18/09/2016 08:25:25 AM

Ứng dụng

Bài 04 Kỹ thuật thủy vân ảnh số - Thủy vân ảnh

4.1.THỦY VÂN ẢNH SỐ

Hình 11: Lược đồ giới thiệu thuật toán thủy vân số ẩn theo [19]

Có rất nhiều thuật toán cho kỹ thuật hình ảnh thủy vân được áp dụng hiển nay. Trong phần này chúng ta sẽ thảo luận về một vài trong số đó. Chúng tôi quan tâm trên một lược đồ thủy vân hiển, một số lược đồ thủy vân ẩn và lược đồ thủy vân kép trong [28].

M.Kankanhalli, et al. [19] đã phát triển một kỹ thuật thủy vân hiển. Họ chia các hình ảnh máy chủ thành các khối khác nhau, tìm DCT của từng khối. Sau đó họ phân loại các khối thành sáu lớp khác nhau theo thứ tự tăng độ nhạy tiếng ồn, chẳng hạn như khối cạnh, thống nhất với cường độ trung bình, thống nhất với cường độ cao hay thấp. Sau đó mỗi khối được gán giá trị αvàβkhác nhau.

Các khối ảnh chủ sau đó được xác định như sau:

(4)

Ở đây là hệ số i,j DCT của ảnh thủy vân, là hệ số DCT tương ứng của ảnh gốc và là hệ số DCT của ảnh thủy vân. Hình 11 cung cấp cho các lược đồ của kỹ thuật này và hình 15 hiển thị các kết quả khác nhau.

I.J.Cox et al. [15-17] đề xuất một kỹ thuật thủy vân ẩn bền vững. Ông chèn hình thủy vân vào các thành phần quang phổ của hình ảnh bằng cách sử dụng kỹ thuật tương tự để lan truyền phổ. Các đối số là các thủy vân phải được đưa vào trong các thành phần trọng yếu của một tín hiệu nếu mà nó được mạnh mẽ để làm biến dạng tín hiệu phổ biến và tấn công nguy hiểm.

Tuy nhiên, sự thay đổi các thành phần này có thể dẫn tới sự suy giảm nhận thức của tín hiệu. Việc chèn ảnh thủy vân bao gồm các bước sau:

DCT của toàn bộ hình ảnh ban đầu được tính toán giả định như một khối.
Các vùng tri giác trọng yếu của hình ảnh được phát hiện ra. Các tác giả đã sử dụng 1000 hệ số lớn nhất.
Thủy vân được tính ở từng được chọn theo N[0, 1], ở đây N[0,1] biểu thị một phân phối chuẩn với trung bình 0 và phương sai 1.

(a)Ảnh gốc (b)Ảnh thủy vân

(c)Ảnh thủy vân lớn hơn (d)Ảnh thủy vân nhở hơn

Hình 12:Ảnh “ Lena” được thủy vân ẩn theo thuật toán [19]

Thủy vân sẽ được chèn vào trong miền DCT của hình ảnh bằng cách thiết lập các

thành phần tần số vi trong ảnh gốc đến vi sử dụng các biểu thức sau:

(5)

Ở đây α là yếu tố vô hướng.

Các tác giả đã chọn α =0,1. Kiểu Gaussian của thủy vân được sử dụng bởi vì nó là mạnh mẽ hơn để giả mạo hơn loại uniform. Việc trích lọc thủy vân bao gồm các bước sau:

DCT của toàn bộ hình ảnh ban đầu được tính toán giả định như một khối.
Sự khác biệt của 2 ảnh là thủy vân X*

Thủy vân X* đã trích xuất được so sánh với thủy vân X ban đầu, sử dụng hàm cho ở biểu thức 6.

(6)

Các thủy vân là bền vững để tín hiệu thông thường và biến dạng hình học như chuyển đổi A/D và D/ A, tái tạo, lượng tử hóa, nén, luân chuyển, dịch, cắt xén và nhân rộng. Các thủy vân là phổ quát trong ý nghĩa rằng nó có thể được áp dụng cho cả ba phương tiện truyền thông. Các kỹ thuật thuỷ vân số có những bất lợi mà nó cần hình ảnh ban đầu cho quá trình trích lọc của nó. Nó cũng không rõ, liệu các thủy vân là bền vững hay không để sao chép. Hình 13(a) và hình 16(b) cung cấp cho các sơ đồ quá trình chèn và trích lọc tương ứng. Những hình ảnh ban đầu và ảnh nhúng được đưa ra trong hình 14.

B.Wolfgang và EJDelp [25] đã phát triển một kỹ thuật thủy vân ẩn thực hiện trong miền không gian. Hình 15 quá trình thực hiện hình ảnh thủy vân bằng cách sử dụng thuật toán này. Các tiến trình chèn thủy vân có các bước sau:

(a)

(b)

(c)

(d)

(e)

(a) Tiến trình chèn (b) Tiến trình trích xuất

Hình 13(a,b): Lược đồ được giới thiệu bởi I.J.Cox et al [15-17]

Các thủy vân được tạo ra bằng cách sắp xếp một hàng dài m- chuỗi của hàng thành hai khối dimenional.
Các thủy vân sau đó được thêm vào hình ảnh. Kích thước của thủy vân nên giống như kích thước của hình ảnh.
Các tác giả xác định các chức năng tương quan không gian chéo của ảnh X và Y là:

(7)

Cho X là khối hình ảnh ban đầu, W là khối thủy vân, Y là các khối ảnh được thủy vân và Z là ảnh thủy vân có thể là giả mạo. Các số liệu thống kê thử nghiệm cho một khối được định nghĩa là:

(8)

Giá trị trung bình σ cho tất cả các khối được tính như sau:

(9)

Ở đây, là giá trị của σ cho khối thứ k và N là số lượng các khối 8x8 trong hình ảnh.

· Một mô hình thử nghiệm được phát hiện ra với phạm vi khác nhau của E[]. Các hình ảnh được công bố là hoàn toàn xác thực, xác thực nhưng giả mạo, có thể xác thực và hoàn toàn không chân thực bằng cách sử dụng mô hình thử nghiệm này.

Zhu, Et al. [30, 31] đề xuất một kỹ thuật thủy vân ẩnmà tương tự như [15-17], nhưng “mờ“ sẽ được chèn vào các hệ số wavelet. Sự khác nhau giữa thuật toán này và của [15-17] là các thủy vân (số gussian ngẫu nhiên) đã được thêm vào số lượng nhỏ phần trăm các hệ số quan trọng, trong khi trước đây trường hợp thủy vân được thêm vào mỗi hệ số high -pass wavelet.

(a) Ảnh gốc (b)Ảnh thủy vân

Hình 14:Ảnh gốc và ảnh thủy vân “tên lửa” theo thuật toán [15-17]

(a)Ảnh gốc (b)Ảnh thủy vân

Hình 15: Ảnh gốc và ảnh thủy vân “chim ưng“ theo thuật toán [25]

I.Pitas, et al. [12,14,22, 23] sử dụng một phương pháp tiếp cận cho phép nhiều hơn một chút thông tin được nhúng. Một chữ ký nhị phân gồm số lượng tương đương của các số không và thông tin được nhúng vào trong một hình ảnh bằng cách gán điểm ảnh vào một trong hai bộ. Mức cường độ của các điểm ảnh một trong các bộ được thay đổi. Mức cường độ không thay đổi trong các thiết lập khác. Phát hiển chữ ký được thực hiện bằng cách so sánh giá trị cường độ trung bình của các điểm ảnh được đánh dấu và các điểm ảnh không được đánh dấu. Chữ ký có thể được thiết kế theo cách như vậy, có khả năng chống JPEG nén và bộ lọc thông thấp. Các các nhà nghiên cứu, xử lý như vậy mức độ certianty có thể thấp như 84% và cao như 92%.

S.P.Mohanty, et al. [29] đề xuất một kỹ thuật thủy vân mới gọi là thủy vân kép. Thủy vân kép là sự kết hợp của một thủy vân có thể nhìn thấy và một thủy vân ẩn. Các thủy vân ẩn được sử dụng như bảo vệ hoặc sao lưu cho các thủy vân có thể nhìn thấy. Quá trình chèn thủy vân kép có các bước sau đây:

i.Cả hai ảnh gốc(một bản được thủy vân) W và được chia thành các khối có kích thước bằng nhau (hai hình có thể có kích thước không đồng đều).

Hình 16: Lược đồ giới thiệu quá trình chèn thủy vân hiển theo thuật toán [29]

ii. diễn diễn khối thứ n^th của hình ban đầu I và biểu thị khối thứ n^th của thủy vân W. Đối với mỗi khối (), các số liệu thống kê ở cục bộ; có nghĩa là và phương sai được tính toán. Các hình ảnh có nghĩa là giá trị màu xám cũng được tìm thấy.

iii. Khối ảnh được thủy vân thu được bằng định nghĩa sau :

với n= 1,2,… (10)

Ở đây, và được mở rộng và nhúng các yếu tố tương ứng, phụ thuộc vào và của mỗi khối. và thu được như sau :

· Các α và β cho các khối cạnh được lấy từ và tương ứng.

· Các α và β được tìm thấy bằng cách sử dụng các biểu thức sau đây (11) và (12)

(11)

(12)

Ở đây, và là những giá trị thông thường của và và là giá trị logarit thông thường của .

và được co dãn trong khoảng () và (). Ở đây là giá trị max và min của nhân tổ mở rộng, và là giá trị min, max của nhân tố nhúng. Đây là những thông số xác định mức độ chèn thủy vân.Hình ảnh được thu được là ảnh thủy vân hiển I’.

Hình 17:Lược đồ giới thiệu quá trình chèn thủy vân ẩn theo thuật toán [29]

iv. Chuỗi nhị phân ngẫu nhiên {0,1}của chu kỳ N được tạo ra bằng cách bằng cách sử dụng tuyến tính thay đổi đăng ký trên đoạn [55, 56]. Chu kỳ N bằng với số lượng điểm ảnh của hình ảnh.

v. Các thủy vân được tạo ra bằng cách sắp xếp các chuỗi nhị phân thành các khối có kích thước 4 x 4 hoặc 8 x 8. Kích thước của thủy vân là giống như kích thước của hình ảnh.

vi.Bắt đầu với bit-plane k= 0 (MSB)của ảnh I’.

vii. Thủyvânlà EX-ORedvới k^thbit-planecủa ảnh.

viii.Các thủy vân ở trên bit-plane thứ k^th và số còn lại bit-plane của hình ảnh I’ được hợp lại để tìm hình ảnh thủy vân cuối cùng.

ix. Các SNR được phát hiện ra, nếu SNR> theshold, sau đó thì dừng lại; nếu không đi đến (vii) với k tăng thêm 1 (cho bit-plane thấp hơn tiếp tục). Các hình ảnh thủy vân kép I’ cuối cùng cũng thu được.

Lược đồ giới thiệu các bước chèn thủy vân được đưa ra trong hình 16 và hình 17. Hình 18 thể hiện thủy vân kép "Lena" và "chim". Để phát hiện thủy vân một mô hình thử nghiệm tương tự như [29] được sử dụng trong thực tế.

(a) Lena (b) bird

Hình 18: Thủy vân kép “ Lena” và “ bird”

4.2.NHỮNG KHUYNH HƯỚNGTIẾP CẬN CỦA KỸ THUẬT THUỶ VÂN

4.2.1.Hướng tiếp cận dựa trên miền không gian ảnh

Đâylàhướngtiếpcậncơbản vàtựnhiên trong sốcáckỹ thuậtthuỷ vân.Miền không gian ảnhlàmiềndữliệuảnhgốc,tácđộnglênmiềnkhônggianảnhchínhlàtácđộnglên các điểmảnh,thayđổigiátrịtrựctiếpcủađiểmảnh. Mộtphươngphápphổbiếncủahướngtiếpcậnnàylàphương phápthay thểbítítquantrọngnhấtcủamỗiđiểmảnhmàtađãtìmhiểutrongcáckỹthuậtgiấutin mật.

ÝtưởngcơbảncủaphươngphápthaythếbítítquantrọngnhấtLSB(LeastSignificant Bit)làchọnratừmỗiđiểmảnhcácbítcóítýnghĩanhấtvềmặttrigiácđểsửdụng cho việcgiấutin.Bítnàođượccoilàíttrigiácnhấtvàbaonhiêubítcóthểđượclấyrađể thaythếthìphụthuộcvàotínhchấthệthốngthịgiáccuảconngườivàphụ thuộcvàonhu cầuvềchấtlượngảnhtrongcácứngdụng.Vídụ,trongảnh24bítmàu,mỗimàuđược biểu diễn bởi24bíttương ứng vớibamàu RGB,mỗimàu chiếm1byte.Ngườitasửdụng mộttínhchấtcủamắtngườilàsựcảmnhậnvềmàuB(Blue)kémhơnsovớihaimàu RG,chínhvìthếmàngườitathườngchọnbítcuốicùngtrong8bítbiểudiễnmàuBcủa mỗiđiểmảnhđểgiấutin.Thayđổibítcuốicùng trong 8bítbiểu diễn màu Bchỉlàmcho giátrịbiểudiễnmàuBtănghoặcgiảmđi1đơnvị.Dovậy,cácbítítquantrọngnhất trongtrườnghợpnàylàbítthứ24củamỗiđiểmảnh.Mộtsốthuậttoánmuốngiấunhiều hơn vàchấtlượng ảnh thấphơn mộtchútcóthểsửdụng bítcuốicùng củamỗibytebiểu diễnmỗimàuRGBlàmbítítquantrọngnhất.Trongtrườnghợpnàythìmỗiđiểmảnh sẽ chọnrađược3 bítLSB.

Tuynhiên,phươngphápnàycũngcónhiềuhạnchếnhưkhôngđảmbảođượctínhbền vữngcủathuỷvânđốivớicácthaotácnhưquayảnhhoặcnénảnhJpegchẳnghạn.Điều nàylàdễhiểuvìcácthaotácnóitrên cũng loạibỏhoặclàmsailệch cácbítítquan trọng nhất.

4.2.2.Các phép biến đổi miền không gian ảnh sang miền tần số

Nhưđãgiớithiệu ởphần trên,đểkhảosáthệthống rờirạc,trong nhiều trường hợp,chúng tathườngbiếnđổihệthốngrờirạcđósangmộtmiềnbiếnsốkhác.Cónhiềuphépbiến đổikhácnhaunhưbiếnđổitínhiệuvàhệthốngrờirạcsangmiềnZ,biếnđổisangmiền tầnsốliêntụchaysangmiềntầnsốrờirạc.Mỗiphépbiếnđổisẽcónhữngthuậnlợi riêng,tuỳtheoyêucầukhảosátmàtasẽlựachọnphépbiếnđổiphùhợp.Trongtrường hợpkhảosátmiềnkhônggianảnhngườitathườngbiếnđổimiềnkhônggianrờirạctín hiệuđiểmảnhsang miền tần sốrờirạcbằng cácphépbiến đổinhưFourier,Cosin rờirạc hayWavelet(sóngnhỏ)…Cácphépbiếnđổinàykháphứctạpvềýnghĩacũngnhưcài đặt.Trongcácphươngphápbiếnđổihaydùngthìcáckỹthuậtthuỷvânđượctrìnhbày trongcuốnsáchnàysửdụngphépbiếnđổicosinrờirạcnênmộtsốphépbiếnđổikhác chỉđượctrìnhbàysơlượcvềmặttoán họccòn phépbiến đổicosin rờirạcsẽđượctrình bàychitiếthơn.Mộtvấn đềnữalàhệthống rờirạcmàtađang nghiên cứu làhệthống hai chiều (ápdụng choảnh)nên cácphépbiến đổicũng chỉđượctrình bày trên biến đổihai chiều.

4.2.2.1Phép biến đổi Fourier rời rạc

Phépbiến đốiFourierrờirạcviếttắtlàDFT-DiscreteFourierTransformlàmộtcôngcụ toánhọcđượcdùngđểchuyểncáchbiểudiễntínhiệuvàhệthốngrờirạcsangmiềntần sốrờirạc.Thựcchấtcủacách biểu diễn này làlấy từng điểmrờirạctrên vòng trònđơnvị trong mặtphẳng Zđểbiểu diễn.Việcbiểu diễn trong miền tần sốrờirạcđặcbiệthiệu quả khixuấthiểncácthuậttoántínhtoánnhanhDFTtagọilàphépbiếnđổiFouriernhanh FFT(FastFourierTransform).

Địnhnghĩa biếnđổiFourierrờirạccho tínhiệuhaichiều(ảnhsố )

Biến đổiFourierrờirạccủamộtảnhMx N:{u(m,n)}đượcđịnh nghĩanhưsau:

(13)

Với : 0<=1,k<=N-1

Và biến đổi ngược :

(14)

4.2.2.2Phépbiếnđổicosinrờirạc

BiếnđổicosinrờirạcviếttắtlàDCT-DiscreteCosineTransformđượcđưarabởi Ahmedvàcácđồngnghiệpcủaôngvàonăm1974[61].Từđóchođếnnay,nóđượcsửdụng rấtphổbiếntrongnhiềukỹthuậtxửlýảnhsốnóiriêngvàxửlýtínhiệusốnóichung.

Trongcáckỹthuậtthuỷvânảnhdựatrênphépbiếnđổidữliệuảnhsangmiềntầnsốthì phépbiếnđổiDCTcũngđượcsửdụngnhiềunhất.Lýdoởđây làphépbiến đổiDCTđã đượcdùngtrongdạngchuẩnảnhJPEG.NếuápdụngDCTthìcũngtheochuẩncủaJPEG vàdo đó sẽtránhđượcmấtthuỷvân do phépnénJPEG.

Địnhnghĩa biếnđổicosinerờirạchaichiều

Biến đổiDCThaichiều tổng quátlàbiến đổitrên khốihaichiều bấtkìM*N,trong đó các khốikíchthước8*8,16*16đượcsửdụngnhiềunhất.Tuynhiên,chúngtasẽchỉtìmhiểu phépbiếnđổiDCTtrên khối8*8đượcsửdụngtrongchuẩnnénảnhJPEG. PhépbiếnđổithuậnDCT8*8đượcđịnh nghĩanhưsau:

(15)

I(u,v) được gọi là hệ số DCT và là số thực.

Còn biến đổi ngược IDCT được tính như sau :

(16) ở đây 0<=k,l,u,v<=7 và (17)

Đặcđiểmcủa phép biếnđổiDCTtrênảnhhaichiều

· Thểhiểnđặctínhnộidungvềtầnsốcủathôngtinảnh.Hệsốgóctrênlàlớnvà đặctrưngchogiátrịtrungbìnhthànhphầnmộtchiềugọilàhệsốDC,còn cáchệ sốkháccógiátrịnhỏhơnbiểudiễnchocácthànhphầntầnsốcaotheohướng ngangvàtheohướngthẳngđứnggọilàcáchệsố AC.

Hình19: ẢnhLena.bmp Hình 20: Nănglượngphânbố của ảnh quaphépbiếnđổiDCT

· Bản thânbiếnđổiDCTkhôngnén đượcdữliệuvìcũngsinh ra64 hệsố.

· Theonguyênlýchung,khibiếnđổichitiếtgiữacácđiểmảnhcànglớntheomột hướngnào đó trongkhốicácđiểm ảnh,hướngngang,hướngthẳngđứnghay theođườngchéo,tướngứngtheocáchướngđó,cáchệsốbiếnđổiDCTcũng lớn.

· Tómlại,DCTlàmgiảmđộtươngquankhônggiancủathôngtintrongkhốiảnh.

Điều đóchophépbiểu diễn thích hợpởmiền DCTdocáchệsốDCTcóxuhướng cóphầndưthừa íthơn.Hơnnữa,cáchệsốDCTchứathôngtinvềnộidungtần sốkhônggiancủathôngtintrongkhối.Nhờcácđặctínhtầnsốkhông gian củahệ thốngnhìncủamắtngười,cáchệsốDCTcóthểđượcmãhoáphùhợp,chỉcáchệ số DCTquantrọngnhấtmớiđượcmãhoáđểtruyềnđi.

KhốihệsốDCTcóthểchiathành3miền,miềntầnsốthấp,chứacácthôngtin quantrọngảnhhưởngđếntrigiác,miềntầnsốgiữa,vàmiềntầnsốcao.Các thôngtintrongmiềntầnsố cao thườngkhôngmangtínhtri giác cao, khinén JPEGthìthườngloạibỏ thôngtin trongmiềnnày.

(a)

	(b)


		(c)

Hình21:Phânchia3 miềntầnsốảnhcủaphépbiếnđổiDCT

(a):miềntần số thấp,(b):miềntầnsốởgiữa, (c)miềntầnsố cao

Trongcácthuậttoánthuỷvân,miềnhệsốDCTtần sốcaothường không đượcsửdụng do nóthườngkhôngbềnvữngvớicácphépxửlýảnh,hoặcnénảnhJPEG.Miềntầnsốcao cũngkhóđượcsửdụngdomộtsựthayđổidùnhỏtrongmiềnnàycũngdẫnđếnchất lượngtrigiáccủaảnh.Vìvây,miềntầnsốởgiữathường hay đượcsửdụng nhấtvàcũng chokếtquảtốtnhất.Trongthuậttoánđềxuấtcũngsửdụngmiềntầnsốởgiữa (phần đượctô đen tronghình21).

2.4.1.3Phépbiếnđổisóngnhỏ(Wavelet)

Đâylàphépbiếnđổimớinhấtđượcápdụngchoảnhsố.ÝtưởngcủaDWTchotín hiệu mộtchiềunhưsau:Tínhiệuđượcchiathành2phần,phần tần sốcaovàphần tần sốthấp. Hầuhếtnănglượngđượctậptrungởphầngóccạnhhoặccókếtcấuvàthuộcthành phần cótầnsốcao.Thànhphầntầnsốthấplạiđượcchiathànhhaiphần cótần sốcaovàthấp. Vớicácbàitoánnénvàthuỷvânthìtachỉcầnápdụngkhôngquánămlầnbướcphân chiatrên.Ngoàira,từcáchệsốDWT,tacóthểtạolạiảnh banđầu bằng quátrình DWT ngượchayIDWT.

Tacó thểmôtảbằngtoánhọcDWTvàIDWTnhưsau.Đặt:

và

làlọcthôngthấpvàlọcthông caotương ứng,màthoảmãn mộtvàiđiều kiện choviệctái xâydựngảnhbanđầu.Mộttín hiệu F(n)có thểđượcphân tíchđệquy nhưsau:

và

vớij=J+1,J,…,J0vớifJ+1(k)=F(j),kÎZ. J+1 làchỉsố mứcphângiảicao cònJ0là chỉ

số mứcphângiảithấp.Cáchệsố :

đượcgọilàcáchệsốcủatín hiệu F(n),với là thành phần phân giải nhỏ nhất (xấp xĩ) của F(n) và là thành phần chi tiết của F(n) ở các dãi tần khác nhau. Tín hiệu ban đầu F(n) có thể được xây dựng lại từ các hệ số DWT bằng cách đệ quy như sau :

hiệu banđầu F(n)có thểđượcxây dựnglạitừcáchệsố DWTbằngcáchđệquynhưsau:

Đểđảmbảo quan hệgiữaDWTvàIDWT,thìH(w)vàG(w)phảithoảđiềukiện trựcgiao sau : |H(w)|2+|G(w)|2=1.

BiếnđổiDWTvàIDWTchomảnghaichiềuMxNcóthểđượcđịnh nghĩatương tựbằng cách thựchiện các biếnđổimộtchiều DWTvàIDWTchomỗichiều tươngứng [5,18].

Hình 22: Cấu trúc phân tích Hình 23: Ảnh được phân tích

Cáctầnsốthấp(đạtđượcbằnglọcthôngthấpliêntiếp)tậptrungởgóctrái trênvàtrônggiốngnhưmộtảnhthunhỏcủaảnhgốc,vìvậydảiphụ này cònđượcgọilà băngtần xấpxỉ.Cácthànhphầntần số cao củaảnhởtrong cácbăngtần chitiếtcòn lại.

Biếnđổisóng có rấtnhiềulợithếso vớicácbiếnđổikhác,đó chínhlà:

Biếnđổisónglàmộtmôtảđađộphângiảicủaảnh.Quátrìnhgiảimãcó thểđượcxửlý tuần tựtừđộ phângiảithấpchođến độ phângiảicao.
BiếnđổiDWTgầngũivớihệthốngthịgiácngườihơnbiếnđổiDCT.Vì vậy,cóthểnénvớitỉlệcaobằngDWTmàsựbiếnđổiảnh khónhận thấy hơnnếu dùngDCTvớitỉlệtương tự.

Biếnđổisóngtạoramộtcấutrúcđượcgọilàbiểudiễntỉlệ-khônggian(scale-space representation).Trongbiểudiễnnày,cáctínhiệutầnsốcao đượcxácđịnhchínhxác trongmiềnđiểmảnh(pixeldomain),còncáctín hiệu tần sốthấpđượcxácđịnh chính xác trongmiềntầnsố.

4.3.Kỹ thuật sinh chuỗi giả ngẫu nhiên

Nhưđãtrìnhbàyởphầntrên,thuỷvâncóthểlàảnh,texthaylàmộtchuỗibít đượcsinh ngẫu nhiên [1].Kỹ thuậtsinh chuỗigiảngẫu nhiên thường đượcsửdụng đểtạothuỷ vân dựa trênphươngphápphântích thôngkê.Tạisaolạilàgiảngẫu nhiêu (pseudo-random)?vì khôngcó cáchnào để tạoracácsốngẫunhiênthựcsựtừmộtmáyvitính.Mộtkhi chươngtrìnhdochúngtaviết,thìchắcchắnsốtạoracóthểsuy luận được.Phương pháp tốtnhấtchúngtahyvọnglàviếtcácchươngtrìnhđểtạoracácchuỗisốcóđượcnhiều thuộctínhgiốngnhưcácsố ngẫunhiên.

4.3.1.Kỹ thuật trải phổ trong truyền thông

Mộtđiềuhếtsứckỳdiệucủatưduyđãđượcứngdụngtrongkỹthuậtgiấutin.Chúngta đãbiếtgiấu tin làkỹ thuậtnhúng mộtlượng thông tin sốnàođóvàotrong mộtđốitượng thôngtinsốkhác.Vànhữngngườinghiêncứuđãliêntưởngngayđếnmộtkỹthuậttrong truyềnthôngcũngcónhữngthaotáctươngtựvàngườitađãápdụngthànhcôngýtưởng đó.Kỹthuậttrảiphổtrongtruyềnthông(SpreadSpectrumCommunication)cóthểđược môtảmộtcách sơlượcđơngiảnnhưsau [13]:

TừmộtmáyphátAmuốntruyềnmộtthôngtinMtrênmộtkênhtruyềnđếnmáythuB, ngườitachiathôngtinMrathành n góithông tin nhỏ{ trướckhiđưalên kênhtruyềndẫnmỗigóitinnhỏsi đượctrảiphổbằngmộtmãtrảiphổgiảnhiễu.Mãtrải phổgiảnhiễunàyphảiđượcxácđịnhvàcungcấpchobênthu đểbên thu nén phổlấy tin ra.Kếtquảcủaviệctrảiphổlàphổcủatín hiệuđượctrảirộngragấp hàngtrămlầnso với banđầuvàmậtđộnănglượngphổcũngthấpxuốnglàmchogiốngnhiễu.Côngviệcnày có mộtsố íchlợisauđây:

- Thứnhất,thôngtin thườngcó giảitầnthấpdễbịgiao thoavớisóng khác.

- Thứhai,đảmbảođộantoàntruyềntintránhbịcácmáythukháckhôngchủđích thuđượctínhiệu.

- Thứba, trảiphổcó tácdụngnhiềungườidùngchungmộtgiảibăngtần.

Hình24: Vấnđềthuỷvân dướigócnhìncủatruyềnthông

Đếnđầuthu,nhờcómãgiảnhiễumáythusẽthựchiểnviệcđồngbộhoá.Việcđồngbộ hoábaogồmhaigiaiđoạnđólàgiaiđoạnbắtchuỗivàbámchuỗiđểtìmđúngphacủa mãtrảiphổgiảngẫunhiên.Saukhitìmđượcđúngmãtrảiphổgiảngẫunhiênthìthực hiểncôngviệcnénphổđểthuđượcgóithôngtinbanđầu.Cácgóithông tin lạiđượckết hợpvớinhauđểthuđượcthôngđiệp M.

Bâygiờ,tahãyđặtbàitoángiấutindướigócnhìncủatruyềnthông.Cácyêucầuchung nhấtđốivớithuỷvânsốđólàthuộctínhẩnvàthuộctínhbềnvững,nhưnghaithuộctính nàynhưcómộtcáigìđómâuthuẫnnhau.Thuộctínhẩncónghĩalànóiđếnnhữngtín hiệuthuỷvânphảicónănglượngnhỏđểtránhđượcnhữngtrigiácbìnhthườngtrong khi đóthuộctínhbềnvữnglạinóiđếncáctínhiệuphảiđủlớnđểcóthểpháthiểnrasựtồn tạicủathuỷvânvàlấyrađượctừnguồnchứa.Dướinhữngđiềukiệnnàythìbanđầulý thuyếttruyềnthôngtrảiphổ(spreadspectrum)làmộtcáchthíchhợpnhấtchothuỷ vân số vìnósẽtrảirộngtínhiệuthuỷ vân vớimộtbiên độthấpnhưng vớibăng thông đủ rộng để có thểnắmđượcnănglượng củacáctínhiệudànhcho việcpháthiểnthuỷvân.

Cóthểcoiquátrình truyền đốitượng đãđượcnhúng thuỷ vân dướisựtácđộng củacác tấncôngbênngoàicũnggiốngnhưlàtruyềndữliệutrongmôitrường không tin cậy.Tiến

trìnhnhúngthuỷvâncũnggiốngnhưtiếntrìnhmãkênh(chanelcoding).Giảimãđểlấy thuỷvâncũnggiốngnhư tiếntrìnhxử lýởbênnhậnthôngtintrongmộtphiêntruyền thông (Hình 24).

Nhiềukĩthuậtvàcôngcụđểnângcaotruyềnthôngcũngcóthểđượcápdụngđểnâng caođộbềnvữngcủathuỷvân.Sẽrấtlàthuậntiệnnếutasửdụngnhữnglýthuyếttruyền thốngđểápdụngchothuỷvânsố.Mặcdùnhữnglýthuyếnnày chủ yếu chỉnhằmvàotính bềnvữngcủathuỷvânvànhưvậynghĩalàkhôngđầyđủ.Tuynhiên,nórấtlàhữuích trongviệcthiếtkếvàđánhgiáthuậttoán chowatermarking.

4.3.2.Các kỹ thuật kiểm định thuỷ vân

Đâylà kỹthuậtconđược sử dụngsaucùngtrongkỹthuậtthuỷvân.Thuỷvânđược nhúngsaukhigiảimãsẽđượcsosánhđểkiểmđịnh,chứng thựcthuỷ vân.Cónhững thuỷ vânnhìnthấyđượcvàmangýnghĩanhậnbiếtthìcôngviệctrởnênquáđơngiảnchẳng hạnnhưthuỷvânlàmộtchuỗimãkĩtựASCIImangthôngtinnàođónhưtêntácgiả, ngàytháng…thìkhigiảimãtacũngdễdàngnhậnbiêtthôngtin.Haynhưthuỷvânlà mộtảnhnàođóchẳnghạnthìgiảimãracũng đượcmộtcáiảnh tượng tựvàtacóthểnhìn thấysựkhácbiệtgiữahaiảnh.

Tuynhiên,trongmộtsốtrườnghợpthìthuỷvânlàmộtchuỗibítnàođấy,thuỷvân chuỗi bítmangýnghĩathốngkênênnócũngthườngđượcsửdụng.Vậythìkhiđócôngviệc nhậndiệnthuỷvân sẽkhông đơn giản.Hoặcngay cảtrong trường hợpthuỷ vân lànhững thôngtinmangýnghĩanhậnbiếtđượcthìcũngphảicókỹthuậtđểkiểmđịnhđịnhlượng sựđúngsaicủathuỷvân.

Cónhiềukỹthuậtđểkiểmđịnhđịnhlượngthuỷvân.Kỹthuậtđơngiảnnhấtlàtatínhtỉ lệđúngsaitừngbít,chẳnghạntanhúngmộtthuỷvâncóđộdàilà1000bít,khigiảimã thuỷvânbịsailệchmất1 bítso vớibanđầuvậy thìtỉlệsailà1/1000 =10^-3 .

» Tin mới nhất: