No Yes Rotation and scale (rotate = -0.75) Yes Yes Gaussian filter Yes Yes
Sharpening Yes Yes
表格 11、實驗結果比較表
六、結論與展望
本研究以小波轉換理論為基礎，以均勻量化方法將數位浮水印嵌於小波轉換 後 中 頻 係 數 組 成 之 Super Tree 中，並在 decoding 中利用 Super Tree Pair
只有一棵 Tree 被量化的原理反推浮水印。並期許能順利解出已藏在 影像中的版權資訊。
) , ( 2i1 2i
i T T
p′ ′− ′
∆min
min
本文架構於參考論文[1]之上，於文章裡列舉了[1]中可能導致浮水印判斷之 精確度不足之原因(Case 1 及 Case 2)，並提出改善方法。Minimum quantization step 的定義，確保 encoding 量化的區域與 decoding 取浮水印的區域將不會 有不一致的情形發生，同時super tree 的 magnitude 過小時則∆ 當作量化階層。
於decoder 中，Uniform deadzone scalar quantization 幫助浮水印每個位元之取得，
使得取出浮水印的方法獲得改善，浮水印位元正確解出的機會提高。
此外，不同filter bank 對於本浮水印演算法有很大的影響，如何選用適用的 filter bank 將對於解浮水印有正面的幫助。文中討論了兩個 filter bank 選擇之原 則，使浮水印演算法具備強韌性且降低Tei( j)誤差之影響。
最後由實驗結果可以看出，本文提供了一個更強韌的浮水印技術，能有效承 受於頻率域或空間域的各種影像攻擊，達到資訊隱藏之目的，對於數位內容所有 權保護能提供更高的精確度。
未來研究方向：
z 對於各種性質之 Filter bank 進一步實驗：
實驗中測試的 Filter 並不多，只定訂出選擇 Filter bank 之概略原 則，實際上有許多filter 可以進行討論，例如測試 orthogonal filters 、 semi-orthogonal filter、Cohen、Daubenchies 及 Feauveau 的 CDF 雙正交 (biorthogonal)濾波器組合……等等。
同時因為各種不同filter 對於 Super Tree 係數會產生不同影像，本 研究使用的選擇Filter bank 之概略原則並未對 Super Tree 係數有任何處 理，因此未來可以試著對於normalization，以試圖找出 Optimal solution。
z 實際建構一個線上 DRM 系統
數位浮水印儘能證明數位內容之版權，如果欲進一步實現數位內容 保護，仍然得配合一套有效的數位智財權管理機制，並結合密碼學，以 期許完成數位內容版權保護之目的。
參考論文
[1]. S. H. Wang and Y. P. Lin, “Wavelet tree quantization for copyright protection watermarking”, IEEE Trans. On Image Processing, vol. 13, no. 2, pp. 154-165, Feb, 2004.
[2].
http://www.petitcolas.net/fabien/steganography/history.html
[3].http://debut.cis.nctu.edu.tw/Epages/Research/e_stega.htm
[4]. B. W. Lampson “A Nore on the Confinement Problem”, comm. ACM, vol.16, NO.10, October 1973 , 613-615.
[5]. U.S. Department of Defense. Trusted Computer System Evaluation “The Orange Book”. Publication DoD 5200.28-STD. Washington: GPO 1985
[6]. Katzenbeisser, Stefan; Petitcolas, Fabien A.P., “Information hiding techniques for steganography and digital watermarking”, Boston : Artech House, 2000.
[7]. Wu, Min; Liu Bede, “Watermarking for image authentication”, Image Processing, 1998. ICIP98. Proceedings. 1998 International Conference, Volume:2 , 4-7 Oct.
1998, p.437-441 vol.2.
[8]. Kutter, M. ; Petitcolas, F. A. P. , “A fair benchmark for image watermarking systems”, Electronic Image ’99. Security and Watermarking of Multimedia Contens, vol. 3657, Sans Jose, CA, USA, 25~27 January 1999. The International Society for Optical Engineering.
[9]. Voloshynovskiy, S.; Pereira, S.; Pun, T.; Eggers, J.J.; “Attacks on digital watermarks: classification, estimation based attacks, and benchmarks”, Communications Magzine, IEEE, Volme: 39, Issue:8, Aug.2001, p.118-126.
[10]. I. Hontsch, L. J. Karam, and R. J. Safranek, “A perceptually tuned embedded zerotree image coder,” in Proc. IEEE ICIP, vol. 1, 1997, pp. 41-44.
[11]. A. B. Watson, G. Y. Yang, A. Solomon, and J. Villasenor, “Visibility of wavelet quantization noise,” IEEE Trans. Image Processing, vol. 6, pp. 1164-1175, Aug.
1997.
[12]. Yiwei Wang, John F. Doherty and Robert E. Van Dyck, “A Wavelet-Based Watermarking Algorithm for Ownership Verification of Digital Images”, IEEE Transactions on Image Processing, Vol. 11, No. 2, Feb 2002, pp. 77-87.
[13]. 游光堯(1999)，「使用小波轉換的數位浮水印對數位影像資訊所有權確認之 研究」，國立交通大學資訊管理研究所碩士論文。
[14]. 曾立信(2003)，「小波封包轉換的浮水印對數位影像所有權之確認」，國立交 通大學資訊管理研究所碩士論文。
[15]. M.J. Tsai, K.Y. Yu, and Y.Z. Chen (2000), “Joint Wavelet and Spatial
Transformation for Digital Watermarking” IEEE Transactions on Consumer Electronics, Volume: 46 Issue: 1, Feb. 2000., pp. 237.
[16]. M.J. Tsai, K.Y. Yu, and Y.Z. Chen (2000), “Wavelet packet and adaptive spatial transformation of watermark for digital image authentication” Image Processing, 2000. Proceedings. 2000 International Conference, Volume: 1, 2000., pp. 450 -453.Dfs
[17]. I. J. Cox, J. Killian, T. Leighton, and T. Shamoon (1997), “Secure Spread Spectrum Watermarking for Multimedia”, IEEE Trans. Image Process, Vol.6, No.12, 1997, pp.1673-1678.
[18]. R. G. van Schyndel, A. Z. Tirkel and C. F. Osborne (1994), ”A Digital Watermark”, IEEE ICIP94, Vol.2, 1994.
[19]. R. Wolfgang and E. Delp (1996), “A Watermark for Digital Images”, IEEE ICIP96, Vol.3, Sep 1996.
[20]. I. Pitas (1996), “A Method for Signature Casting on Digital Images”, IEEE ICIP96, Vol.3, Sep 1996.
[21]. G. Voyatzis, and I. Pitas (1998), “Chaotic watermarks for embedding in the spatial digital image domain”, IEEE ICIP98, Vol.2, Oct 1998.
[22]. S. Walton (1995), “Image authentication for slippery new age”, Dr. Dobb’s J., pp.18-26 and 82-87, Apr 1995.
[23]. 單維彰 (1999)，「凌波初步」，民 88，台北：全華科技圖書股份有限公司。
[24]. http://www.cgan.com/science/publish/desktop/wavelet.htm
[25]. Peter J. Burt and Edward H. Adelson, "The Laplacian Pyramid as a Compact Image Code," IEEE Transactions on Communication 31, no. 4 (1983) 532-540.
[26]. M. L. Miller, and J. A. Bloom. “Computing the Probability of False Watermark Detection”, in Proceedings of the Third International Workshop on Information Hiding, pp. 146-158, 1999.
[27]. D. Kundur and D. Hazinakos, “Digital watermarking, using multiresolution wavelet decomposition”, in Proc. IEEE ICASSP, vol.5, 1998, pp.2969-2972.
[28]. Yiwei Wang, John F. Doherty and Robert E. Van Dyck, “A Wavelet-Based Watermarking Algorithm for Ownership Verification of Digital Images”, IEEE Transactions on Image Processing, Vol. 11, No. 2, Feb 2002, pp. 77-87.
[29]. Fabien A. P. Petitcolas, Ross J. Anderson, and Markus G. Kuhn “Information Hiding – a Survey”, proceedings of the IEEE, vol. 87, NO. 7 , July 1999.
[30]. S. Carver, N. Memon, B. L. Yeo, and M.M. Yeung, “Resolving rightful ownerships with invisible watermarking techniques : Limitation, attacks, and applications”, IEEE J. Select. Areas Commun., vol.16, pp.573-586, May 1998.
[31]. USC SIPI – The USC-SIPI Image Database [Online]. Available:
http://sipi.suc.edu/services/database/Database.html
[32]. http://www.petitcolas.net/fabien/software/StirMarkBenchmark_4_0_129.zip
附錄(一) Filter Banks
1. JPEG 2000 Filter Bank
H0 H1 G0 G1
0.026748757411 0 0 0.026748757411
-0.01686411844 0.091271763114 -0.091271763114 0.01686411844 -0.07822326653 -0.05754352623 -0.05754352623 -0.07822326653 0.266864118443 -0.59127176311 0.59127176311 -0.266864118443 0.602949018236 1.115087052457 1.115087052457 0.602949018236 0.266864118443 -0.59127176311 0.59127176311 -0.266864118443 -0.07822326653 -0.05754352623 -0.05754352623 -0.07822326653 -0.01686411844 0.091271763114 -0.091271763114 0.01686411844
0.026748757411 0 0 0.026748757411
2. 9-7 Filter
H0 H1 G0 G1
3.782845551e-02 0 0 -3.782845551e-02 -2.384946502e-02 -6.453888263e-02 -6.453888263e-02 -2.384946502e-02 -1.106244044e-01 4.068941761e-02 -4.068941761e-02 1.106244044e-01
3.774028556e-01 4.180922732e-01 4.180922732e-01 3.774028556e-01 8.526986790e-01 -7.884856164e-01 7.884856164e-01 -8.526986790e-01 3.774028556e-01 4.180922732e-01 4.180922732e-01 3.774028556e-01 -1.106244044e-01 4.068941761e-02 -4.068941761e-02 1.106244044e-01 -2.384946502e-02 -6.453888263e-02 -6.453888263e-02 -2.384946502e-02
3.782845551e-02 0 0 -3.782845551e-02
3. Orthogonal Filter
H0 H1 G0 G1
0.034148 -0.819964 0.819964 0.034148 -0.005255 0.126182 0.126182 0.005255 0.546777 0.107602 -0.107602 0.546777 -0.107602 0.546777 0.546777 0.107602 0.126182 0.005255 -0.005255 0.126182 0.819964 0.034148 0.034148 -0.819964
4. Haar Filter
H0 H1 G0 G1
0.7071067811865 0.7071067811865 0.7071067811865 -0.7071067811865 0.7071067811865 -0.7071067811865 0.7071067811865 0.7071067811865
5. 18-10 Filter
H0 H1 G0 G1
9.544158682e-04 0 0 9.544158682e-04
-2.727196297e-06 0 0 -2.727196297e-06 -9.452462998e-03 0 0 -9.452462998e-03 -2.528037294e-03 0 0 -2.528037294e-03
3.083373439e-02 2.885256501e-02 2.885256501e-02 3.083373439e-02 -1.376513483e-02 -8.244478228e-05 8.244478228e-05 -1.376513483e-02 -8.566118833e-02 -1.575264469e-01 -1.575264469e-01 -8.566118833e-02
1.633685406e-01 -7.679048885e-02 7.679048885e-02 1.633685406e-01 6.233596410e-01 7.589077295e-01 7.589077295e-01 6.233596410e-01 6.233596410e-01 -7.589077295e-01 7.589077295e-01 6.233596410e-01 1.633685406e-01 7.679048885e-02 7.679048885e-02 1.633685406e-01 -8.566118833e-02 1.575264469e-01 -1.575264469e-01 -8.566118833e-02 -1.376513483e-02 8.244478228e-05 8.244478228e-05 -1.376513483e-02
3.083373439e-02 -2.885256501e-02 2.885256501e-02 3.083373439e-02 -2.528037294e-03 0 0 -2.528037294e-03 -9.452462998e-03 0 0 -9.452462998e-03 -2.727196297e-06 0 0 -2.727196297e-06
9.544158682e-04 0 0 9.544158682e-04
附錄(二) 著作
[1] 林承龍, “Uniform Wavelet Tree Quantization for Image Watermarking”, 第十六 屆國際資訊管理學術研討會, 輔仁大學, p.167, May 2005.
Uniform Wavelet Tree Quantization for Image Watermarking
林承龍 交通大學資訊管理研究所 [email protected] 摘要：
本研究提出一個使用均勻量化小波樹數(Uniform Wavelet Tree Quantization) 之演算法於數位影像浮水印技術。本方法基於數位影像的小波頻率域，依浮水印 位元數以均勻量化的方式，於的Super Tree 中加入浮水印。浮水印的取出則利用 Super Tree pair(T ,T )中，只有一棵樹被量化過的統計特性，推論並解出浮水 印位元。其中均勻量化(uniform quantizer)、最小量化階層(Minimum Quantization Step)與 Refinement 浮水印判斷程序的設計與使用能幫助在數位浮水印於萃取過 程中，有效地減少浮水印位元誤判的次數。相較於非均勻量化之浮水印演算法 (Non-uniform Quantization) 浮水印之強韌性大幅改進了。實驗結果可以看出此方 法能有效承受於頻率域或空間域的各種影像攻擊，達到資訊隱藏之目的，對於數 位內容所有權保護能提供更高的精確度。
1 2′n− 2′n
關鍵字：數位浮水印、小波轉換、量化、uniform quantization
1. 簡介
1.1 數位智財權與數位浮水印技術
近年來，由於電腦科技發展的日新月異，各類和電腦相關的產品－不管是硬 體方面的週邊設備或是軟體方面的各種軟體－都隨之變得越來越便宜，也越來越 簡單易用。在這樣的一個趨勢之下，電腦網際網路的盛行，使得十分大量的資訊 得以在網路上流通以及傳播。但由於數位資訊實際上只是許多 0 與 1 的組合，人 們可以很輕易的在不失真的情形下將其完全複製。
在如此一個開放的網路環境中，若沒有配合相關的保護機制，那麼任何在網 路上的資料都有可能輕易地被人們在未經正當授權的情形下，任意的複製以及傳 播。也因此便有了所謂「數位著作權管理系統」的出現(DRMS, Digital Rights Management System)。數位著作權管理系統可自動化管理並在開放網路下發佈經 交易的多媒體文件，並且考慮到能夠連結網路環境、協同合作以保護多媒體資料 之智慧財產權的整體服務。
雖然數位影像浮水印技術尚不能解決所有智財權的問題。但大多數的研究者
均同意，它仍然具備強大的潛力吸引著作權所有者，提供可信賴的智財權保護機 制。本研究基於上述之研究動機，希望能夠以小波轉換理論為基礎，利用小波轉 換後的 wavelet tree 係數值之統計特性，於已嵌入浮水印的小波樹中，找出所 嵌入之浮水印位元，並期待能夠將之應用於數位影像著作權利之保護之上。
1.2 小波轉換
小波轉換使用將訊號通過分解濾波器組合(analysis filters)的方式來達到將訊 號為分解為高頻訊號以及低頻訊號的目的。而分解濾波器組合中，又可細分為一 低通濾波器（low pass filter，通常以h0稱之）以及一高通濾波器(high pass filter，
通常以h1稱之)所組成。小波轉換於重建時則使用另外一組合成濾波器組合 (synthesis filters)，而合成濾波器組合中，也同樣是由一組低通濾波器(g0)和一組 高通濾波器(g1)所組成。但是以上這些濾波器組合並不是胡亂選取的，若要讓分 解後的訊號能夠完美地重建(perfect reconstruction)成為原來的訊號，則濾波器組 合必需要符合下列的條件：
h0(-z)g0(-z) + h1(-z)g1(-z) = 0
h0(z)g0(z) + h1(z)g1(z) = 2
我們可以使用一樹狀結構來記錄這些次頻道間的分解關係(如圖一(a))，並且 我們通常會將其組合成類似圖一(b)的影像以便作為展示以及記錄之用。
圖一、小波轉換示意圖 (a).將 host image 進行小波分解，共分解成四個 level，每個 level 包 含了 LL,LH HL 與 HH 四個子頻道。 (b).經(a)分解後，實際上每個子頻道於圖形中相對應之位置。
1.3 文獻探討
1997 年，Cox 等人提出了”Secure spread spectrum watermarking for
multimedia”，將數字序列浮水印加入訊號的 DCT(離散餘旋轉換)展頻通道中，開 啟了以數位浮水印實現資訊隱藏之先河，由於頻率域的嵌入法具有較高強韌性及 安全性，因此接下來學者研究則著重於離散餘旋轉換、傅立業轉換及小波轉換技 術。由Wang 與 Lin 提出的小波轉換非均勻量化技術[1,2]中，顯現了量化 Super
Tree 方法對於高度提升了浮水印隱藏強度，並根據 Super Tree 經量化後統計特性 之差異，將浮水印解出。本文之均勻量化小波樹演算法基於[1,2]的方法，分析了 非均勻量化技術潛在的缺點，並提出能減少浮水印位元誤判之方法，改進浮水印 強度，進而增加浮水印於數位版權保護之可靠性。
2. 小波樹量化與浮水印技術
本文所使用的浮水印技術是基於對小波轉換後的係數做處理，如圖二所示。
在圖二(a)中首先一開始必需要欲處理之原始影像經過小波分解，其係數再經過 encoding 的過程做浮水印之嵌入動作。整個 encoding 的包括了 Super Tree Selection、參考索引(reference index)使的尋找以及均勻量化嵌入浮水印三大步 驟，這個部份將在3.1 節中詳細說明之。比較值得注意的是本論文採用的浮水印，
是一串±1 的數字序列，我們稱它為 PN code[1]。此PN code 可以是由能夠證明版 權的logo、使用者與擁有者之描述或圖形相關資訊，經過一個 one way hash 後得 到的，在encoding 的第三步驟中加入影像中。當所有資訊加入影像後，再以小 波重組使圖形轉換回空間域中，達到浮水印嵌入目的。
圖二、浮水印嵌入、取出流程 (a).加入浮水印。(b).浮水印萃取。
對於一張影像，我們想要驗證其中是否含有特定的版權證明或其他資訊時，
則必需利用浮水印萃取方法來達成。此部份將在3.2 節說明演算法的運作。當浮 水印解出後，必須與原始的PN code 進行比對，才能達到版權驗證的效果，而 Normalized Correlation 可做為此一比對之方法。一旦
ρ
(W,W’)大於一定的 Threshold，那麼就可以證明 W 與 W’是相同的，版權因此而確認。3. 演算法之設計
3.1 浮水印嵌入方法之設計
3.1.1 小波樹與 Super Tree
嵌入浮水印的第一步是將圖形經小波做四層分解，如圖三(a)所示。我們以
嵌入浮水印的第一步是將圖形經小波做四層分解，如圖三(a)所示。我們以