楊政興、蔡孟璇、黃建銘、吳敏豪 屏東教育大學資訊科學所 報告者：蔡孟璇 植基於交錯式預測法之 可逆式資訊隱藏技術 楊政興、蔡孟璇、黃建銘、吳敏豪 屏東教育大學資訊科學所 報告者：蔡孟璇

Outline 前言 相關文獻探討 我們的交錯預測編碼技術 實驗結果 結論與未來方向

前言 資訊隱藏(Data Hiding)可分成 可逆式資訊隱藏 (Reversible) 不可逆式資訊隱藏 (Irreversible) 資訊隱藏重點 安全性(Security) 不可察覺性(Imperceptibility) 資訊嵌入量(Capacity)

相關文獻探討 Ni學者的方法 利用原始像素值。 以直方圖輸出、並找出一組高點P與低點Z。 將P點和Z點之間的數值位移。 即產生偽裝影像。

相關文獻探討 葉學者的方法 切割成3×3不重疊區塊。 將原始像素值做預測編碼。 將預測誤差值以直方圖輸出、並找出正、負兩組高點P與低點Z。 即產生偽裝影像。

我們的交錯預測編碼技術 採用交錯式預測編碼方法。 利用偶數行來預測奇數行，然後反之。 充分利用每一個像素值。 提高直方圖中高點的高度。 增加資訊的嵌入量。 維持PSNR值至少有 48 dB的水準。 圖 1 白與黑分別 代表奇數行與偶數行

我們的可逆式嵌入演算法 輸入原始影像。 對奇數行的像素值做預測編碼，其中 為原始像素值， 為預測誤差值： 將預測誤差值做以下動作： 對奇數行的像素值做預測編碼，其中 為原始像素值， 為預測誤差值： 若j為基數  不處理 若j=0  其他j值  將預測誤差值做以下動作： 以直方圖輸出、正負誤差值各找出一組高點與低點 位移、利用高點藏資料

我們的可逆式嵌入演算法 奇數行的預測誤差值做反預測，其中 為原始像素值、 為已藏入機密訊息的預測誤差值、 奇數行的預測誤差值做反預測，其中 為原始像素值、 為已藏入機密訊息的預測誤差值、 為已藏入機密訊息的像素值，公式如下： 若j為基數  不處理 若j=0  其他j值  偶數行的部分與奇數行的方式相似。

我們的可逆式嵌入演算法-範例 5 4 6 3 預測奇數行 原始影像 5 1 4 6 -1 3 原始影像的奇數行預測誤差值 將誤差值 5 1 4 6 -1 3 將誤差值 轉為直方圖 原始影像的奇數行預測誤差值

我們的可逆式嵌入演算法-範例 從正、負誤差值中各找出一組高點與低點。 (Hodd1, Zodd1) = (0, 2)  之間的誤差值向右移。 (Hodd2, Zodd2) = (–1, –2) 之間的誤差值向左移。 位移

我們的可逆式嵌入演算法-範例 機密訊息=011100110001(2) Hodd1= 0； Hodd2= –1 藏0值不變 藏1值加1 5 2 4 1 6 -1 -2 3 5 2 4 6 -1 3 奇數行藏入訊息後的值 奇數行預測誤差值 位移後的值

我們的可逆式嵌入演算法-範例 將藏入的誤差值做反預測 5 2 4 1 6 -1 -2 3 奇數行藏入訊息後的值 5 6 4 7 3 5 2 4 1 6 -1 -2 3 將藏入的誤差值做反預測 奇數行藏入訊息後的值 5 6 4 7 3 奇數行藏入訊息後的影像

我們的可逆式嵌入演算法-範例 5 6 4 7 3 5 6 4 7 3 2 偽裝影像 奇數行藏入訊息後的影像

我們的萃取與回復演算法 輸入偽裝影像。 對偶數行的像素值做預測編碼。 根據偶數行的(Heven1, Zeven1) 和(Heven2, Zeven2)即可取出機密訊息。 取出後，將預測誤差值反預測成原始像素值。 接著針對奇數行也是一樣的步驟。 即可還原原始影像。

我們的萃取與回復演算法-範例 為藏入後的預測誤差值、 為已藏入機密訊息的像素值 Heven1=1 Heven2=-1 機密訊息 =0 1 5 6 4 7 3 2 偽裝影像 5 6 -1 7 4 2 3 1 -3 5 6 -1 7 4 2 3 1 -3 5 6 -1 7 4 1 3 -3 Heven1=1 Heven2=-1 機密訊息 =0 1 1100 偶數行藏入訊息後 的預測誤差值 偶數行預測誤差值位移後的值

我們的萃取與回復演算法-範例 將位移的值還原 (Heven1, Zeven1] = (1, 2]之間的值減1 5 6 -1 7 4 1 3 -3 5 6 -1 7 4 1 3 -3 將位移的值還原 (Heven1, Zeven1] = (1, 2]之間的值減1 (Heven2, Zeven2] = (-1, -3]之間的值加1 偶數行預測誤差值位移後的值 5 6 4 7 3 將誤差值做反預測 5 6 -1 7 4 1 3 -2 偶數行還原後的影像 偶數行的預測誤差值

我們的萃取與回復演算法-範例 5 6 4 7 3 預測、取出機密訊息、 還原位移、反預測 5 4 6 3 偶數行還原後的影像 原始影像

實驗結果 表 16 列出我們的方法與Ni等學者的方法之實驗數據比較。 資訊負載量的單位為位元。 影像品質上維持同樣的水平。

實驗結果 表16 與Ni學者的實驗比較 影像 Ni學者的方法 我們的方法 資訊負載量 PSNR值 Airplane 16,171 48.30 82,943 48.893 Baboon 5,421 48.20 40,050 48.477 Boat 7,301 31,695 48.405 Lena 5,046 98,423 49.039 Tiffany 8,782 67,578 48.735 Average 8,544 48.22 64,138 48.710

實驗結果 表 17 列出我們的方法與葉學者的分法之實驗數據的比較 兩者同樣是利用預測式編碼方式來增加嵌入量。 充分應用每一個像素值，所以嵌入量有明顯的提升。 影像品質仍然維持在相同的水準。

實驗結果 表17 與葉學者的實驗比較 影像 葉學者的方法 我們的方法 資訊負載量 PSNR值 Airplane 65,526 48.878 82,943 48.893 Boat 44,628 48.790 31,695 48.405 Goldhill 34,962 48.730 60,044 48.664 Lena 48,412 48.817 98,423 49.039 Peppers 46,108 48.802 91,008 48.964 Sailboat 31,704 48.707 38,924 48.491 Average 45,223 48.787 67,173 48.739

處理溢位-採用事後處理 藏入機密訊息後的像素值，其改變量最多為±1，因此偽裝影像的像素值有可能出現為–1或256的情況。 將像素位置記錄下來。 每一個像素需要記錄其(x，y)座標的位置，而每個x、y值的範圍介於0到511之間，因此記錄一個像素位置需要18 bits(2×9=18)。 在影像Boat上，我們只需要使用108 (18×6=108) 個位元來記錄。

結論與未來方向 在本論文中，使用交錯式預測編碼的方法來強化直方圖式的無失真資訊隱藏技術。 從實驗結果發現，我們不僅擁有很大的資訊嵌入量，在影像的品質上也維持了很好的水平。 其他包括奇偶列交錯方式，以及黑白棋盤交錯方式，都是未來進一步實驗與研究的方向。