Tính thiết thực của cơ chế thủy vân đề xuất được so sánh với một vài cơ chế thủy vân miền sóng mù khác trên hệ số tương quan thông thường r được đưa ra trong phương trình 13. Các kỹ thuật này bao gồm thuật toán của Wang, Su và Kuo, thuật toán mù của Inoue, Miyazaki, Yamamoto và Katsura (dựa trên các hệ số cơ học thông thường), thuật toán của Dugad, Ratakonda và Ahuja, thuật toán của Kundur và Hatzinakos và thuật toán của Xie và Arce.
Trước tiên là Wang đã đưa ra một phương pháp thủy vân có khả năng thích ứng nhằm đính một thủy vân vào các hệ số dải sóng cụ thể được chọn lựa. Một kỹ thuật thủy vân mù được đề xuất bằng cách rút ngắn các hệ số được chọn tới một vài giá trị cụ thể. Tiếp theo là Inoue đã phân loại các hệ số sóng thông thường và quan trọng bằng cách sử dụng thuật toán EZW (Embedded Zerotree Wavelet). Theo đó, hai loại thuật toán đính kèm đã được phát triển liên quan tới các vị trí của hệ số thông thường và hệ số quan trọng. Các dữ liệu thông tin được dò ra bằng các sử dụng vị trí của thư mục gốc (zerotree’s root) và giá trị của điểm bắt đầu sau khi phân tách hình ảnh được thuỷ vân. Phương pháp của Dugad đã cộng thêm thủy vân vào các hệ số được chọn lựa có các năng lượng quan trọng đối với miền bị biến đổi để đảm bảo tính không thể xóa bỏ của thủy vân. Trong suốt quá trình phân tách thủy vân, các hệ số vượt quá ngưỡng giá trị của điểm bắt đầu được chọn và làm cho có tương quan với bản sao gốc của thủy vân. Kundur và Hatzinakos giới thiệu một
kỹ thuật cổ điển dành cho việc thủy vân bằng kỹ thuật số các hình ảnh tĩnh dựa trên khái niệm của sự hợp nhất các sóng đa vòng, về bản chất là việc bóp méo nhiều tín hiệu. Xie và Arce đã phát triển một chữ ký số dưới dạng thủy vân mù với mục đích tránh làm giả. Thuật toán tạo ra chữ ký này lần đầu được ứng dụng vào miền chuyển đổi sóng và sao đó được tích hợp với thuật toán nén SPIHT.
Hình 3.7 đưa ra các kết quả so sánh về mặt số liệu thực hiện của việc nén JPEG. Đối với cơ chế đề xuất, tương quan giữa thủy vân được phân tách giảm đều cùng với yếu tố chất lượng nén. Chất lượng của hình ảnh (trong PSNR) giảm đều từ 27dB khi chất lượng nén thấp hơn mức 10%. Trong tình cảnh khó khăn đó, thủy vân có thể được phân tách với giá trị của r tương ứng với 0.2553 đối với việc đính kèm thủy vân trong việc làm giảm độ nén của sóng cấp 2. Cũng theo hình 3.7, phương pháp được trình bày hoạt động tốt hơn các phương pháp của Wang, Kundur và Hatzinkos, trong khi hoạt động tốt hơn rất nhiều so với phương pháp của Inoue đặc biệt là trên khía cạnh nén JPEG với yếu tố chất lượng nén khá thấp.
Hình 3.7.Kết quả so sánh về mặt số liệu thực hiện của việc nén JPEG
Hình 3.8 là sự so sánh về việc phân tách giữa các phương pháp nén JPEG2000 khác nhau. Bản chất của cơ chế này là hướng tới yếu tố nén 0.05 hoặc mức nén 0.4bpp (bit per pixel). Cơ chế đưa ra cho thấy kết quả thu được tốt hơn hẳn so với phương pháp của Kundur và Hatzinkos và có được kết quả tương đương
so với phương pháp của Wang. Việc thực hiện phân tách theo phương pháp của Inoue giảm mạnh khi các yếu tố nén JPEG2000 giảm dưới 0.125. Việc đính kèm vào sóng ở mức độ nén thấp hơn (xem các đường cong đối với việc giải nén ở cấp độ 3 trong hình 3.7 và 3.8) có thể được nâng cao đáng thể nếu sử dụng cơ chế đề xuất so với các cơ chế nén khác.
Hình 3.8.So sánh việc phân tách giữa các phương pháp nén JPEG2000 khác nhau
Hình 3.9 cho thấy các kết quả nén đối với việc lượng tử hóa từ mức xám 256 tới mức xám 4 đối với 1 Pixel. Cơ chế đề xuất đưa ra kết quả thô rất tốt so với việc lượng tử hóa. Hoạt động của cơ chế đề xuất được so sánh tương đương với phương pháp của Xie và Arce và tốt hơn nhiều so với các phương pháp khác.
Từ Hình 3.7 và 3.8, có thể thấy rằng các phương pháp của Xie và Arce và của Dugad tạo ra kết quả thực hiện thô rất tốt đối với việc nén JPEG và JPEG2000. Trong thuật toán của Xie và Arce, thủy vân được đính kèm chỉ với một hình xấp xỉ (dải sóng LL) của hình gốc. Mặc dù dải sóng đính kèm LL được tăng cường hơn khi nén, chất lượng của hình ảnh có thể thấy giảm sút rõ rệt bởi vì các hệ số của các phần thường xuyên có chứa các thông tin quan trọng của hình ảnh. Điều này chỉ ra rằng việc tăng cường trong phương pháp của Xie và Arce phụ thuộc rất nhiều vào số lượng cấp độ nén. Kết quả thu được là rất tốt nếu thực hiện với một sóng nén cấp 5 sử dụng các bộ lọc giao tuyến 7/9 của Daubechies. Mặt khác, trong phương pháp của Dugad, thủy vân được đính kèm vào các hệ số quan trọng đối với tất cả
các dải sóng cụ thể. Vì thế nó đồng bộ hơn khi nén. Trong suốt quá trình phân tách thủy vân sử dụng phương pháp của Dugad, thủy vân gốc được yêu cầu tạo ra một tương quan với các hệ số bậc cao với các giá trị vượt trên ngưỡng khởi điểm. Sự xuất hiện của thủy vân được xác định bằng cách so sánh tương quan với cách đặt ngưỡng khởi điểm. Nó không chung chung như cơ chế đề xuất của chúng ta trong đó thủy vân gốc và ngưỡng khởi điểm không được yêu cầu đối với việc phân tách thủy vân.
Hình 3.9. Kết quả nén đối với việc lượng tử hóa từ mức xám 256 tới mức xám 4 Kết quả thử nghiệm cho thấy cơ chế đề xuất có ưu điểm hơn so với hầu hết các phương pháp hiện đang sử dụng chẳng hạn như nén JPEG và JPEG2000, lượng tử hóa và có thể so sánh với các cơ chế thủy vân sử dụng miền sóng mù đang tồn tại. Các kết quả thử nghiệm cũng chỉ ra rằng không giống như trong phương pháp của Xie và Arce, việc lựa chọn biến đổi sóng không có liên quan mật thiết tới vấn đề tăng cường của phương pháp thuỷ vân được đề xuất.
3.3.3. Sự tăng cường giữa phương pháp cắt chỉnh và làm biến dạng hình học Rất nhiều kỹ thuật thủy vân không thể tồn tại được khi có sự biến đổi về hình dạng chẳng hạn như quay ảnh, chia tỉ lệ, và chuyển đổi quy cách dạng tệp (RST) hoặc khi thực hiện cắt chỉnh ảnh bởi vì sẽ gây ra sự mất tính đồng bộ hóa của bộ tách sóng thủy vân. Cách xử lý là ứng dụng quy chỉnh đồng bộ hóa lại (mù hoặc không mù) trước khi tiến hành việc phân tách thủy vân. Giải pháp không mù yêu
cầu sự có mặt của các dữ liệu gốc, hoặc tối thiểu là vài thông tin cơ bản của các đặc điểm của hình ảnh. Davoine, Bas, Herbert và Chassey đã đề xuất một giải pháp xử lý không mù dựa trên việc tách rời hình ảnh gốc thành một mạng các miếng tam giác. Mạng lưới này sẽ cung cấp một mạng tham khảo và được lưu lại trong bộ nhớ cho quá trình thực hiện đồng bộ hóa. Johnson, Duric và Jajodia đã đưa ra một phương pháp để đảo các biến đổi có tính liên kết gần bằng cách ước đoán sự khác biệt giữa các diện tích vuông tối thiểu giữa các điểm chi tiết nổi bật của hình ảnh trong bản gốc và bản biến đổi. Kutter đề xuất các phương pháp thay thế để thu nhặt lại thủy vân từ các hình ảnh đã bị làm biến dạng về hình học mà không sử dụng thông tin gốc. Phương pháp đầu tiên là điểu chỉnh trước một phần của thủy vân tới gần một vài giá trị biết trước và sử dụng chúng cho việc tái đồng bộ từng phần. Biện pháp này giảm thiểu sức chứa ẩn của các thông tin hữu ích và đồng thời rất tốn kém về mặt tin học hóa. Phương pháp thứ hai được đưa là là sự dụng các hệ thống tự tham khảo đã được đính kèm cùng thủy vân vài lần tại một vài điểm dịch chuyển.
Nói chung, quá trình hiệu chỉnh có thể dễ dàng, chính xác hơn và yêu cầu ít gánh nặng tin học hóa hơn khi thông tin gốc hoặc các điểm đặc trưng tham khảo có sẵn, mặc dầu nó có thể cần thêm một ít bộ nhớ để lưu giữ các thông tin tham khảo. Trong cơ chế thủy vân chúng ta đề xuất, các dữ liệu gốc không có sẵn trong suốt quá trình phân tách, dầu vậy một bản sao dữ liệu của chủ sở hữu hoặc người đại diện thì có sẵn. Bản sao hình ảnh này có thể rất giống với dữ liệu gốc, dầu vậy sẽ là thuận tiện hơn nếu sử dụng nó trực tiếp như tài liệu tham khảo cho quá trình đồng bộ hóa của các dữ liệu đã bị làm biến dạng về hình học hoặc cắt chỉnh. Bằng cách so sánh đơn giản, các dữ liệu về giả mạo có thể được hiệu chỉnh ngược lại so với kích cỡ và vị trí gốc một cách đều đặn và chính xác. Trong phần tiếp theo, các kết quả phân tách thủy vân chống lại việc cắt chỉnh và RST sẽ được đưa ra. Tính hiệu của quá trình thực hiện đồng bộ hóa được xem xét bằng cách đưa ra các tiến bộ của các kết quả phân tách khi có và không có sự đồng bộ hóa.
Như đã đưa ra ở Hình 3.10(a), phần đen hình vuông ở khuôn mặt trong hình của Lena đã bị cắt chỉnh. Bằng cách so sánh với bản sao của hình ảnh gốc, có thể dễ dàng phát hiện ra rằng các pixel trong diện tích vuông, với các thông số dòng từ 121 tới 180 và thông số cột từ 121 đến 180 đã bị phá vỡ. Việc không có các thông tin của thủy vân trong vùng bị phá vỡ này (bằng cách xem xét các cột và dòng từ 31
(121/4) đến 45(180/4)) cho thấy hiệu ứng quá sáng so với yêu cầu của thủy vân được phân tách dựa trên giá trị cao của nó trong vùng bị phá vỡ. Điều này gây ra các kết quả đo đạc chủ quan và khách quan khá kém (xem Hình 3.10(b)). Một giải pháp đơn giản là loại bỏ các pixel tương ứng có giá trị cao không mong muốn ra khỏi thủy vân được phân tách và thay thế chúng bằng các Pixel có giá trị không. Bằng cách này, như trong Hình 3.10(c) thủy vân được phân tách có thể được phục hồi chủ yếu với các thông tin bị mất trong vùng bị biến dạng. Vì thế, khi hệ số tương quan thông thường r được tăng lên trong khoảng từ 0.2706 đến 0.9036, ta thấy sự hồi phục của thủy vân ở mức tương phản thấp (so sánh giữa hình 3.10(b) và 3.10(c)).
Hình 3.10.(a) Hình ảnh Lena bị cắt chỉnh, (b) thủy vân được phân tách (r = 0.2706) và (c) thủy vân được phân tách sau khi tăng cường sự tương phản của (b)
Việc phân tách thủy vân của hình ảnh đã bị làm biến dạng hình học có thể thất bại vì thiếu tính đồng bộ. Quá trình tái đồng bộ của dữ liệu nhận được là cần thiết để điều chỉnh hình ảnh quay về đúng vị trí hoặc kích cỡ trước khi đưa vào bộ phân tác thủy vân. Dầu vậy, các thông tin bên lề của cơ chế thủy vân đề xuất – bản sao của chủ nhân hoặc người đại diện của hình ảnh gốc – cung cấp các thông tin tham khảo hữu ích để hỗ trợ quá trình đồng bộ hóa, và việc thực hiện phân tách thủy vân sẽ dần dần tốt lên. Hình 3.11(b), 3.11(d) và 3.11(f) chỉ ra các kết quả phân tách lần lượt sau quá trình đồng bộ hóa được thực hiệc đối với ảnh đã bị xoay, chia lại tỉ lệ và chuyển đổi (RST). Các kết quả phân tách tủy vân khá tốt về cả mặt hình ảnh chủ quan và so sánh khách quan với các phương pháp tương tự.
Hình 3.11. (a) Hình Lena bị xoay 100, và (b) thủy vân phân tách tương ứng (r = 0,5847); (c) hình Lena bị thu nhỏ lại bằng cách giảm số lượng dòng và cột xuống ¼, và (d) thủy vân được phân tách ( r = 0.4970); (e) hình của Lena bị điều chỉnh sang bên trái 10 cột và xuống dưới 36 hàng, và (f) thủy vân phân tách tương ứng (r=0.5356)
Chương 4. Một vài thử nghiệm
Trong chương này, chúng ta sẽ tiến hành một vài thử nghiệm riêng rẽ nhằm mô tả thuật toán ICA cũng như đánh giá các kết quả thu được sau quá trình thủy vân đối với một phương pháp khác. Ở đây, chúng tôi đặc biệt chú ý đến phương pháp thủy vân trên miền sóng lược đồ bởi chất lượng hình ảnh sau khi thực hiện quá trình thủy vân là tương đối cao.
Một thông số quan trọng được quan tâm đối với phương pháp nhúng thông tin vào ảnh dựa trên ICA số đó là hệ số α. Như đã nói ở trong chương 3, với mỗi hệ số α khác nhau sẽ đưa ra một chất lượng hình ảnh khác nhau. Để đánh giá được điều này, chúng ta sẽ sử dụng thông số PSNR để đánh giá chất lượng của hình ảnh dựa trên phương pháp ICA.