SPIHT壓縮攻擊

SPIHT(Set Partitioning in Hierarchical Trees)是一種以小波轉換為基礎的影像壓縮演 算法，最早於1996 年由 Said 等學者所提出，目前已經成為新一代影像壓縮標準 MPEG-4 與JPEG-2000 之核心技術。

SPIHT 壓縮法是一種無失真的壓縮方法，與其他壓縮方法相較之下，SPIHT 的資料 壓縮與解壓縮的速度相當迅速，且經壓縮過後的影像依然具有相當高的畫質。此外影像 在傳輸時能提供漸近式的影像傳輸(Prograssive Image Transmission)，即影像接收端能夠 快速得到所接收影像之大致內容，可以有效節省影像傳輸的資料量與網路頻寬。

(a) (b)

Lena 原始影像 以SPIHT 對影像壓縮後之結果 Bitrate=0.3，PSNR=34.16，ρ=0.76 圖32 Lena 原始影像與以 SPIHT 對影像進行壓縮攻擊後影像之比較

圖32 為 Lena 影像以「D18-10」之方法嵌入浮水印，再以 SPIHT 壓縮法進行攻擊 之影像前後對照。由實驗結果可知，當影像經SPIHT 壓縮攻擊之後，本論文所提出之動

態能量差異化數位影像浮水印技術，仍然能夠自影像中偵測出浮水印的存在(ρ=0.76)，

故可證明本浮水印技術之強韌性確實具有抵抗SPIHT 壓縮法的能力。

實驗結果：

(a) Lena

Bitrate 0.1 0.2 0.3 0.4 0.5 0.6 0.7 ρ 0.34 0.61 0.76 0.99 1 1 1 Results from

D18-10 PSNR(dB) 30.15 32.80 34.16 34.79 35.33 35.79 35.97 ρ 0.88 0.95 0.96 0.98 1 1 1 Results from

D18-10(M) PSNR(dB) 30.11 32.84 34.28 35.13 35.72 36.14 36.29

ρ 0.41 0.99 1 1 1 1 1

Results from

D9-7 PSNR(dB) 30.06 32.36 33.49 33.94 34.67 35.19 35.57 ρ 0.86 0.93 0.95 0.98 0.99 1 1 Results from

D9-7(M) PSNR(dB) 30.14 32.84 34.24 34.94 35.54 36.00 36.16 ρ 0.23 0.89 0.93 1 1 1 1 Results from

D9-7-F PSNR(dB) 29.96 32.17 33.27 33.70 34.33 34.83 35.17 ρ 0.21 0.41 0.85 0.83 0.85 Results from

[1] PSNR(dB) 33.1 34.3 34.6 35.2 36.7

(b) Goldhill

Bitrate 0.1 0.2 0.3 0.4 0.5 0.6 0.7 ρ 0.38 0.71 0.86 0.93 0.97 1 0.99 Results from

D18-10 PSNR(dB) 27.89 29.64 30.85 31.70 32.40 33.07 33.57 ρ 0.82 0.89 0.93 0.95 0.97 0.99 1 Results from

D18-10(M) PSNR(dB) 27.88 29.67 30.89 31.74 32.47 33.18 33.70

ρ 0.41 0.85 0.99 1 1 1 1 Results from

D9-7 PSNR(dB) 27.82 29.45 30.60 31.38 31.94 32.64 33.18 ρ 0.84 0.93 0.96 0.99 1 1 1 Results from

D9-7(M) PSNR(dB) 27.88 29.68 30.89 31.74 32.46 33.12 33.64 ρ 0.18 0.73 0.88 0.92 0.98 1 1 Results from

D9-7-F PSNR(dB) 27.80 29.43 30.63 31.38 31.98 32.68 33.18 ρ 0.21 0.41 0.85 0.83 0.85 Results from

[1] PSNR(dB) 33.1 34.3 34.6 35.2 36.7

(c) Peppers

Bitrate 0.1 0.2 0.3 0.4 0.5 0.6 0.7 ρ 0.34 0.55 0.82 0.98 0.99 1 1 Results from

D18-10 PSNR(dB) 29.95 32.62 33.77 34.44 34.88 35.20 35.46 ρ 0.87 0.92 0.95 0.98 1 1 1 Results from

D18-10(M) PSNR(dB) 29.94 32.63 33.80 34.59 35.05 35.36 35.61 ρ 0.21 0.99 0.99 1 1 1 1 Results from

D9-7 PSNR(dB) 29.91 32.23 33.14 33.51 34.13 34.54 34.87 ρ 0.86 0.91 0.95 0.98 0.99 1 1 Results from

D9-7(M) PSNR(dB) 29.94 32.63 33.81 34.53 34.99 35.29 35.55 ρ 0.10 0.51 0.92 1 1 1 1 Results from

D9-7-F PSNR(dB) 29.84 32.30 33.29 34.01 34.47 34.79 35.08 ρ 0.21 0.41 0.85 0.83 0.85 Results from

[1] PSNR(dB) 33.1 34.3 34.6 35.2 36.7

表6 以 SPIHT 對影像進行壓縮攻擊後之實驗結果 (a)Lena (b)Goldhill (c)Peppers

由表 6 所列之五組實驗結果與參考文獻 [1]之實驗結果相比較，在三張不同的影像 中，五組實驗結果所測得之浮水印相關係數均高於[1]，當Bitrate為 0.3 時，測得之最低 相關性係數值均在0.76 以上，可以順利偵測出影像內嵌入之浮水印，故可證明本論文之 方法在抵抗SPIHT壓縮攻擊的能力較 [1]為佳。

此外在改進前、後之演算法效能比較方面，當使用18-10 filter 作為小波轉換之濾波 器組(Filter Bank)時，加入影像前置處理的改進後演算法所測得的相關係數值有明顯的提 升，尤其在Bitrate 為 0.1 時最為明顯，未加入影像前置處理之原始演算法所測得的相關 性係數值在0.34 至 0.38 之間，而加入影像前置處理後之相關性係數值則提高到 0.82 以 上，差距值可達到0.44 以上。

當我們使用9-7 filter 作為小波轉換之濾波器組時，當 Bitrate 大於 0.2 時，未加入影 像前置處理的原始演算法所測得的相關係數值較高，但差距甚小，最多僅0.05；當 Bitrate 為0.1 時，加入影像前置處理之方法所測得的相關性係數值反而較高，且差距值在 0.43 以上，故由實驗結果可得知，本論文所提出的影像切割重組之前置處理方法，確實能夠 有效提升浮水印抵抗SPIHT 壓縮攻擊的能力。

至於隨機強制差異化方向之浮水印演算法，與原始的動態能量差異化演算法相較之 下，當 Bitrate 為 0.3 時，前者所測得的相關係數值就逐漸下降，且均低於後者；而當 Bitrate 為 0.1 時，隨機強制差異化方向之方法即無法偵測出浮水印的存在，故可知該方 法在抵抗SPIHT 壓縮攻擊方面之效能，不如原始的動態能量差異化浮水印演算法。