一種基於YCbCr色彩空間之彩色影像浮水印演算法

全文

(1)國立臺灣師範大學應用電子科技學系. 碩士論文. 指導教授：莊謙本博士一種基於 YCbCr 色彩空間之彩色影像浮水印演算法 Color Image Watermarking Algorithm Based On YCbCr Color Space. 研究生：劉政宏撰中華民國一0一年六月.

(2) 一種基於 YCbCr 色彩空間之彩色影像浮水印演算法學生：劉政宏. 指導教授：莊謙本. 國立臺灣師範大學應用電子科技學系碩士班. 摘. 要. 本論文提出一種基於 YCbCr 色彩空間之彩色數位浮水印影像演算法，目的在有效防止浮水印遭受各種攻擊的破壞，並保持浮水印的透明度。為了加強浮水印的強韌度，本研究整合了離散小波轉換、離散餘弦轉換以及雜訊可見函式等技術；同時為了增加浮水印的透明度，將浮水印嵌入中高頻位置，使得浮水印在客觀的數據或主觀的判定上皆有良好的效果。本演算法所加密的浮水印經過壓縮、模糊、銳化、亮度等攻擊，皆仍具有良好的透明度與強韌度，使彩色數位影像的智慧財產權得到更多的保護。. 關鍵字：浮水印、透明度、強韌度、離散小波轉換、雜訊可見函式. i.

(3) Color Image Watermarking Algorithm Based On YCbCr Color Space. Student：Liu, Cheng-Hung. Advisor：Dr. Chuang, Chien-Pen. Institute of Applied Electronics Technology National Taiwan Normal University. ABSTRACT. In this paper, we proposed an algorithm to improve the robustness and transparency for color image watermarking with YCbCr color space. In order to improve the robustness, we integrate Discrete Wavelet Transform (DWT), Discrete Cosine Transform (DCT) and Noise Visibility Function (NVF). Besides, the transparency of watermark was improved by embedding the watermark in the mid-high frequency range. Several watermarked color images with the proposed algorithm were tested against the attacks of compression, blur, sharpen and brightness. The experimental results show that the proposed algorithm of encryption for color image watermark is available for protecting the intellectual property of color image.. Keywords: watermark, transparency, robustness, Discrete Wavelet Transform, Noise Visibility Function. ii.

(4) 誌. 謝. 在此，我要先感謝我的指導教授莊謙本教授，由於他的指導和鼓勵，使我在做論文的時候，有很大的發揮空間，無論遇到任何瓶頸或是挫折，老師總是在旁邊指導我，和我一起討論問題，使問題能夠即時迎刃而解。除此之外，老師還教導我們做人處世的道理，不斷的規正我們一些觀念和偏見，使我對人生的態度有不同的看法，讓我透過對基督的信仰了解了人生的真諦。此外，感謝本篇論文的口試審查委員周明教授、壽大衛教授對於本篇論文給予寶貴的建議與不同的思考方向，讓我的論文更加周全。感謝實驗室裡每天和我一起打拼努力的學長姐及同學冠憲、品淳、佳婕、伯任、昆燁、寰緯、重賢、思羽、家伃、洪賜、俊宏、凱堯、庭育、家訓、令儀、裕智。這兩年的互相學習與支持，讓我的研究能夠如此順利，實在要感謝大家，希望未來的日子裡，大家都可以一帆風順、心想事成。最後，我要將本文獻給最支持我的家人，因為他們，讓我在研究路上，能夠專心的去做我的研究，讓我有足夠的時間和金錢去完成我的夢想。感謝他們，從小對我的用心栽培不斷的協助與鼓勵，使我如今得以順利的完成碩士學位，希望藉由本文來和他們一起分享我的喜悅與成長。. 政宏. 謹誌於. 中華民國一 0 一年六月. iii.

(5) 目. 錄. 中文摘要……………………………………………………………………….…..…..i 英文摘要……………………………………………………………… ………..……ii 誌謝…………………….............................................................................................iii 目錄…………………………………………………………….………………..……iv 表目錄…………………………………………………………….……………..……vi 圖目錄……………..………………………………………….…………………..…vii 第一章. 緒論 ......................................................................................................... 1. 1.1 研究動機與背景 ............................................................................................ 1 1.2 研究目的 ....................................................................................................... 4 1.3 研究流程 ....................................................................................................... 4 1.4 論文架構 ....................................................................................................... 5 第二章. 相關知識及文獻探討 .............................................................................. 6. 2.1 數位浮水印的簡介 ........................................................................................ 6 2.2 數位浮水印的分類 ........................................................................................ 7 2.2.1 顯性浮水印……………………………………………………………...9 2.2.2 隱性浮水印……………………………………………………….……10 2.3 數位浮水印的攻擊 ...................................................................................... 13 2.3.1 幾何攻擊………………………………………………………….……13 2.3.2 非幾何攻擊…………………………………………………………….14 2.4 不同轉換域之相關浮水印演算法..................................................................15 2.5 不同色彩空間之相關浮水印演算法 .......................................................... .16 2.6 研究方法 .................................................................................................... .17 2.6.1 色彩空間轉換…………………………………………………….……18 2.6.2 離散小波轉換…………………………………………………….……20 iv.

(6) 2.6.3 離散餘弦轉換…………………………………………………….……23 2.6.4 渾沌擾亂法………………………………………………….…………..25 第三章. 浮水印演算法設計 ............................................................................... .27. 3.1 色相轉換 .................................................................................................... .28 3.2 估測浮水印嵌入強度 ................................................................................. .28 3.3 浮水印嵌入位置……………………………………………………………31 3.4 打亂浮水印…………………………………………………………………32 3.5 浮水印嵌入演算法…………………………………………….…………….33 3.6 浮水印萃取演算法…………………………………………….…………….37 第四章. 實驗結果與數據分析 ........................................................................... .41. 4.1 浮水印演算法透明度測試 ......................................................................... .44 4.2 浮水印演算法強韌度測試 ......................................................................... .50 第五章參. 結論 ...................................................................................................... .63 考. 文. 獻 .............................................................................................. .64. v.

(7) 表目錄. 表 3-1.  u 的實驗數據……………………………………………………………….35. 表 4-1. 6 張測試圖之 PSNR 值比較表( 單位：db)….…………………………….45. 表 4-2. JPEG 壓縮攻擊的 NC 值與萃取的浮水印…………………………………51. 表 4-3. JPEG2000 壓縮攻擊的 NC 值與萃取的浮水印……………………………53. 表 4-4. 模糊攻擊的 NC 值與萃取的浮水印………………………………….…….54. 表 4-5. 高斯模糊攻擊的 NC 值與萃取的浮水印…………………………….…….55. 表 4-6. 銳化攻擊的 NC 值與萃取的浮水印……………………………….……….56. 表 4.7. 對比攻擊的 NC 值與萃取的浮水印…….………………………………….58. 表 4.8. 亮度攻擊的 NC 值與萃取的浮水印…….………………………………….60. vi.

(8) 圖目錄. 圖 1-1 內政部警政署處理侵害智慧財產權案件統計圖….……………………..…...2 圖 1-2 研究流程圖…..…………………………………………………………..…….5 圖 2.1 資訊隱藏分類………………………………………………………………..…6 圖 2-2. 浮水印嵌入流程示意圖…………………………………………….……..…7. 圖 2-3. 浮水印萃取流程示意………………………………………….……….…….8. 圖 2-4. 數位浮水印的分類…………………………………………..……………….8. 圖 2-5. 可視型浮水印 ……………………………………………….………………9. 圖2-6. 強韌型浮水印示意圖………………………………………….…………….10. 圖 2-7. 易碎型浮水印……………………………………………………….………11. 圖 2-8. 半易碎型浮水印示意圖…………………………………………….………12. 圖 2-9. 自嵌型浮水印……………………………………………………….………13. 圖 2-10 幾何攻擊 …………………………………………………………………..14 圖 2-11 非幾何攻擊 ………………………………………………………………...15 圖 2-12 色彩空間分離………………………………………………………………19 圖 2-13. DWT 水平分割示意圖…………………………………………………….21. 圖 2-14. DWT 垂直分割示意圖…………………………………………………….21. 圖 2-15. 一階離散小波正轉換……………………………………………………...22. 圖 2-16. 二階離散小波正轉換……………………………………………………...23. 圖 2-17. 離散餘弦轉換的區塊分割示意圖………………………………………...24. 圖 2-18. 打亂浮水印範例…………………………………………………………...26. 圖 3-1. 本論文浮水印的嵌入演算法流程圖………………………………….……27. 圖 3-2. 色相轉換圖………………………………………………………………….28 vii.

(9) 圖 3-3. 取出一階小波轉換中的 LL1 頻帶示意圖…………………………………...29. 圖 3-4. JPEG 量化表及浮水印嵌入位置示意圖……………………….…….……..32. 圖 3-5. 打亂浮水印……………………………………………………………….....33. 圖 3-6. Avg 位置示意圖……………………………………………………………35. 圖 3-7. 本論文嵌入演算法之詳細流程圖……………………………………….…36. 圖 3-8. 本論文萃取演算法之詳細流程圖……………………………………….…38. 圖 3-9. 降低雜訊演算法測試結果……………………………………………….…40. 圖 4-1. 透明度測試圖……………………………..……………………………..….43. 圖 4-2. 透明度測試之嵌入的浮水印…………………………………..…………...44. 圖 4-3. Lena 從  係數 1 至 16 的浮水印影像………………………………………48. 圖 4-4. 6 張測試圖片之 PSNR 值折線圖…………………………………………..49. 圖 4-5. 強韌度測試之嵌入的浮水印……………………………………….………50. 圖 4-6. JPEG 攻擊直方比較圖…………………………………….……………….52. 圖 4-7. JPEG2000 攻擊直方比較圖………………………………….……………..53. 圖 4-8. 模糊與銳化攻擊的直方比較圖……………………………….……………56. 圖 4-9. 高斯模糊攻擊的直方比較圖………………………………….……………57. 圖 4-10 對比攻擊的直方比較圖…………………………………………………….62 圖 4-11 亮度攻擊的直方比較圖…………………………………………………….62. viii.

(10) 第一章. 緒論. 1.1 研究背景與動機隨著時代的進步，科技的發達，以及網路的無遠弗屆，使的資料的傳遞越來越方便，諸如影像、音樂、文件等，皆可方便的被下載。而這也表示著，資料內容將面臨到安全上的考量。在現今的年代，許多人喜歡利用網路來分享自己的創作或是使用社群網站，讓自己的作品藉由網路來分享供大家來欣賞。然而，就有一些有心人士，喜歡下載他人作品後，在其作品上竄改作品內容，然後再散播到網路上，使的原創者的作品受到嚴重的安全危機；有鑑於此，如何讓原創者的著作受到保護，將會是一個很重要的課題。一個國家的發展，可由智慧財產權的觀念建立與防範，來做為國家競爭力的指標。雖然，每年政府都有積極的在投入宣導著作權的觀念，但至今仍有許多人會去侵犯他人著作權，如圖 1-1 的統計資料可清楚的發現，內政部警政署查緝侵害智慧財產權的案件每年平均超過 4000 件以上。有此可知，如何發展出一套較具完善的智慧財產權保護技術是相當重要的；而在影像方面，在影像中嵌入浮水印(watermark)，是已經發展多年且較受到大家認同的版權保護方式。. 1.

(11) 商標和著作權 7000 6000. 案件數. 5000 4000 3000 2000 1000 0 2002. 2003. 2004. 2005. 2006. 2007. 2008. 2009. 2010. 2011. 年份. 圖 1-1 內政部警政署處理侵害智慧財產權案件統計圖 (資料來源：[1]). 同時，國內外也已經有許多學者投入相關研究，在美國電子電機工程學會所出版之電子全文資訊系統(IEEE. Xplore. Digital. Library )[2]中，與影像式浮水印. 相關的文獻約有四千多篇。可見浮水印在資訊安全方面，是相當被重視的。隨著網際網路的成熟，近十年在 IEEE 發表的浮水印文章篇數也逐漸增加。因此，如何建構出一套有效且安全的保護資料系統是值得努力的目標。數位浮水印影像主要可分為兩大類：顯性浮水印(visible watermark)及隱性浮水印(invisible watermark)，又稱可視型浮水印及不可視型浮水印。顯性浮水印是可以直接用肉眼觀察出來，不需做任何運算，其主要目的在聲明著作版權，如常見的紙鈔上就印有浮水印，用來辨認偽鈔。或是書本雜誌的封面與內頁，皆印有浮水印，用來防止他人拷貝。但由於顯性浮水印，可以用軟體將商標修改掉，而導致著作權受到侵犯，所以隱性浮水印的研究便更加重要，隱性浮水印不但可以保 2.

(12) 障原創者的智慧財產，亦可讓肉眼無法辨識出，資料加密的機密，可達成保護的作用。浮水印影像是就是將原始影像加入有意義的文字或圖形，但由於數位資訊易遭受到攻擊，所以根據文獻[3][4]說明一個好的浮水印需具備的條件如下： 1.視覺透明度(perceptual transparency) 將浮水印嵌入原始影像後，其浮水印影像無法用肉眼來辨識和原始影像有何不同。當浮水印影像和原始影像愈相似，就代表透明度愈高。 2.嵌入資料量(capacity) 由於嵌入資料量的大小會影響透明度的品質，所以在透明度相同的情況下，若能嵌入資料量越多，則其強健性愈高，因為當受到攻擊時，不易被判斷而分離，本身卻可藉由解密而判讀。 3.安全性(security) 當浮水印嵌入原始影像後，不容易遭受他人輕易的萃取且不容易遭受他人輕易的偵測，除此之外，也無法以公開的演算法來萃取浮水印的正確內容，如此就能保證浮水印的安全性。 4.萃取時是否需要原始影像(recovery of data with or without access to original single) 由於環境的諸多限制，萃取浮水印時很難以原始影像萃取。所以為了增強浮水印的實用性，現今浮水印的發展都朝著萃取時不需要使用到原始影像；本篇論文是朝著此條件來設計。 5.清晰度(sharpness) 當浮水印影像遭受到攻擊時，雖萃取出的浮水印會有些許的失真，但不可影響到判讀浮水印的資料內容，應仍保有高判讀率。 6. 強韌度(robustness) 當浮水印影像遭受到攻擊時，如影像壓縮攻擊，浮水印資訊不會被輕易的破壞，這是所有浮水印品質上重要的因素之一。 3.

(13) 由於浮水印影像的透明度與強韌度有所衝突；為了增強浮水印的強韌度，必須將浮水印嵌入原始影像中的重要位置，然而這意味著影像的透明度將會下降。近年來，雖有學者發表彩色數位浮水印影像的相關研究，但他們在強韌度和透明度之間還是無法得到較平衡的結果。. 1.2 研究目的本論文主要是針對浮水印影像遭受到攻擊時，諸如 JPEG 壓縮、不同濾波器攻擊、影像塗鴉等攻擊時，而發展出一套具有強韌度兼具透明度的演算法，來抵抗浮水印影像遭受攻擊亦能正確的萃取出浮水印資訊。研究的範圍包含色相的轉換、透明度、嵌入的強度、嵌入的位置、安全性等。. 1.3 研究流程本篇論文的研究流程如圖 1-2 所示。首先，先確認研究目標，當研究方向確定之後，開始進行相關文獻的蒐集與探討，再訂出整體的研究架構；接著再依據研究過程中所面臨到的問題，設計出浮水印的嵌入與萃取演算法，並對演算法作細部的規劃；最後撰寫程式並執行模擬來測試演算法的準確性。. 4.

(14) 圖 1-2 研究流程圖. 1.4 論文架構本篇論文的共分為五個章節，第一章是說明研究背景、動機及目的；第二章是介紹數位浮水印的發展及其分類和浮水印的攻擊方式，以及近幾年各國先進所提出的相關文獻；第三章是提出本篇論文的浮水印嵌入與萃取的方式；第四章是實驗結果的呈現與討論；第五章是結論及說明未來要研究的方向。. 5.

(15) 第二章. 相關知識及文獻探討. 2.1 數位浮水印的簡介數位浮水印，乃是指數位影像或影片中加入額外的資訊後，使原始影像在外觀上仍無差別，所加入之額外資訊即為數位浮水印。1999 年 Petitcolas 等學者對於資訊隱藏做了概略的分類[5]。如圖 2.1 所示，在資訊隱藏的分類裡，浮水印屬於版權保護的一種，而浮水印又可分為強韌型浮水印（robust watermark）與易碎型浮水印（fragile watermark）。. 圖 2.1. 資訊隱藏分類. （資料來源：[5]）. 6.

(16) 以下我將用簡單的圖像來說明浮水印影像的嵌入和萃取的基本概念。如圖 2-2 所示，若浮水印是我們的版權資訊，則我們要將浮水印嵌入到原始影像中，然後經過浮水印嵌入演算法後，則輸出金鑰資訊和浮水印影像。但由於每位學者所設計的嵌入演算法不同，所以在金鑰資訊和浮水印影像亦會有不同。如圖 2-3 所示，我們要將所嵌入的版權資訊給萃取，首先將取得浮水印影像和金鑰資訊，這裡的金鑰資訊為嵌入浮水印時所產生出的金鑰資訊，輸入到萃取演算法中，即可萃取出我們的版權資訊。. 浮水印. 浮水印嵌入演算法. 浮水印影像. 原始影像. 金鑰. 圖 2-2. 浮水印嵌入流程示意圖. 7.

(17) 浮水印萃取演算法浮水印浮水印影像. 金鑰圖 2-3. 浮水印萃取流程示意. 2.2 數位浮水印的分類數位浮水印主要可以分為兩大類，一為可視型浮水印(又稱顯性浮水印)；另一為不可視型浮水印(又稱隱性浮水印)，其中不可視型浮水印又依使用者需求的不同又可分為三大類，有強韌型浮水印，其主要是在保護原創者的版權，不可任意被濫用；另一為半易碎型浮水印，其主要是在保護原始影像遭受攻擊時，能夠偵測出被攻擊的部分；最後為自嵌型浮水印，其主要是在保護原始影像遭受攻擊時，能夠自動修復回到近似原始影像。由圖 2-4 所示，可以清楚的了解，整個數位浮水印的分類。. 圖 2-4. 數位浮水印的分類. 8.

(18) 2.2.1 顯性浮水印如圖 2-5 所示，顯性浮水印影像可以經由人類肉眼清楚地辨認出左上角的浮水印（大師師大）。由文獻[6]中指出，顯性浮水印應該需要具有下列的這幾點特性： 1.當嵌入浮水印後，浮水印影像應影響原始影像的品質。 2.浮水印的重要特徵於浮水印影像上應該是明顯可見的。 3.嵌入浮水印的過程中，應該避免產生任何的人造紋理（artifacts）或是不一致性（inconsistence），也就是可能分散或是誤導肉眼去觀察浮水印的圖樣。 4.浮水印被攻擊時應是強韌的，並且是難以被移除的。. 圖 2-5. 可視型浮水印. 9.

(19) 2.2.2 隱性浮水印 1.強韌型浮水印強韌型浮水印，主要是在保護原創者的著作權，所以要能經的起各種攻擊，無論是影像壓縮、高(低)通濾波器、裁切等所產生的破壞，仍可正確的將原本所嵌入的資訊給萃取出來，如圖2-6所示。. 浮水印影像. 原始影像嵌入. 浮水印. 幾何與非幾何攻擊. 萃取. 浮水印. 圖2-6. 強韌型浮水印示意圖 10.

(20) 2.易碎型浮水印易碎型浮水印影像，主要是在保護數位影像的正確性和完整性，當數位影像遭受到竄改時，可藉由以嵌入的浮水印來偵測出其被竄改的部分，來防止非法人士的偽造，如圖 2-6 所示。. (a)易碎型浮水印影像. (b)遭到竄改的影像圖 2-7. (c)偵測遭到竄改部位. 易碎型浮水印. （資料來源：[7]）. 3.半易碎型浮水印半易碎型浮水印，主要和易碎型浮水印的功用相似，皆為保護數位影像的正確性和完整性，但由於易碎型浮水印只能偵測出遭受竄改的部分，對於一些影像壓縮、模糊等攻擊，皆無法辨識出來，所以半易碎型浮水印，主要是針對當數位影像遭受到竄改且影像壓縮等攻擊時，可正確的偵測出其影像受攻擊的部分，如圖 2-7 所示。. 11.

(21) 圖 2-8. 半易碎型浮水印示意圖（資料來源：[7]）. 4.自嵌型浮水印 1999 年 Fridrich 等學者提出一種新型的浮水印類型[8]，他們將原始影像做離散餘弦轉換後的中低頻係數，編碼成固定長度的序列，嵌入空間域中像素最低的第一、二位元，目的是用來恢復原始影像。自嵌型浮水印的主要功能是在保護數位影像的完整性，當數位影像遭受到竄改或是破壞時，自嵌型浮水印，會自動修補還原。如圖 2-9 所示，在圖 2-9（b）中的車牌號碼遭到竄改，以及圖 2-9（f）中背景的大樓遭到竄改。. (a)浮水印影像. (b)竄改影像. (c)偵測竄改. 12. (d)恢復影像.

(22) (e)浮水印影像. (f)竄改影像. 圖 2-9. (g)偵測竄改. (h)恢復影像. 自嵌型浮水印. （資料來源：[9]）. 2.3 數位浮水印的攻擊種類數位浮水印影像攻擊主要可區分為兩大類，幾何攻擊和非幾何攻擊。其中幾何攻擊包含了旋轉，縮放，平移等；非幾何攻擊包含了壓縮、銳化、模糊、塗鴉等攻擊。. 2.3.1 幾何攻擊如圖 2-10 所示，將原始影像旋轉 180 度後，其原本的位置已經改變了，代表著原先嵌入的浮水印位置也改變了，若直接萃取出浮水印，必定會失真，所以在嵌入浮水印時，就要記錄其特徵點，來防止萃取時所遭受到的幾何攻擊。. (b)旋轉 180 度. (a)原始影像圖 2-10 幾何攻擊 13.

(23) 2.3.2 非幾何攻擊 1.JPEG 壓縮攻擊由於科技的進步，現在的影像內容都當相當豐富，在畫質的要求上也越來越精細，但限於網路的頻寬有限，所以在傳輸時都會進行壓縮來提升傳輸時的速度，而最常見的影像壓縮軟體為 JPEG 壓縮，而壓縮過程就會造成影像的失真。. 2.高斯模糊攻擊在日常生活中，我們經常會用影像處理軟體來修圖，使圖片中較細節的部分達到模糊的效果，讓圖片整體看起來比較平滑。於 PhotoImpact、Photoshop 等，皆有高斯模糊的功能。. 3.塗鴉攻擊有些人喜歡將網路上的圖片下載後，自行加工，將圖片的內容用小畫家去塗鴉它，使圖片變的多采多姿。. 4 銳化攻擊將圖片銳化的應用相當廣，由於銳化的原理是將高頻訊號放大，使較細微的部分可以被清楚的看見，如醫學方面，腫瘤的檢測；或拍照時，因手振而導致相片模糊，皆可使用銳化處理來使影像更清晰。. 14.

(24) (a)原始影像. (b)塗鴉攻擊. (c)高斯雜訊攻擊. (d)JPEG 壓縮攻擊. (e)銳化攻擊. (f)高斯模糊攻擊. 圖 2-11 非幾何攻擊. 2.4 不同轉換域之相關浮水印演算法由彙整文獻後，浮水印嵌入技術主要可分為兩類：分別為空間域技術和頻率域技術。在空間域方面，它是可以直接修改影像的像素值，而且修改後不易被肉眼所看見，所以在浮水印發展的初期，浮水印都是嵌入在空間域中 [10][11][12][13][14]。將原始影像空間域裡的最不重要位元(Least significant bits， LSBs)去做嵌入，而優點為運算複雜度低和快速；但其缺點為，若遇到攻擊，如 JPEG 壓縮，濾波器等攻擊時，浮水印資訊易受到破壞，而造成萃取時失真現象。在頻率域方面，它是將原始影像經過離散小波轉換（Discrete Wavelet Transform， DWT）、離散餘弦轉換（Discrete Cosine Transform，DCT）或離散傅立葉轉換（Discrete Fourier Transform，DFT）等。雖然將空間域轉成頻率域的技術相當多，但由於離散小波轉換技術具有優秀的空間頻率局部化特性和多重解析度的表現方式[15]，所以在許多文獻裡皆會使用離散小波轉換技術[16][17]。. 15.

(25) Y. S. Kim 等學者於 1999 年時提出以離散小波轉換(DWT)為基礎的數位浮水印技術[17]。他們提出浮水印必須要嵌入到影像最重要的部分，亦即做完小波轉換後將浮水印嵌入到，係數大的位置。R. M. Zhao 等學者於 2008 年提出使用離散餘弦轉換的浮水印演算法[18]，主要是藉由離散餘弦係數的平均值做為門檻值來嵌入浮水印。雖然改善了浮水印強韌度的不足，但也降低了浮水印的透明度，也因如此，在近幾年陸續有學者提出利用混合轉換域[19][20]，離散小波轉換域和離散餘弦轉換域，結合多重解析度和能量集中的特性，發揮雙方的優點補其不足之處，提升浮水印技術的強韌度與透明度。 2007 年 A. H. Ali 學者結合離散小波轉換與離散餘弦轉換的演算法[19]，使用離散小波轉換將原始影像分解成四個不重疊的多重解析度的子頻帶，再將其中兩個子頻帶 HL1 和 HH1 做二階離散小波轉換，將 HL2 和 HH 2 分割成 4  4 的子區塊做離散餘弦轉換，將黑白浮水印影像的像素值嵌入到中頻頻帶裡，然後先作逆離散餘弦轉換再作兩次逆離散小波轉換，如此一來，浮水印影像即完成了。 G. Gao 學者於 2010 年提出結合離散小波轉換域和離散餘弦轉換域的灰階浮水印技術[20]，首先將原始影像利用離散小波轉換將影像由空間域轉為頻率域，轉換後，原始影像可被分為四個頻帶，分別為 LL1、 LH 1、 HL1 和 HH1，然後將 LL1 獨立出來進行以 8  8 為區塊大小的離散餘弦轉換，在利用 JPEG 量化表來嵌入浮水印，最後將影像分別作逆離散餘弦轉換，在做逆離散小波轉換，即可得到浮水印影像。. 2.5 不同色彩空間之相關浮水印演算法在早期的文獻裡，大部分的浮水印影像皆為灰階影像，但隨著科技的發展，近幾年彩色浮水印影像也越來越蓬勃發展，由灰階影到彩色所面臨的問題就是由單通道變成三通道。以下是我彙整近年來一些學者所研究的文獻。 16.

(26) Fanzhi Kong 等學者於 2010 年所發表，基於 HSI 色彩空間之彩色數位浮水印影像[21]。首先將原始彩色影像(R, G, B)作色彩空間的轉換(H , S ,I)，在將 I 分量獨立出來作離散小波轉換後，在把浮水印嵌入到低頻頻域裡，最後將嵌入後的影像作逆離散小波轉換，在把原始影像的 H, S 分量，及改變後的 I 分量，在作色相轉換回 R, G, B 色彩空間，即為彩色數位浮水印影像。 Xie Bin 學者於 2011 年提出基於色彩空間轉換後作離散於弦轉換之嵌入浮水印演算法 [22]，其浮水印嵌入流程如下： 1. 2. 3. 4. 5. 6.. 將原始彩色影像(R, G, B)作色彩空間的轉換(Y, Cb,Cr) 把 Y 分量獨立出來，然後作離散於弦轉換在將浮水印嵌入到中頻頻帶裡，而的到新的 Y 分量。嵌入演算法如式(2-1) 在將新的 Y 分量作逆離散餘弦轉換將原始影像的 Cb,Cr 分量及新的 Y 分量作色向轉換回 R, G, B 彩色數位浮水印影像. = (. . +. +. +. ). =. +. ，. =1. =. −. ，. =0. …………(2-1). 其中σ 為原始影像之相鄰座標像素平均值；γ 為嵌入後，浮水印影像的像素質；ζ 為浮水印的資訊。. 17.

(27) 2.6 研究方法在本節裡，將會介紹本論文會使用到的轉換技術、和相關影像處理。分別為色彩空間轉換、離散小波轉換、離散餘弦轉換、渾沌擾亂法。. 2.6.1 色彩空間轉換彩色影像可由色彩空間依不同比例組成，其中色彩空間包括 RGB、HSI、 YCbCr、YIQ、HSL 等，但由於環境光線變化對人眼的影響很大，通常會選擇能夠從色彩中分離出亮度和彩度的色彩空間，其中最常見的是 HSI 與 YCbCr 之色彩空間。根據文獻[22]可了解，使用 YCbCr 色彩空間於數位浮水印影像比 HSI 之色彩空間來的理想，因為 YCbCr 色彩空間可改善數位浮水印影像強韌度和維持一定的透明度。根據研究[23]，人眼的光受體分別有兩類：錐狀體(cone)與桿狀體 (rod)。其中每隻眼睛的錐狀體數目大約在 600 萬到 700 萬之間，它們主要位於視網膜的中央並且對色彩很敏感。錐狀體又稱為白晝視覺或亮光視覺，因為它們只有在光線足夠的情況下才有功能。至於桿狀體的數目就比錐狀體多，大約有 7500 萬到 15000 萬個分布在視網膜表面上。簡單來說，桿狀體所接收的訊號便是 Y，而錐狀體所接收的訊號便是 CbCr。如圖 2-12，可以清楚的發現，所有能量皆集中在 Y 分量上。也就是說，將浮水印嵌入在 Y 分量上是比較不容易被發現的。. 18.

(28) (a) Totoro原始影像. (b) Totoro影像Y成分. (c) Totoro 影像 Cb 成分. (d) Totoro 影像 Cr 成分. 圖 2-12 色彩空間分離 (資料來源：[23]). 公式轉換如下所示[24]： RGB 轉 YCbCr Y = 0.2989*R + 0.5866*G + 0.1145*B Cb = (B-Y)*0.5646 + 128. ……………………………………………(2-2). Cr = (R-Y)*0.7132 + 128. 19.

(29) YCbCr 轉 RGB R = Y + 1.4022*(Cr – 128) G = Y – 0.3446*(Cb – 128) – 0.7145*( Cr – 128) ………………………(2-3) B = Y + 1.17710*(Cb – 128). 2.6.2 離散小波轉換本篇論文所使用的是 Haar 函數的離散小波轉換，由於其計算量少，相對而言運算時間也快，基於效率的考量，我們使用 Haar 函數來做小波轉換。 Haar 函數所使用的離散小波轉換使用的方式是將影像的所有像素分別視為各自獨立的數值，並對這些數值做相加、相減的運算，來求得整張影像的頻率。其中相加後的值會越來越大，值越大也就表示該值越重要。利用我們的肉眼來看，這個部份會非常的清楚，所以相加的部份就是低頻的部份。相反地，相減後的值代表著像素與像素之間的差距，當遇到影像中的物體邊緣時，像素間的差值就會很大，當遇到影像中物體平滑的地方時，則像素間的差值就會很小。所以在 Haar 函數離散小波轉換中相減的部份，會明顯的強調出物體的邊緣，物體平滑的部份就相對不明顯了，所以相減的部份就是高頻的部份。 Haar 函數離散小波轉換的運算分成兩個步驟：水平分割，如圖 2-13 與垂直分割，如圖 2-14 所示。水平分割是指讀取係數的順序是依照水平方向由左至右來取資料，同時儲存的順序也是水平方向來儲存；垂直分割是指讀取係數的順序是依照垂直方向由上至下來取資料，同時儲存的順序也是垂直方向來儲存。為了更詳盡地說明其小波轉換的作法，在這裡我們假設影像大小為 M  N ，在計算時，先做水平分割，再做垂直分割，其計算方式如式(2-4)、(2-5)：. 20.

(30) O (i,2  j )  O (i,2  j  1)   , Oh (i, j )   2   N O (i,2  j )  O (i,2  j  1)   水平分割，Oh (i, j  )  , 2 2   N   where 0  i  M , 0  j  .   2  . A. C. B. D. A+B. ………………(2-4). C+D. A-B. L. (a). C-D. H. (b). 圖 2-13. DWT 水平分割示意圖. Oh (2  i, j )  Oh (2  i  1, j )   , Ov (i, j )   2   Oh (2  i, j )  Oh (2  i  1, j )  M  垂直分割， Ov (i  , j )  , 2 2   M   where 0  i  , 0  j  N .   2  . 21. …………(2-5).

(31) O. Q. P. R. O+P. Q+R LL. O-P. L. HL Q-R. H LH (a). HH (b). 圖 2-14. DWT 垂直分割示意圖. 其中 O (i, j ) 表示影像的像素值， Oh (i, j ) 表示 O (i, j ) 做水平切割的結果， Ov (i, j ) 表示 Oh (i, j ) 做垂直切割的結果，其中 Ov (i, j ) 為 O (i, j ) 做小波轉換的結果，然後我們可以從 Ov (i, j ) 對小波一階轉換的四個頻帶作定義，如下所示： LL(i, j )  Ov (i, j ), HL (i, j )  Ov (i, j . N ), 2. LH (i, j )  Ov (i . M , j ), 2. HH (i, j )  Ov (i . M N , j  ), 2 2. where 0  i . …………………………………(2-6). M N ,0 j  . 2 2. 利用上述的演算法我們可以將二維影像做離散小波正轉換成如圖 2-15 的階層式結構，其中包含有 LL1 、 LH 1 、 HL1 和 HH1 共四個小波頻帶，我們再將 LL1 做離散小波正轉換，如圖 2-16 所示，可以將 LL1 繼續分解成 LL2 、 LH 2 、 HL2 和 HH 2 共四個小波頻帶，以此類推。在本篇論文中，我們只對原始影像做一階離散小波正轉換。. 22.

(32) LL1. HL1. LH1. HH1. 圖 2-15. LL2. 一階離散小波正轉換. HL2. HL1 LH2. HH2. LH1 圖 2-16. HH1. 二階離散小波正轉換. 2.6.3 離散餘弦轉換離散餘弦轉換主要是將空間域轉換成頻率域，其目地是因為浮水印的嵌入可依影像在頻率域的能量大小來選擇浮水印入的位置。由於離散餘弦轉換被廣泛的使用於浮水印中，本篇論文也採用離散餘弦轉換來做嵌入浮水印的依據，故以下為離散餘弦轉換之詳細做法： 1.將影像像素值都減掉 128，使得原本的像素值範圍從[0, 255]變成[-128, 127]。 2.將影像做區塊切割，以便於後面做轉換處理，這是由於整塊影像做離散餘弦轉換耗時過大，相較之下預先做區塊分割的餘弦轉換可以得到較佳的轉換速度。 3.將切割之後的區塊代入離散餘弦的正轉換公式中，如式（2-7）所示。 23.

(33) W. N. N. W. 圖 2-24. D (i, j ) . 離散餘弦轉換的區塊分割示意圖. N 1 1 C (i )C ( j ) 2N x0. N 1. . f ( x, y ) cos[. y 0. (2 x  1)i  pi (2 y  1) j  pi ] cos[ ] 2N 2N. ………(2-7). 其中公式中參數所分別代表的意義為： 1. ( x, y ) 是指空間域像素的位置； (i, j ) 是指頻率域的係數位置。 2. f ( x, y ) 為完成步驟一之後的空間域像素值，像素值範圍在-128~127。 3. D (i, j ) 為在 (i, j ) 位置上的係數值。 4.N 表示為做離散餘弦轉換的區塊長寬，這裡為整張影像切割成的區塊大小是 N 乘上 N 的大小，如圖 2-24 所示。 5. C (i ) 的值在 i 為 0 時為. 1 2. ，否則皆為 1； C ( j ) 的值在 j 為 0 時為. 1 2. ，否. 則皆為 1。. 此時，已經完成離散正餘弦轉換。而浮水印之嵌入就可依據能量大小，去做嵌入。嵌入完後，我們要將影像還原，所以要做離散餘弦反轉換，其反轉換 24.

(34) 公式如式(2-11)所示，再將轉換後的像素值加上 128，即完成離散餘弦反轉換。. f ( x, y ) . 1 2N. N 1 N 1.   C (i)C ( j )D(i, j) cos[ i 0. j 0. (2 x  1)i  pi (2 y  1) j  pi ] cos[ ] 2N 2N. ………(2-11). 2.6.4 渾沌擾亂法強韌型數位浮水印裡，除了強調浮水印的強韌度之外，其安全性也是重點之一，所以在嵌入浮水印時，我們會將浮水印先打亂，使浮水印的內容無法直接用肉眼辨識，使浮水印資料嵌入更有保障。由於打亂的方法有很多種，本論文是使用 G. Voyatis 和 I. Pitas 學者所提出的渾沌擾亂法（toral automorphism）[25]。使用此演算法是因為其演算複雜度低且運算量少，所以在嵌入時不會造成時間上的負擔。渾沌擾亂法的演算法如下：.  xt 1  x     A  t  mod N  …………………….(2-13)  yt 1   yt . 其中式（3-6）的 xt 、 yt 是原始影像的座標位置； xt 1 、 y t 1 是原始影像的座標經過一次的矩陣運算後的座標位置，然後矩陣 A 是參與運算的矩陣，原始影像的大小是 N  N 。其中矩陣 A 可以是這 5 種型式：.  k 1 k   1  1. 1. A  . k 1 k    k  2 k  1. 3. A  .  k 1 k   1  k. 2. A  . 1 1    k k  1. 4. A   25.

(35) 1 k   。 1 k  1  . 5. A  . 渾沌擾亂法是有週期性的，其週期性與 k 、 N 值和矩陣的型態有關。以下為使用渾沌擾亂法的範例，其中影像大小為 78*78、矩陣、k 值和 N 值如下，如圖 2-25 所示：. 1 1   ; A    k k  1. k=3;. ；N=78. (a)原始浮水印. (b)迭代 5 次. (c)迭代 10 次. (e)迭代 20 次. (f)迭代 25 次. (g)迭代 30 次. (i)迭代 40 次. (j)迭代 41 次. (k)迭代 42 次. 圖 2-25. 打亂浮水印範例. 26. (d)迭代 15 次. (h)迭代 35 次.

(36) 第三章. 浮水印演算法設計. 本論文所提出的浮水印嵌入演算法主要可以分成五個步驟：第一步，利用色相轉換將原本彩色影像中的色度和亮度獨立出來，目的是為了將浮水印嵌入到能量較集中的區域；第二步，於離散小波轉換域中使用雜訊可見函式估測浮水印嵌入強度；第三步，於離散餘弦轉換域中根據 JPEG 量化表選擇浮水印嵌入位置；第四步，使用渾沌擾亂法來打亂浮水印讓浮水印嵌入後更加安全；第五步，利用第二步所求出的浮水印嵌入強度，來將浮水印嵌入至原始影像的頻率域係數中。 Digital Color Image Input. Transfer Color Space. Discrete Wavelet Transform. Estimate Watermark Embedding Strength. Discrete Cosine Transform. Choose Watermark Embedding position. Scramble the Watermark. Embedding Watermark. Digital Color Image Containing Watermark. 圖 3-1. 本論文浮水印的嵌入演算法流程圖. 27.

(37) 3.1 色相轉換首先在做浮水印嵌入之前，要先將彩色影像的亮度和色度分量，個別獨立出來。根據研究，人眼對亮度的感知度比色度要敏感，所以本論文會將浮水印嵌入於亮度中，來增強其強韌度。在眾多的色相空間裡，本論文所選擇的是將原始彩色影像(R.G.B)轉成(Y.Cb.Cr)，其中 Y 即為亮度代表，故需將 Y 獨立出來，如圖 3-2 所示：. (a)原始彩色影像. 圖 3-2. (b)將亮度(Y)獨立出來. 色相轉換圖. 3.2 估測浮水印嵌入強度首先，我們將轉換後的影像(灰階影像)做一階的離散小波轉換，如圖 3-3 所示，並且將 LL1 頻帶獨立出來，主要是因為後續的計算皆是在 LL1 頻帶上進行。. 28.

(38) LL1. 圖 3-3. 取出一階小波轉換中的 LL1 頻帶示意圖. 為了估測浮水印嵌入強度，在此我們假設浮水印對原始影像被視為雜訊，則可以引入雜訊可見函式（Noise Visibility Function，NVF）[26]，來估測浮水印的嵌入強度，其計算公式為：. NVF (i, j ) . 1 1   x2 (i, j ). …………………(3-1). 在這裡  x2 (i, j ) 代表的是使用以座標 (i, j ) 為中心的方框（window），所得到的局部變異數（local variance），其計算公式為：. 1  (i , j )  (2 L  1) 2 2 x. L. L.  . ( x(i  k , j  l )  x (i, j )) 2. …………(3-2). k  L l  L. 在這裡用來計算局部變異數的方框尺寸為 (2 L  1)  (2 L  1) ，本論文中取 L 的值為 2，故在此實際參與運算的方框尺寸為 5 5 ；其中 x (i, j ) 代表以方框尺寸為範圍，中心點是座標 (i, j ) ，所加總平均得到的局部平均值（local mean），其計算公式為：. x (i , j ) . 1 (2 L  1) 2. L. L.  . k  L l  L. 29. x (i  k , j  l ). ………………(3-3).

(39) NVF (i, j ) 所要表示的是在 LL1 頻帶中係數 (i, j ) 的局部紋理的變化， NVF 的範. 圍在[0, 1]之間，若局部的紋理極為平坦，則 NVF 趨於 1，反之則趨近於 0。由於人眼對於影像的平坦區域較為敏感，稍有變動則容易被人眼察覺，然而紋理區域則可以容許較多的改變，而不會被人眼察覺，所以我們可以藉由式（3-4）來估測座標 (i, j ) 能夠嵌入的浮水印強度：.  (i, j )  (1  NVF (i, j ))  S f  NVF (i, j )  S m. ………………(3-4). 在這裡 S f 為紋理權重係數， S m 為平坦權重係數；本論文中取 S f 的值為 5，S m 的值為 1，通常 S f 的值會大於 S m 的值。由於在極為平坦的局部區域中， NVF (i, j ) 的值會趨於 1，反之則 NVF (i, j ) 的值會趨於 0；故當 (i, j ) 的值愈大，則表示於座標 (i, j ) 的局部紋理程度愈高，浮水印嵌入強度可以提高，反之則表示局部紋理程度低，浮水印嵌入強度應該降低，防止嵌入浮水印的影像，被人眼察覺出變化。此時我們可以得到在 LL1 頻帶中每個係數的 值。由於我們在嵌入浮水印時浮水印強度不是以單一像素點來做嵌入依據，而是以 8  8 像素大小的區塊來做嵌入依據，然而式(3-4)是用來估測單一像素點座標 (i, j ) 能夠嵌入的浮水印強度，故我們必須再去計算區塊能夠嵌入的浮水印強度，. 假設 LL1 頻帶的大小為 N  N ，以 8  8 像素大小為區塊，則可以切割成. NN 個子 64. 區塊，其中第 z 個子區塊的浮水印區塊嵌入強度可以表示為  (z )，其計算公式為：.  (z ) =. ∑. ∑.  ( z ,i , j ). (for z=1,2,3…. NN ) 64. ………(3-5). 其中 ( z , i , j ) 代表在第 z 個子區塊中座標 (i, j ) 的浮水印嵌入強度值。. 30.

(40) 3.3 浮水印嵌入位置根據文獻[22][27]，以往學者將浮水印嵌入於頻率域裡的中頻或中低頻位置，主要是因為於低頻位置的能量值較小，所以在影像遭受攻擊時，浮水印不易受到破壞，但缺點是浮水印影像的透明度不佳；反之，將浮水印嵌入到高頻時，若浮水印影像遭受攻擊後，則萃取出的浮水印的明確性會不佳。基於頻率域裡的能量值不同，所以以往學者會經由實驗來證明將浮水印嵌入到中低頻區域，使強韌度和透明度是較理想。但由於本論在做離散小波轉換後，會估測浮水印嵌入的強度，而使浮水印於高頻時亦有一定的強韌度。所以本論文在嵌入浮水印位置和以往學者有所不同，本論文將浮水印嵌入於頻率域中高頻位置，經由實驗結果得知，浮水印影像不但具有一定的透明度而且受攻擊時，浮水印也具有一定的強韌度。以下為本論文之浮水印嵌入位置說明：首先對離散小波轉換的 LL1 頻帶執行以 8  8 像素大小為區塊的局部離散餘弦轉換，其中每組 8  8 的頻率域區塊我們將嵌入 6 個浮水印像素點。在此我們引入 JPEG 量化表來決定浮水印的嵌入位置，如圖 3-4 所示，我們從 JPEG 量化表可以觀察出，量化表左上角(低頻區)的數值相較於右下角(高頻區)的數值是較小的，並且整個量化表呈現愈往右下角則數值愈大的趨勢。如圖 3-4 所示，其中 Ju（X,Y）表示在 JPEG 量化表中，橫坐標為 X，縱座標為 Y 的量化係數。依據量化表裡，我們選擇 6 個位於中高頻的位置做嵌入，其這 6 個位置依次分為：第 1 個：J1（3,3）。第 2 個：J2（5,3）。第 3 個：J3（3,5）。第 4 個：J4（5,5）。第 5 個：J5（3,7）。第 6 個：J6（5,7）。 31.

(41) X. 1. 2. 3. 4. 5. 6. 7. 8. 1. 16. 11. 10. 16. 24. 40. 51. 61. 2. 12. 12. 14. 19. 26. 58. 60. 55. 3. 14. 13. 16. 24. 40. 57. 69. 56. 4. 14. 17. 22. 29. 51. 87. 80. 62. 5. 18. 22. 37. 56. 68 109 103 77. 6. 24. 35. 55. 64. 81 104 113 92. 7. 49. 64. 78. 87 103 121 120 101. 8. 72. 92. 95. 98 112 100 103 99. Y. 圖 3-4 JPEG 量化表及浮水印嵌入位置示意圖. 3.4 打亂浮水印由於強韌型數位影像浮水印，除了浮水印的強韌度之外，安全性亦非常重要，所以我們在嵌入時會將浮水印做打亂的動作，其原理和規則於 2.6.4 節有說明。本論文所使用的是 G. Voyatis 和 I. Pitas 學者所提出的渾沌擾亂法（toral automorphism）[25]，但由於此學者所提出的演算法裡，矩陣有 5 種型態，而本論文所選用的矩陣型態及 k 值如下；其中浮水印影像大小(N=78)為 78*78，將其參數代入式(2-13)，圖 3-5 為本論文打亂浮水印後所嵌入之結果圖。. k 1 k   A    k  2 k  1. k 2 32.

(42) (a)浮水印影像. (e)迭代 14 次. (b)迭代 3 次. (f)迭代 19 次. (c)迭代 7 次. (d)迭代 11 次. (g)迭代 23 次. (h)迭代 27 次. (i)迭代 28 次. 圖 3-5 打亂浮水印. 33.

(43) 3.5 浮水印嵌入演算法本節應用前面所介紹的估測浮水印嵌入強度的值，做為演算法中的參數，來嵌入到頻率域中。演算法如下所示：. W=255. If P(. , ). = Avg +. ( )×. Else P(. Where. , ). = Avg −. Avg =. ( )×. ………………………………(3-6). 其中 W 所代表的意義是浮水印的像素值，若浮水印像素值為白色，則 W 值為 255；若浮水印像素值為黑色，則 W 值為 0。P( , ) 代表的是在離散餘弦轉換頻率域中的第 z 個子區塊的第 u 個位置嵌入浮水印後的像素值。Avg 代表的是在離散餘弦轉換頻率域中之. ( , ) 相鄰座標位置(上、下、左、右)的像素平均值，如圖. 3-6. 所示。  u 為一權重因子，其為經由實驗估測而得，詳細數值如表 3-1 所示，從表中可以觀察出  u 的值與 u 值成正比，這是由於在第 3.3 節中，我們在 JPEG 量化表中所選擇的 6 個浮水印嵌入位置之相鄰位置像素值的量化係數，其中第 1 個量化係數約在 20 左右；第 2 個和第 3 個的量化係數約在 40 左右；第 4 個和第 5 個的量化係數約在 70 左右；第 6 個的量化係數約在 100 左右。故當平均量化係數值較小時，  u 權重因子選擇較小值；當平均量化係數值較大時，  u 權重因子選 34.

(44) 擇較大值。  為適應性調整因子，讓使用者隨著需求作調整，當  係數愈小時，則強韌度愈佳，而相對的透明度就越弱，由於強韌度和透明度是相對的，所以要看使用者的需求來調整  係數。圖 3-7 為本篇論文嵌入演算法之詳細流程圖。. P1 P4. ( , ). P2. P3. 圖 3-6. 表 3-1. Avg 位置示意圖.  u 的實驗數據. u. 1. 2. 3. 4. 5. 6. u. 2. 4. 4. 7. 7. 10. 35.

(45) Digital color image input Watermark. Toral Automorphism. Key R.G.B to YCbCr. Image Authentication Center. DWT. LL. Color space transfer of Y component. Noise Visibility Function. (z). DCT. Quantization Table ( , ). Inverse Discrete Wavelet Transform. Inverse Discrete Cosine Transform. YCbCr to R.G.B. Digital color image containing watermark. 圖 3-7. 本論文嵌入演算法之詳細流程圖. 36.

(46) 3.6 浮水印萃取演算法由圖 3-8 所示。首先，從彩色浮水印影像做色相轉換，然後將亮度分量(Y) 影像獨立出來，再做離散小波轉換後接著做離散餘弦轉換，此時就可以來做萃取的動作，萃取演算法如下所示：. If. (P(. , ) >. Avg ). W=255. Else W=0. Where. Avg =. ………………………………(3-7). 其中， P( , ) 代表的是在離散餘弦轉換頻率域中第 z 個子區塊的第 u 個位置的值。Avg 代表的是在離散餘弦轉換頻率域中P( , ) 位置之相鄰座標位置(上、下、左、右) 的像素平均值。若P( , ) 大於Avg 萃取出的浮水印為黑色。. 37. ，則萃取出的浮水印為白色；反之，.

(47) Digital color image containing. Image Authentication center. RGB to YCbCr Key. Forward Discrete Wavelet Transform. Color space transfer of Y component. Forward Discrete Cosine Transform Extract. Noise reduction. Watermark. 圖 3-8. 本論文萃取演算法之流程圖. 38.

(48) 當浮水印影像經過萃取演算法，萃取出之浮水印內容為呈現雜訊般的圖案，主要是因為當初我們在嵌入時，為了增加浮水印的安全性，所以將浮水印打亂再做嵌入，此時我們要從影像驗證中心得到金鑰，其中金鑰為剩餘需做的迭代次數，將浮水印做金鑰次數的式（2-13）運算，即可得到有意義的浮水印資訊。然而，浮水印影像可能在傳輸的過程中，遭受到攻擊而造成萃取出來的浮水印並不完整進而影響辨識，故本論文提出一種影像處理的演算法來降低雜訊，亦提高浮水印的辨識度，以下為降低雜訊演算法：. If.  W [ i ][ j  1 ]  0,  W [ i ][ j  1 ]  0,    W [ i  1 ][ j ]  0,  W [ i  1 ][ j ]  0.. Else if.  W [ i ][ j  1 ]  255,   W [ i ][ j  1 ]  255,      ，then W [ i ][ j ]  255. W [ i  1 ][ j ]  255 ,    W [ i  1 ][ j ]  255. .      . ，then W [ i ][ j ]  0.. ………………(3-8). 其中，W [ i ][ j ] 代表的是浮水印於座標 (i, j ) 的像素值。此演算法降低雜訊的方法為，當座標 (i, j ) 的四個方向(上、下、左、右)都被同樣的像素值包圍住時，我們可以推測此時座標 (i, j ) 應該也是相同的像素值。由實驗結果可以得到此演算法可以有效地降低浮水印的雜訊，如圖 3-9 所示，我們把浮水印影像經由不同的 JPEG 壓縮品質後，然後將萃取而出的浮水印與經過降低雜訊演算法處理的浮水印做比較，來驗證此演算法可以改善浮水印的辨識度。. 39.

(49) 壓縮品質. 未降噪. 已降噪. (QF) 35%. 50%. 65%. 80%. 圖 3-9. 降低雜訊演算法測試結果. 40.

(50) 第四章. 實驗結果與數據分析. 本章呈現本論文所提出之浮水印演算法的實驗結果，並對此實驗數據加以分析和比較。基於浮水印嵌入原始影像後，會使原始影像產生雜訊，而雜訊對肉眼的影響程度是可以依據客觀的數值來說明。所以本論文將使用峰值訊噪比（Peak Signal-to-Noise，PSNR）來做為影像透明度的評估標準。由於萃取出的浮水印可能遭受到攻擊，使得浮水印的內容被破壞，而導致肉眼無法辨識。本論文將使用 NC(Normalized Correlation )值來做為強韌度的評估標準。 PSNR 的數學式定義如下：. 2 E max  X H  XW PSNR  10 log10 ………………(4-1) [ X ( x, y)  X ' ( x, y)]2. 其中 X H 及 X W 為影像的高及寬， X ( x, y ) 為原始影像座標中 ( x, y ) 的像素值， X ' ( x, y ) 為嵌入浮水印之後的影像中座標 ( x, y ) 的像素值，而 Emax 為影像中所有像素. 值的最大值。通常 PSNR 值越高表示品質越好，代表浮水印影像品質越佳。一般而言，當 PSNR>30db 時，肉眼是無法辨識兩張影像差異的。. 41.

(51) NC 的數學式定義如下：. NC=. ( , ) ∙. ( , ). [ ( , ) ]. ………………………(4-2). 其中 ( , )為原始浮水印在座標(x,y)的像素值， w ( , )為萃取出來的浮水印在座標(x,y)的像素值。本實驗透明度測試所使用的測試影像為 USC-SIPI 影像資料庫所提供的 6 張影像樣本[28]，如圖 4-1 所示。影像格式為 24 位元的彩色點陣圖（Bit Mapped Picture， BMP），每一像素點以 24 bits 來表示，此格式沒有對影像進行壓縮，因此可以將影像中的內容完整儲存，影像尺寸為 512 512 像素。模擬平台為 Intel Pentium Dual-Core 2.72GHz，2GB 記憶體，Windows XP 作業系統，使用影像處理軟體 PhotoImpact 12 來作模擬。. 42.

(52) Lake. Airplane. Lena. Mandrill. Peppers. 圖 4-1. Splash. 透明度測試圖(由 USC-SIPI 影像資料庫所提供[28]). 43.

(53) 4.1 浮水印演算法透明度測試. 本節將對我們提出的嵌入演算法做透明度的測試，嵌入的浮水印大小為 78×78 像素，影像格式為 8 位元的黑白點陣圖，如圖 4-2 所示，其中在執行嵌入演算法之前，浮水印必須先使用渾沌擾亂法將浮水印的順序打散再作嵌入，來提高安全性。利用色彩空間轉換、雜訊可見函式、離散小波轉換、離散餘弦轉換和 JPEG 量化表，將浮水印分別嵌入至測試影像中，並討論透明度的表現成效。. (a)原始浮水印. (b)打亂後浮水印. 圖 4-2 透明度測試之嵌入的浮水印. 於透明度實驗中，我們分別對 6 張測試圖片做適應性調整因子(  )，從係數 1 至 16，做 PSNR 值的測試，其結果如表 4-1 所示，從表中我們可以發現當  係數愈大時，則 PSNR 值表現愈佳。適應性調整因子(  )的用意在，讓使用可以調整浮水印影像的透明度，可依使用者的需求來做決定。. 44.

(54) 表 4-1. 6 張測試圖之 PSNR 值比較表（單位：db）. β. Lena. Mandrill. Lake. Peppers. Airplane. Splash. 1. 28.29. 26.42. 25.86. 27.50. 26.99. 28.39. 2. 32.99. 30.29. 28.83. 32.80. 30.23. 34.32. 3. 34.77. 31.29. 29.73. 34.64. 31.27. 36.71. 4. 35.61. 31.73. 30.06. 35.63. 31.71. 37.94. 5. 36.06. 31.93. 30.23. 36.15. 31.95. 38.69. 6. 36.33. 32.10. 30.35. 36.45. 32.09. 39.15. 7. 36.51. 32.17. 30.40. 36.61. 32.18. 39.44. 8. 36.62. 32.21. 30.46. 36.73. 32.24. 39.66. 9. 36.70. 32.25. 30.50. 36.82. 32.27. 39.79. 10. 36.76. 32.27. 30.48. 36.79. 32.31. 39.90. 11. 36.81. 32.29. 30.50. 36.83. 32.34. 39.91. 12. 36.85. 32.30. 30.51. 36.87. 32.67. 39.97. 13. 36.88. 32.31. 30.53. 36.90. 32.40. 40.02. 14. 36.90. 32.32. 30.55. 36.92. 32.42. 40.06. 15. 36.91. 32.33. 30.55. 36.94. 32.42. 40.09. 16. 36.93. 32.33. 30.55. 36.96. 32.44. 40.11. 圖 4-3 為 Lena 對應到  係數 1 至 16 的浮水印影像，於  係數為 1 時，PSNR 值為 28.29 db，此時影像的透明度是不理想，但是強韌度卻是最好的；於  係數為 3 時，PSNR 值為 34.77 dB，此時的 PSNR 值大於 30，很明顯的我們不能很輕易的用肉眼看出與原始影像的相異處；隨著  係數愈大，影像品質也愈佳。. 45.

(55) (a)β=1，PSNR 值為 28.29. (b)β=2，PSNR 值為 32.99. (c)β=3，PSNR 值為 34.77. (d)β=4，PSNR 值為 35.61. (e)β=5，PSNR 值為 36.06. (f)β=6，PSNR 值為 36.33 46.

(56) (g)β=7，PSNR 值為 36.51. (h)β=8，PSNR 值為 36.62. (i)β=9，PSNR 值為 36.70. (j)β=10，PSNR 值為 36.76. (k)β=11，PSNR 值為 36.81. (l)β=12，PSNR 值為 36.85 47.

(57) (m)β=13，PSNR 值為 36.88. (n)β=14，PSNR 值為 36.90. (o)β=15，PSNR 值為 36.88. (p)β=16，PSNR 值為 36.90. 圖 4-3. Lena 從  係數 1 至 16 的浮水印影像. 圖 4-4 為 6 張測試圖的折線圖比較，橫座標為  係數，縱座標為 PSNR 值。我們可以觀察出大部分的影像從  係數為 3 之後，PSNR 值都可以到達 30 dB 以上，所以肉眼上也無法輕易的觀察出和原始影像之相異處，而這也代表本文所提出的嵌入演算法於透明度上是足夠的。主要在於我們使用雜訊可見函式來估測浮水印嵌入強度。然而從這 6 張測試圖的折線圖比較中，Lake 的 PSNR 值表現略差，這是因為 Lake 影像的細節處較其它張影像來的多，所以在嵌入浮水印時，就會 48.

(58) 去加強其強韌度，而造成 PSNR 值表現略差是可推測的，但肉眼是觀察不出相異處的。. 45 40 35. PSNR(db). 30. Lena. 25. Mandrill. 20. Lake. 15. Peppers Airplane. 10. Splash. 5 0 1. 2. 3. 4. 5. 6. 7. 8. 9. 10 11 12 13 14 15 16. β值. 圖 4-4. 6 張測試圖片之 PSNR 值折線圖. 49.

(59) 4.2 浮水印演算法強韌度測試本節將對浮水印的強韌度攻擊做測試，其攻擊的種類諸如 JPEG 壓縮攻擊、 JPEG2000 壓縮攻擊以及各種濾波器的攻擊等。由於適應性調整因子(β)是根據使用者的需求做調整，而為了簡化實驗，所以本論文將適應性調整因子(β)設為 3，來模擬所有攻擊。這是由於當β等於 3 時，其所測試圖裡的 PSNR 值皆恰等於 30db 上，亦符合肉眼對影像無法辨識差異處。以下為準備嵌入之浮水印影像，如圖 4-5 所示。. (a)原始浮水印圖 4-5. (b)打亂後浮水印. 強韌度測試之嵌入的浮水印. 1. JPEG 壓縮攻擊測試由於現今的資料量都相當龐大，而造成資料在傳輸過程相當緩慢，所以為了解決這個問題，使用者經常會使用 JPEG 壓縮將資料壓縮來減少傳輸所需的時間，但由於 JPEG 壓縮是將離散餘弦轉換後高頻成份的值給大量的量化來達成影像壓縮的目的。在這裡 JPEG 壓縮攻擊的模擬，我們使用 PhotoImpact 12 來執行，將浮水印影像儲存為 JPEG 失真格式的影像，來做測試，再將其恢復成點陣圖的格式。我們將浮水印影像依照品質因子（Quality Factor，QF）來做壓縮測試，從 QF 為 20 至 90 分別做壓縮，QF 愈小代表壓縮率愈高，壓縮後的影像品質愈差，如表 4.2 所示，我們可以觀察到於 QF 為 40 時，人類肉眼還可以判別出浮水印的內容，這 50.

(60) 是由於我們在嵌入演算法時，使用到離散餘弦轉換，並依照浮水印強度嵌入至離散餘弦係數中，故在壓縮率很高的狀態下，仍然可以正確地判別出浮水印的內容。. 表 4-2. JPEG 壓縮攻擊的 NC 值與萃取的浮水印. QF. 20. 30. 40. 50. NC. 0.651032. 0.713884. 0.861163. 0.945591. QF. 60. 70. 80. 90. NC. 0.966229. 0.990619. 0.997248. 1. Extracted watermark. Extracted watermark. 圖 4-6 為我們的方法與 Xie 學者的方法之比較，由圖中可以觀察出，在面臨 JPEG 壓縮攻擊之下，雖然 Xie 學者和我們的演算法皆將浮水印嵌入於離散餘弦頻率域中，但我們的演算法多增加了浮水印估測強度，使得萃取出的浮水印皆呈現較好的 NC 值。. 51.

(61) 1.2 1. NC. 0.8 0.6. Proposed Xie. 0.4 0.2 0 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90. Quality Factor(QF). 圖 4-6 JPEG 攻擊直方比較圖. 2. JPEG2000 攻擊測試 JPEG2000 是基於離散小波轉換的圖像壓縮標準，在未來被認為可以取代 JPEG 成為新一代的壓縮標準，JPEG2000 是藉由降低離散小波轉換後的高頻區係數值來達成壓縮的目的。在這裡 JPEG2000 壓縮攻擊的模擬，我們使用 ECW JPEG 2000 Compressor 7.0 來執行，將浮水印影像儲存為 JPEG2000 失真格式的影像，來做測試，再將其恢復成點陣圖的格式。我們將浮水印影像依照壓縮率（Compression Rate，CR）來做壓縮測試，從 CR 為 20 至 90 分別做壓縮，CR 愈大代表壓縮率愈高，壓縮後的影像品質愈差，如表 4.3 所示，我們可以觀察到於 CR 為 45 時，肉眼還可以判別出浮水印的內容，這是由於我們在嵌入演算法時，我們將浮水印嵌入於離散小波轉換的低頻頻帶中，故在壓縮率很高的狀態下，仍然可以正確地判別出浮水印的內容。. 52.

(62) 表 4-3. JPEG2000 壓縮攻擊的 NC 值與萃取的浮水印. CR. 20. 30. 40. 45. NC. 0.953096. 0.931520. 0.833959. 0.809568. CR. 50. 60. 70. 80. NC. 0.785178. 0.754221. 0.725141. 0.621013. Extracted watermark. Extracted watermark. 圖 4-7 為我們的方法與 Xie 學者的方法之比較。由圖中可以觀察出，在面臨 JPEG 2000 壓縮攻擊之下，我們的方法所萃取出的浮水印呈現較好的 NC 值。. 1.2 1. NC. 0.8 0.6. Proposed Xie. 0.4 0.2 0 20. 25. 30. 35. 40. 45. 50. 55. 60. 65. 70. 75. 80. Compression Rate(CR). 圖 4-7. JPEG2000 攻擊直方比較圖 53. 85. 90.

(63) 3.模糊與銳化攻擊模糊與銳化影像的應用相當廣，可用於辨識影像、醫學影像或是日常生活中等。於醫學影像可以應用銳化處理來更精確的判別腫瘤的位置，來降低風險；於日常生活中，可以應用模糊處理來美化膚色。本論文所使用的模糊與銳化攻擊測試環境為 PhotoImpact 12，表 4-4 和表 4-5 為浮水印影像遭到模糊攻擊時的浮水印影像、 NC 值與萃取的浮水印內容；表 4-6 為浮水印影像遭到銳化攻擊時的浮水印影像、 NC 值與萃取的浮水印內容。可以觀察到我們的演算法對於模糊程度較大時的攻擊，其萃取結果並不理想，主要是需要考慮到透明度及強韌度之間的取捨，但在糊糊程度較小的攻擊時，尚可得到令人滿意的結果。. 表 4-4 模糊類型. 模糊攻擊的 NC 值與萃取的浮水印攻擊後的浮水印影像 NC. Median filter(3*3). 0.934334. Median filter(5*5). 0.59389. Median filter(7*7). 0.513133. 54. Extracted watermark.

(64) Average filter(3*3). 0.920263. Average filter (5*5). 0.536585. Average filter (7*7). 0.443515. 表 4-5. 高斯模糊攻擊的 NC 值與萃取的浮水印. 半徑(R). 0.5. 1. 1.5. NC. 0.99531. 0.884615. 0.80394. 半徑(R). 2. 2.5. 3. NC. 0.63227. 0.55253. 0.51970. Extracted watermark. Extracted watermark. 55.

(65) 表 4-6. 銳化攻擊的 NC 值與萃取的浮水印. 攻擊後的浮水印影像. NC. Extracted watermark. 0.962477. 圖 4-8 和圖 4-9 為我們的方法與 Xie 學者的方法之比較。由圖中我們可以發現，當模糊程度較大時，其萃取出的浮水印效果並不理想。. 1.2 1. NC. 0.8 0.6 Propose 0.4. Xie. 0.2 0 Median Median Median Average Average Average Sharpening filter 3*3 filter 5*5 filter 7*7 filter 3*3 filter 5*5 filter 7*7. 攻擊類型. 圖 4-8. 模糊與銳化攻擊的直方比較圖. 56.

(66) 1.2 1. NC. 0.8 0.6 Proposed 0.4. Xie. 0.2 0 0.5. 1. 1.5. 2. 2.5. 3. 3.5. R(半徑). 圖 4-9. 高斯模糊攻擊的直方比較圖. 4.對比與亮度攻擊測試本論文使用 PhotoImpact 12 來執行對比與亮度攻擊的模擬，表 4-7 為浮水印影像遭到對比攻擊時的浮水印影像、NC 值與萃取的浮水印內容；表 4-8 為浮水印影像遭到亮度攻擊時的浮水印影像、NC 值與萃取的浮水印內容。從表中我們可以得到我們的演算法對於對比與亮度的調整有很好的強韌度，主要是因為萃取演算法是藉由頻率域的係數間大小來做為萃取條件，而對比與亮度的調整並不會改變其係數間的大小關係。. 57.

(67) 對比攻擊的 NC 值與萃取的浮水印攻擊後的浮水印影像 NC Extracted watermark. 表 4.7. 對比參數. 0.997186. 30. 0.985929. 40. 0.974672. 50. 0.962477. 60. 58.

(68) 對比參數攻擊後的浮水印影像. NC Extracted watermark 1. -30. 1 -40. 1 -50. 1 -60. 59.

(69) 亮度攻擊的 NC 值與萃取的浮水印亮度參數攻擊後的浮水印影像 NC Extracted watermark 30 表 4.8. 1. 40 0.997186. 50 0.992495. 60 0.985929. 60.

(70) 亮度參數攻擊後的浮水印影像 NC -30 0.997186. -40 0.991557. -50 0.985929. -60 0.982176. 61. Extracted watermark.

(71) 圖 4-10 和圖 4-11 為我們的方法與 Xie 學者的方法之比較。由圖中我們可以發現，當影像受到對比或亮度攻擊時，我們的方法所萃取出之浮水印品質比 Xie 學者來的好。. 1.01 1 0.99. NC. 0.98 Propose. 0.97. Xie 0.96 0.95 0.94 30. 40. 50. 60 -30 CONTRACT. 圖 4-10. -40. -50. -60. 對比攻擊的直方比較圖. 1.01 1 0.99. NC. 0.98 Propose. 0.97. Xie 0.96 0.95 0.94 30. 40. 50. 60. -30. -40. -50. BRIGHT. 圖 4-11. 亮度攻擊的直方比較圖. 62. -60.

(72) 第五章. 結論. 本篇論文所提出的彩色數位浮水印影像演算法，結合了色相轉換、離散小波轉換、離散餘弦轉換及雜訊可見函式，來提升浮水印的透明度及強韌度。除此之外，我們應用了渾沌擾亂法來打亂浮水印，使浮水印更具有安全性。其中，本論文所提出的方法和以往學者較不同之處，主要在於，以往學者皆將浮水印嵌入於低頻或中頻的位置，是為了增強浮水印的強韌度，但卻忽略了透明度；有鑑於此，本論文將浮水印嵌入於透明度較高的中高頻位置，而強韌度就利用演算法中的雜訊可見函式來增強，使得浮水印影像不但具有強韌度外，還具有一定的透明度。於實驗結果和數據分析顯示，本論文不僅提升了客觀的 NC 值，亦提升了浮水印於主觀上的辨識，讓原創者的智慧財產權，能夠有更完善的保護。由於我們是利用混合轉換的技術將浮水印做嵌入，這會使運算複雜度提高而導致浮水印嵌入的時間變慢，若要將其應用於智慧型手機裡，則要降低其運算複雜度，使浮水印能夠即時的嵌入於影像中。在未來，我們可以將浮水印的技術應用到電子發票上，使其更具有公信力，同時也讓地球更加環保；除此之外，亦可整合靜態浮水印的發展技術，將其運用到動態影像的規格中，讓動態影像的著作權受到保護，使其更具有價值。. 63.