第二階段改良 (Proposed)

第二階段的改良主要針對兩個情況而設計，修正富含高頻的保護影像，其產 生的既定萃取錯誤；以及提高系統對不同型態浮水印的適應力。八張灰階影像中 的狒狒、小橋、稻草與柵欄是帶有大量線條的影像，嵌入不同黑點比例的三浮水 印，NTNU1 的黑點數佔 29.1%、VIP 的是 57.6%黑點與 NTNU2 的 70.9%。

表 4 - 7 Proposed 的 PSNR 值比較

NTNU1 VIP NTNU2

Lena [5] 44.1784 42.4511 39.6390

Proposed 44.4580 42.5885 39.6818

Barbara [5] 42.5737 42.8189 41.8325

Proposed 42.7247 42.9289 41.8733

Jet [5] 42.3902 39.1191 37.9767

Proposed 42.5348 39.1664 38.0098

Baboon [5] 42.4044 39.9824 39.0853

Proposed 42.6230 40.0760 39.1488

Pepper [5] 42.8756 41.1260 39.0617

Proposed 42.9974 41.1697 39.0849

Bridge [5] 42.6275 39.6633 38.2399

Proposed 42.7856 39.7322 38.3045

Straw [5] 35.1415 32.6098 31.7715

Proposed 35.1896 32.6270 31.7780

Fence [5] 44.5458 42.0461 40.4149

Proposed 44.7574 42.1740 40.5048 單位：dB

第二次改良的方法，降低了嵌入加權能量的機會，所以影像品質會較明顯的 提升，如表 4-7 所示，在嵌入白點數多的浮水印，有較多的點數得到修改，所以 在藏入 NTNU1 時會有較優的 PSNR 值；反之在黑點多的 NTNU2 藏入後，影像 品質前後兩法的差異不大。另外在針對稻草圖嵌入 NTNU1 的 PSNR 做分析，因 為母影像本身的高頻特性，所以在嵌入“1”時，差值多為大於嵌入判斷門檻，

故不做任何調整，所以此次修改，稻草圖的 PSNR 提升相當有限。

表 4 - 8 Proposed 的 NC 值比較(NTNU1)

Null Gaussian Avg. 3×3 Avg. 5×5 Lena [5] 1.0000 0.9902 0.9883 0.9063

Proposed 1.0000 0.9883 0.9805 0.8867 Barbara [5] 1.0000 0.9727 0.9512 0.8223 Proposed 1.0000 0.9609 0.9297 0.8047

Jet [5] 1.0000 0.9883 0.9727 0.8848

Proposed 1.0000 0.9844 0.9688 0.8867 Baboon [5] 0.9961 0.9297 0.8887 0.7461 Proposed 1.0000 0.9141 0.8750 0.7539 Pepper [5] 1.0000 0.9941 0.9863 0.8945 Proposed 1.0000 0.9883 0.9766 0.8906 Bridge [5] 0.9922 0.9785 0.9375 0.8027 Proposed 1.0000 0.9727 0.9414 0.7734 Straw [5] 0.9336 0.8516 0.8027 0.6641 Proposed 0.9922 0.8633 0.8008 0.6563 Fence [5] 0.9941 0.9883 0.9609 0.8574 Proposed 1.0000 0.9844 0.9531 0.8477

表 4-8 與 4-9 是驗證浮水印強健性的 NC 值表，在藏入擁有較多“1”資訊的 NTNU1 浮水印，搭配所提出的改良式萃取法；在嵌入的時候犧牲掉的注入能量，

如預期地反映在解回端上，然而表中的狒狒、小橋與柵欄影像的測試結果，在受 竄改破壞前，[5]已經無法完整的解回，雖受攻擊後仍呈現比較拉鋸情況，但是已 經可以看出[5]在處理高頻影像時的缺點，另外在稻草圖更可明顯看出改良的萃取 法，能更適應帶有大量線條的母影像，來萃取出更多正確的資訊。

表 4 - 9 Proposed 的 NC 值比較(NTNU1)

Avg. 7×7 Med. 3×3 Med. 5×5 Med. 7×7 Lena [5] 0.8164 0.9863 0.9102 0.8223

Proposed 0.8008 0.9766 0.8984 0.8047 Barbara [5] 0.7363 0.9160 0.8125 0.7168 Proposed 0.6914 0.9102 0.7930 0.7227

Jet [5] 0.7871 0.9805 0.9102 0.8398

Proposed 0.7852 0.9688 0.9023 0.8242 Baboon [5] 0.6152 0.8633 0.7363 0.6855 Proposed 0.6328 0.8555 0.7383 0.6758 Pepper [5] 0.7773 0.9785 0.9063 0.7910 Proposed 0.7578 0.9766 0.8945 0.7969 Bridge [5] 0.6680 0.9102 0.7676 0.6504 Proposed 0.6719 0.9063 0.7695 0.6602 Straw [5] 0.6035 0.7773 0.6523 0.6016 Proposed 0.6289 0.7617 0.6523 0.6328 Fence [5] 0.7363 0.8340 0.7539 0.7129 Proposed 0.7266 0.8242 0.7188 0.6914

接下來的表 4-10 與 4-11 是實驗當浮水印的黑點比例提高到接近 1:1 白點時，

其兩法的萃取能力比較。未受攻擊前的 NC 值情況，已經可看出[5]開始不適用，

而若受保護影像受到任何竄改之後，即便是小遮罩的高斯濾波、均值濾波或是中 值濾波，[5]的萃取能力明顯地不佳，其中尤以稻草圖的萃取結果最差，幾乎無法 肉眼辨識；然而改良的萃取 NC 則幾乎維持如嵌入白點多的情況般，有著應有的 浮水印強健性。

表 4 - 10 Proposed 的 NC 值比較(VIP)

Null Gaussian Avg. 3×3 Avg. 5×5 Lena [5] 0.9980 0.9043 0.8711 0.8008

Proposed 1.0000 0.9883 0.9609 0.8359 Barbara [5] 1.0000 0.8477 0.8184 0.7305 Proposed 1.0000 0.9531 0.9180 0.7969 Jet [5] 0.9961 0.9160 0.8887 0.7949 Proposed 1.0000 0.9766 0.9492 0.8281 Baboon [5] 1.0000 0.7949 0.7988 0.6895 Proposed 1.0000 0.9258 0.8750 0.7383 Pepper [5] 1.0000 0.9121 0.8770 0.7988 Proposed 1.0000 0.9922 0.9688 0.8594 Bridge [5] 1.0000 0.8574 0.8105 0.6719

Proposed 0.9980 0.9453 0.8984 0.7383 Straw [5] 0.9648 0.7754 0.6934 0.5723 Proposed 0.9883 0.8711 0.8281 0.6563 Fence [5] 0.9961 0.8105 0.7656 0.7188 Proposed 1.0000 0.9688 0.9336 0.8047

表 4 - 11 Proposed 的 NC 值比較(VIP)

Avg. 7×7 Med. 3×3 Med. 5×5 Med. 7×7 Lena [5] 0.6680 0.8867 0.8125 0.6523

Proposed 0.6992 0.9570 0.8516 0.7578 Barbara [5] 0.6875 0.8457 0.7246 0.7012 Proposed 0.6563 0.9023 0.7773 0.6836 Jet [5] 0.6914 0.8848 0.8105 0.6855 Proposed 0.7305 0.9531 0.8633 0.7695 Baboon [5] 0.5664 0.7520 0.6816 0.6172 Proposed 0.6211 0.8438 0.6875 0.6406 Pepper [5] 0.6426 0.8809 0.7598 0.7402 Proposed 0.7227 0.9727 0.8477 0.7578 Bridge [5] 0.5547 0.7988 0.6621 0.6035

Proposed 0.6484 0.8555 0.7148 0.6328 Straw [5] 0.5313 0.6934 0.5684 0.5430 Proposed 0.5938 0.7969 0.6641 0.6016 Fence [5] 0.5918 0.7441 0.6172 0.5840 Proposed 0.6953 0.7734 0.6797 0.5820

當黑點的比例再次提升，實驗使用與 NTNU1 黑白對調的 NTNU2，其浮水印 含有 70.9%黑點的情況去進行。表 4-12 與 4-13 顯示出了[5]萃取的嚴重錯誤浮水 印(NC=0.2910)，其解回的是一張全無資訊影像，原因是過多的嵌入“0”調整塞 滿了[5]的自適應門檻，運算出極低萃取門檻，以致未受攻擊與受到微幅竄改時，

其解回能力可說是全無的；反觀提出的改良式萃取法，可適應不同資料型態的浮 水印，在此兩表格的 NC 情況，也保有著如前面兩種浮水印時的解回能力。

表 4 - 12 Proposed 的 NC 值比較(NTNU2)

Null Gaussian Avg. 3×3 Avg. 5×5 Lena [5] 0.2910 0.2910 0.7168 0.6113

Proposed 1.0000 0.9727 0.9531 0.8359 Barbara [5] 0.2910 0.6777 0.6523 0.5449 Proposed 1.0000 0.9648 0.9297 0.8125

Jet [5] 0.2910 0.7695 0.7285 0.6563

Proposed 1.0000 0.9609 0.9414 0.8047 Baboon [5] 0.2910 0.6738 0.5996 0.6055 Proposed 1.0000 0.9297 0.8945 0.7539 Pepper [5] 0.2910 0.7109 0.6543 0.5566 Proposed 1.0000 0.9883 0.9609 0.8320 Bridge [5] 0.2910 0.7090 0.6367 0.5996 Proposed 1.0000 0.9570 0.9180 0.7695 Straw [5] 0.2910 0.6094 0.5801 0.5332 Proposed 0.9961 0.9141 0.8672 0.7148 Fence [5] 0.2910 0.6094 0.5605 0.5371 Proposed 1.0000 0.9688 0.9219 0.7969

另外在試驗浮水印 NTNU1 與 NTNU2 在不同品質因素時 JPEG 攻擊後的萃取 情況，於表 4-14 與 4-15 所示，雖然在表 4-14 的嵌入白點多浮水印時，會有解回 點數小輸情形，但是兩表交互比對，可看出 Proposed 2.法對兩浮水印的萃取能力 幾乎是相同的，但是[5]就受限於浮水印資料型態的限定。而嵌入四階層小波轉換 後的係數差值，可有效的面對壓縮攻擊，幾乎在 JPEG 壓縮品質因素 30 以上都能 輕易辨識出。

表 4 - 13 Proposed 的 NC 值比較(NTNU2)

Avg. 7×7 Med. 3×3 Med. 5×5 Med. 7×7 Lena [5] 0.5957 0.7227 0.6309 0.6055

Proposed 0.6992 0.9492 0.8555 0.7344 Barbara [5] 0.5488 0.6328 0.5645 0.5605 Proposed 0.7109 0.9063 0.8438 0.7539

Jet [5] 0.6309 0.7266 0.6445 0.6270

Proposed 0.7227 0.9375 0.8320 0.7383 Baboon [5] 0.5039 0.6445 0.5938 0.5410 Proposed 0.6680 0.8398 0.7188 0.6719 Pepper [5] 0.5645 0.6387 0.5723 0.5547 Proposed 0.7188 0.9688 0.8516 0.7422 Bridge [5] 0.4609 0.5898 0.5996 0.4941 Proposed 0.6641 0.8789 0.7461 0.6563 Straw [5] 0.4922 0.5840 0.5078 0.4941 Proposed 0.6523 0.8242 0.7148 0.6367 Fence [5] 0.5371 0.6035 0.5586 0.4668 Proposed 0.7148 0.8086 0.7344 0.6523

第二階段改良(即 Proposed 法)，嵌入端在兩參考小波係數落在不同層的加權 能量捨去，犧牲了少許的抗攻擊能力，受保護影像的品質提升了，萃取端的參考 浮水印資訊解回方式，直接地減少門檻的運算量，從實驗數據可看出其萃取效果 是優良的，且可解決[5]在母影像與浮水印資料型態的限制。

表 4 - 14 Proposed 在各品質 JPEG 攻擊後的 NC 值比較(NTNU1) QF=90 QF=80 QF=70 QF=60 QF=50 Lena [5] 1.0000 1.0000 0.9961 0.9902 0.9902

Proposed 1.0000 1.0000 0.9961 0.9844 0.9844 Barbara [5] 1.0000 0.9980 0.9980 0.9688 0.9551 Proposed 1.0000 1.0000 0.9922 0.9844 0.9688 Jet [5] 1.0000 0.9961 0.9961 0.9805 0.9844 Proposed 1.0000 1.0000 0.9961 0.9961 0.9805 Baboon [5] 0.9941 0.9980 0.9922 0.9785 0.9609 Proposed 1.0000 1.0000 0.9961 0.9883 0.9688 Pepper [5] 1.0000 1.0000 0.9961 0.9961 0.9961 Proposed 1.0000 1.0000 0.9961 0.9922 0.9805

QF=40 QF=30 QF=20 QF10 Lena [5] 0.9512 0.8867 0.8184 0.6367

Proposed 0.9375 0.8789 0.7813 0.6406 Barbara [5] 0.9258 0.8906 0.7891 0.6348 Proposed 0.9258 0.8711 0.7813 0.6445 Jet [5] 0.9570 0.8828 0.8086 0.6094 Proposed 0.9492 0.8750 0.8242 0.6328 Baboon [5] 0.9492 0.9258 0.8457 0.6816 Proposed 0.9531 0.9141 0.8398 0.6875 Pepper [5] 0.9609 0.9160 0.7988 0.6191 Proposed 0.9609 0.9141 0.8047 0.6367

表 4 - 15 Proposed 在各品質 JPEG 攻擊後的 NC 值比較(NTNU2) QF=90 QF=80 QF=70 QF=60 QF=50 Lena [5] 0.2910 0.2910 0.6953 0.6523 0.5801

Proposed 1.0000 1.0000 0.9961 0.9883 0.9844 Barbara [5] 0.2910 0.2910 0.6484 0.6211 0.5586 Proposed 1.0000 1.0000 0.9961 0.9844 0.9688 Jet [5] 0.2910 0.2910 0.2910 0.6582 0.5684 Proposed 1.0000 1.0000 1.0000 0.9805 0.9805 Baboon [5] 0.2910 0.2910 0.5996 0.5313 0.6934 Proposed 1.0000 1.0000 0.9922 0.9883 0.9727 Pepper [5] 0.2910 0.2910 0.6348 0.6133 0.5781 Proposed 1.0000 1.0000 0.9961 0.9883 0.9883

QF=40 QF=30 QF=20 QF10 Lena [5] 0.5703 0.5488 0.5039 0.5156

Proposed 0.9648 0.8984 0.8164 0.6719 Barbara [5] 0.5645 0.6523 0.5957 0.4863 Proposed 0.9727 0.9258 0.8516 0.7383 Jet [5] 0.5625 0.5742 0.5605 0.4414 Proposed 0.9414 0.8906 0.8086 0.6563 Baboon [5] 0.6152 0.5918 0.6094 0.5801 Proposed 0.9727 0.9414 0.8867 0.7500 Pepper [5] 0.5391 0.6914 0.6328 0.5059 Proposed 0.9609 0.9258 0.8438 0.7031