Thứ hai, để mã hóa tập ED sử dụng phương pháp mã hóa Huffman (hoặc số học). Điều này tạo ra hai nhóm dữ liệu: một là bảng Huffman (hay số học) HT và hai là mã số Huffman (hay số học) HC. Mỗi mục trong HT tương ứng với một mã Huffman (hay số học) c. Mã số c chứa một cặp dữ liệu (s, c), ở đó kích thước │s│của s bằng các bít T và s = ( log2│c│) cho thấy rằng │c│= 2s
bit. Bởi vì mỗi mã c nhỏ hơn 2T, hồn tồn tiếp nhận có 2T
trong HT, c trong các cặp dữ liệu 0th là
mã Huffman (hay số học) của dữ liệu đã cho, mà giá trị thập phân là 0, trong cặp dữ liệu thứ nhất là mã số Huffman (hay số học) của dữ liệu đã cho có giá trị thập phân là 1, và cứ tiếp tục như vậy. HC được tạo ra bằng cách thay thế từng dữ liệu trong ED bằng mã Huffman (hay số học) tương ứng của nó.
Thứ ba, HT và HC được nối vào một chuỗi nhị phân CD. Trong quá trình nhúng dữ liệu, đầu tiên phương pháp đưa ra liên kết với chuỗi nhị phân CD,
│S│của S thành một chuỗi nhị phân HD sẽ được giấu trong dải tần HH của fhc. Để ngăn chặn truy cập trái phép từ việc chỉ ra bất kỳ thơng điệp nào trong các dữ liệu bí mật, phương pháp này có một khố riêng PK, với hơn 512 bit, phát sinh số ngẫu nhiên G. Điều này được thực hiện để tạo ra một trình tự của chuỗi nhị phân K, khi đó │K│ = │HD│. Phương pháp này sau đó tính tốn HD' = K HD, Dải tần HD' sau đó ẩn trong các bit có trọng số nhỏ T của dữ liệu trong HHI bằng bit. Quá trình ẩn là
For i = 1 to m/2 For j = 1 to n/2
Nếu (Tl ≤ LL [i, j] ≤ Tu) và (HHI [i, j] <2T) thì sau đó dịch chuyển các bit T từ phía trái u từ HD’ và thay thế các bit quan trọng nhỏ nhất T của HHI [i, j] bằng u. sau đó kết hợp HHS, HHI, và HHD tạo thành một HH’ mới.
Quá trình sát nhập là For i = 1 to m/2 For j = 1 to n/2
HH[i, j] = HHI[i, j] + HHD[i, j]
Một ví dụ về cách thực hiện thủ tục nhúng được thể hiện trong hình 2.6. Hình này cho thấy các điểm ảnh của một ảnh gốc fc cỡ 16x16. Hình 2.7 giải thích những ảnh miền tần số fhc của fc thu được bằng phân tích HDWT mức một và hình 2.8 cho thấy các dải tần HHS, HHI, và HHD chiết xuất từ dải tần HH của fhc. Rõ ràng là các dữ liệu bí mật S = {10011101001100100110100011110010} và 6 bit được sử dụng để mô tả │S│với S = 100000 và T = 2. Vì lý do này, ED = {0, 0, 0, 0, 0,0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 , 1, 1, 0, 0, 0, 1, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 0, 0, 0, 0, 0, 0 , 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0}. Sau khi mã hóa ED bằng phương pháp mã hóa Huffman (Hoặc số học) hai nhóm dữ liệu là HT = {(00, 0), (01,10), (10110), (10111)} cũng như HC = {0, 0, 0, 0, 0, 0 , 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,10, 10,0, 0, 0, 10,0,111,0, 0 , 0, 0, 0, 0, 0, 0, 10,110,0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 , 0, 0, 0, 0, 0,0} được tạo ra.
Vì thế CD = {000011010110101110000000000000000000000011100000000101100000000000 00000000 000000}. CD, │S│, và S được tích hợp vào HD = {000011010110101110000001010000100111000000001011000000 000000000000000000010000010011101001100100110100011110010}. Đầu tiên bộ phát số ngẫu nhiên G tạo ra một chuỗi nhị phân K ={01101010100110010011011011010001110100011010001011110010011100101 00101101100110110010100100111001}, và sau đó HD’ = K HD = {010101101101101000111010000111100001001101110101110010110011000101 111001001100010110110000101010010100000111001011}.
Sau đó HD' được ẩn trong các bit quan trọng nhỏ nhất T của các hệ số trong dải tần HHI. Cuối cùng, các dải tần LL, LH, HL, và HH’ được kết hợp vào ảnh giấu tin miền không gian fst, bằng cách của HDWT đảo ngược.
b. Giai đoạn phục hồi và trích rút dữ liệu
Để khơi phục lại ảnh gốc fc hoặc để lấy dữ liệu bí mật S từ ảnh giấu tin fst, đầu
tần số bằng sự phân tích ở mức một của HDWT. Các ảnh miền tần số bao gồm các dải tần LL, HL, LH, và HH'; dải tần HH' có thể được chia thành ba nhóm dữ liệu: (1) HHS, (2) HHI, và (3) HHD.
Sau đó, các bit có trọng số nhỏ T của nhóm dữ liệu HHI[i,j] đáp ứng điều kiện (HHI[i,j] <2T) và (Tl ≤ LL [i, j] ≤ Tu) được nối thành một chuỗi nhị phân HD'. Sau đó phương pháp sử dụng cùng khoá phụ PK như là sinh ra số ngẫu nhiên G để tạo ra một chuỗi nhị phân K, trong đó│K│ = │HD'│. Phương pháp ẩn sau khi tính tốn là HD = K HD.
Vì fst và fc là cùng kích thước, phương pháp biết rằng có m/2 x n/2 số nguyên ở HHI. Tiếp theo, phương pháp này loại bỏ các bít có trọng số nhỏ T từ phía trái của HD. Phương pháp này giả định rằng các giá trị thập phân của các bit có trọng số nhỏ T đã dịch chuyển là s. Sau đó, phương pháp di chuyển s bit từ phía trái của HD tới c. Cuối cùng, các bước trên được lặp lại để tạo ra những cặp dữ liệu 2T, (s, c)’s. Các cặp dữ liệu 2T
tạo ra bảng Huffman (hay số học) HT. Từ bảng này, phương
pháp có thể khơi phục các mã nguồn của mỗi yếu tố trong ED bằng HT, theo quy trình sau đây:
For i = 1 to m/2 For j = 1 to n/2
Code = một chuỗi rỗng
Trong khi mã không phải là một mã Huffman thì chuyển một bít từ phía trái của HD, và nối thêm bit để Mã ED[i,j] = Code
Tất cả các nguyên tố của ED là được sử dụng sau đó để thay thế cho các bit có trọng số nhỏ nhất T của các số nguyên trong HHI bởi theo các quy trình sau đây.
k = 1
For i = 1 to m/2 For j = 1 to n/2
If [(HHI[i, j] < 2T) and (Tl ≤ LL[i, j] ≤ Tu)] then HHI[i, j] = ED[k]; k = k + 1
sau đó HHS, HHI, và HHD được kết hợp vào HH. Sau khi đó, phương pháp đưa ra công cụ HDWT thuận nghịch để biến đổi các dải tần LL, HL, LH, và HH thành ảnh gốc miền không gian fc. Phương pháp này tiếp tục di chuyển một số nguyên, giá trị │S│từ phía cực tả của HD. Bởi điều này, các bit │S│ cực tả của HD là những dữ liệu bí mật S.
Kết quả
Kết quả thực nghiệm [42] đầu tiên thực hiện về phương pháp giấu tin thuận nghịch dựa trên HDWT sử dụng phương pháp mã hóa Huffman để nén các hệ số của dải tần số cao của HDWT, PSNR là tương tự giữa ảnh gốc và ảnh giấu tin. Nhân tố ảnh hưởng quan trọng nhất của chất lượng hình ảnh và khả năng ẩn là tỷ số nén của phương pháp mã hóa Huffman. Vì điều này là đưa ra một tỷ lệ nén tốt hơn sẽ làm cho khả năng giấu cao hơn, có thể được sử dụng để lưu trữ dữ liệu bí mật
Mỗi ảnh thử nghiệm bao gồm 512x512 điểm ảnh. Trong thí nghiệm này, PSNR (Wang và các cộng sự, 2003) sẽ được sử dụng để đo chất lượng của ảnh stego. Chất lượng được xác định bằng công thức:
PSNR = 10log10 ' 2552 MSE (2.7) MSE = , 2 1 1 , ) ( 1 j i m i n j j i b b mxn (2.8)
Ở đây, m và n là chiều rộng và chiều cao của hình ảnh gốc và ảnh giấu tin. Các màu của các điểm ảnh bijvà bij được đặt tại tọa độ (i, j) trên cả hai hình ảnh.
Các kết quả thực nghiệm cho thấy giấu tin mật trong dải tần HH thì tốt hơn so với dải tần LH và HL.
Phương pháp giấu tin thuận nghịch dựa trên HDWT không chỉ là một phương pháp giấu tin thuận nghịch rất đơn giản mà nó cịn có thể cho một khả năng giấu cao và chất lượng ảnh stego tốt. Phương pháp tận dụng phương pháp mã hóa Huffman để nén hệ số tần số cao và nhúng các dữ liệu nén trong các hệ số tần số cao, do đó ảnh gốc được bảo đảm chống lại sự mất mát thông tin. Các kết quả thực nghiệm cũng chứng minh rằng phương pháp giấu tin thuận nghịch dựa trên HDWT có thể cung cấp một hiệu suất tốt hơn so với hầu hết các phương pháp giấu tin thuận
nghịch khác đã đưa ra và cách thể hiện gần với phương pháp đã đưa ra bởi Xuân và các cộng sự. Tuy nhiên, phương pháp của Xuân và các cộng sự mất rất nhiều thời gian sửa đổi biểu đồ để loại bỏ những vấn đề vượt ngưỡng trên và dưới nếu một số điểm màu của ảnh đặc biệt sáng hoặc tối.
2.4.2. Phƣơng pháp giấu tin khôi phục dữ liệu cho hình ảnh chất lƣợng cao sử dụng thay đổi của sai số dự đoán. [43]
Hiện nay kỹ thuật giấu thuận nghịch dựa vào sự dịch chuyển Histogram, mặc dù sự biến dạng gây ra bằng cách nhúng là thấp, khả năng nhúng được giới hạn bởi tần số của các điểm ảnh hay xảy ra nhất. Để khắc phục vấn đề này, phương pháp đề xuất sửa đổi các histogram bằng các sai số dự đốn (MPE) để chuẩn bị vị trí trống cho dữ liệu nhúng. PSNR của ảnh stego đưa ra bởi MPE là đảm bảo được trên 48dB, trong khi khả năng nhúng trung bình, gấp năm lần so với kỹ thuật biết đến của Ni và cộng sự với cùng một PSNR. Bên cạnh đó, MPE khơng những có khả năng kiểm sốt PSNR các bít dữ liệu cần sửa đổi sai số ít hơn, mà cịn có thể được áp dụng cho ảnh với histogram phẳng. Kết quả thực nghiệm cho thấy MPE, khai thác sáng tạo các sửa đổi của sai số dự đoán, thực hiện nhanh hơn so với giai đoạn trước không chỉ về tải trọng lớn hơn, mà còn về chất lượng ảnh stego.
Kỹ thuật giấu thuận nghịch dựa trên những sai số dự đoán (MPE). Khi biểu đồ trong miền của các sai số dự đoán phân phối mạnh, khả năng nhúng là cao hơn so với phương pháp dịch chuyển biểu đồ truyền thống, cho cùng chất lượng hình ảnh. Bên cạnh đó, MPE chỉ thay đổi các giá trị sai số ít hơn để nhúng các bit dữ liệu ít hơn, do đó, chất lượng ảnh stego cao có thể thu được.
2.4.2.1. Kỹ thuật dịch chuyển biểu đồ Histogram
Ni và cộng sự đưa ra kỹ thuật dịch chuyển biểu đồ, dữ liệu nhúng thuận nghịch đưa vào ảnh bằng kỹ thuật dịch chuyển biểu đồ, mức độ ảnh xám thay đổi trên các điểm ảnh, vì vậy chất lượng ảnh stego thu được (PSNP = 48.13 dB). Các bước nhúng dữ liệu của kỹ thuật Ni được liệt kê như sau:
(2) Tìm các giá trị tối đa h() và giá trị tối thiểu h() của h(x), , [0,
255]. Các tham số được gọi là điểm đầu và được gọi là điểm cuối.
Nếu h() = 0, thì được gọi là điểm khơng. Giả sử < .
(3) Nếu giá trị tối thiểu h()> 0, sau đó ghi lại tất cả các vị trí các điểm ảnh với mức xám b tròn mảng L, và sau đó thiết lập h() = 0.
(4) Tồn bộ hình ảnh được quét trong thứ tự tuần tự, đó là từng hàng và từ trên xuống dưới. Sau đó, dịch chuyển biểu đồ h(x) với x (,) dịch
sang phải từng bít. Thủ tục này chỉ ra các giá trị pixel thoả mãn x (,) được thêm vào một.
(5) Qt tồn bộ hình ảnh một lần nữa và sau đó các bit bí mật được nhúng như L (nếu có). Nếu giá trị pixel là 1, và các bit được nhúng là 1, sau đó các giá trị điểm ảnh được thiết lập a+1. Nếu các bít được nhúng bit là 0, các giá trị pixel vẫn không thay đổi.
Trong phương pháp của Ni và cộng sự, nếu h()> 0, thì nên nhúng thêm thơng tin L vào ảnh gốc. Vì vậy, các khả năng nhúng hoàn toàn của phương pháp này được đưa ra bởi
EC = h() - L (2.9)
Trong đó L là số các bit cần lưu trữ L. Các bước sau đây là thủ tục để
trích xuất các dữ liệu bí mật và khơi phục lại ảnh stego về ảnh ban đầu của nó. (1) Quét ảnh stego theo thứ tự tuần tự giống như trong giai đoạn nhúng được
sử dụng. Nếu gặp giá trị pixel +1, sau đó bit 1 được chiết xuất. Nếu gặp một giá trị pixel thì bít 0 được chiết suất.
(2) Quét lại ảnh stego. Nếu giá trị pixel x (, ], sau đó giá trị điểm ảnh x được trừ đi bằng 1.
(3) Nếu có thơng tin phục hồi L tìm được trong chiết xuất dữ liệu, thiết lập các giá trị pixel cho nếu vị trí của điểm ảnh này được tìm thấy trong L. Bằng cách này, ảnh gốc có thể được phục hồi mà khơng cần bất kỳ sự biến dạng.
Thuật tốn mơ tả ở trên lựa chọn một cặp và để che giấu thông tin. Trong
thực tế, người ta có thể chọn các cặp tối đa và các điểm tối thiểu để tăng khả năng nhúng.
Sự nhấn mạnh chính của phương pháp Ni và cộng sự trên sự phát sinh biểu đồ, xác định điểm tối đa và tối thiểu, quét điểm ảnh, giá trị pixel thêm vào hoặc trừ đi. Sự phối hợp ở miền khơng gian và chi phí tính tốn là thấp. Phương pháp của Ni và cộng sự, tồn bộ hình ảnh được qt ba lần trong giai đoạn nhúng, do đó tổng số phức tạp tính tốn là O(3k x M x N) cho kích thước ảnh gốc M x N và k đại diện cho số của cặp.
2.4.2.2. Phƣơng pháp đƣa ra
Sự dịch chuyển biểu đồ là một kỹ thuật để nhúng dữ liệu vào biểu đồ bằng cách dịch chuyển biểu đồ của các yếu tố đặc trưng để chuẩn bị các vị trí trống cho việc nhúng. Sự xuất hiện của các yếu tố đặc tính thường xuyên nhất quyết định khả năng nhúng.
Phương pháp của Ni và cộng sự có thể được coi như là một kỹ thuật dịch chuyển biểu đồ cổ điển, các đặc tính là các giá trị pixel trong miền khơng gian. Vấn đề khố của phương pháp cho dù đủ các yếu tố nhúng tồn tại trong biểu đồ cho dữ liệu nhúng hay khơng. Ví dụ, trong đó phương pháp của Ni và cộng sự không làm trên ảnh với biểu đồ phẳng chính xác. Bên cạnh đó, khơng có vấn đề số lượng nhỏ bằng cách như thế nào của việc nhúng dữ liệu, phương pháp phải dịch chuyển biểu đồ trước, và do đó chất lượng ảnh stego giảm đáng kể khi nhúng số lượng dữ liệu nhỏ.
Việc thực hiện của kỹ thuật dịch chuyển biểu đồ của Ni và cộng sự, có thể được cải thiện bằng cách tạo ra các đặc tính mà có một biểu đồ phân phối mạnh để tối đa hóa các yếu tố nhúng. Bên cạnh đó, các thuật tốn nhúng có khả năng kiểm soát mối quan hệ PSNR, khi nhúng bit dữ liệu ít hơn khơng cần phải chia biểu đồ.
Trong phần này, đưa ra kỹ thuật giấu tin thuận nghịch dựa trên việc sửa đổi các sai số dự đốn (MPE). Thay vì sử dụng các yếu tố đặc tính trong miền khơng gian, sử dụng một yếu tố dự đốn để tạo ra các yếu tố đặc tính trong miền sai số dự đốn. MPE thơng qua ý tưởng của kỹ thuật dịch chuyển biểu đồ để nhúng dữ liệu
trong miền sai khác dự đoán. Trong thực tế, MPE nhu cầu không thực sự tạo ra các biểu đồ sai số bởi vì một số đặc điểm của biểu đồ sai số cho hầu hết các hình ảnh tự nhiên, ví dụ phân phối dễ nhận tại 0 với sự phân rã hai mặt theo cấp số nhân, như thể hiện trong hình 2.11.
Một trong những lợi thế của phương pháp này là thứ nhất sự hoạt động dự đoán làm tăng đáng kể số lượng các đặc tính nhúng trong việc thiết lập đặc tính, và sau đó làm tăng khả năng nhúng. Thứ hai, vì bây giờ chúng ta có một biểu đồ hình chóp trung tâm với giá trị dự đốn bằng khơng, vị trí của đỉnh chóp khả năng nhúng tối đa được biết đến. Vì vậy, khơng cần phải qt ảnh lại để tìm kiếm điểm đỉnh và điểm tối thiểu. Thứ ba, khơng có sự di chuyển biểu đồ cần thiết sớm hơn như kỹ thuật của Ni cộng sự đã làm. MPE chỉ chỉnh sửa ít hơn các sai số dự đốn để nhúng ít lượng dữ liệu; do đó, kiểm sốt PSNR khả năng thơ ráp có thể đạt được. Và thứ tư, thủ tục nhúng chỉ liên quan đến tính tốn đơn giản như phép cộng và trừ, và toàn bộ hình ảnh được quét một thời gian cho quá trình nhúng. Vì vậy, cặp đỉnh và 0, độ phức tạp tính tốn là O(2 x M x N), có hiệu quả nhỏ hơn so với thuật toán của Ni và cộng sự.
a. Thuật tốn nhúng
Q trình nhúng của MPE liên quan đến việc tính tốn các sai số dự đốn từ các vùng lân cận của một điểm ảnh đã cho, và sau đó nhúng các bit thông điệp trong