افزایش فشرده سازی تصویر نهان نگاری

افزایش فشرده سازی تصویر نهان نگاری – ایران ترجمه – Irantarjomeh

مقالات ترجمه شده آماده گروه کامپیوتر

مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات

چگونگی سفارش مقاله

الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.

www.irantarjomeh.com

افزایش نرخ فشرده سازی تصویر با استفاده از نهان نگاری

چکیده

هدف از فرآیند فشرده سازی تصویر حذف موارد حشو یا افزونگی ها به منظور بحداقل رسانی تعداد بیت های مورد نیاز جهت نشان دادن یک تصویر و در عین حال بکارگیری فن آوری نهان نگاری داده ها یا استگانوگرافی برای جاسازی نامرئی داده های مخفی در بخش های حشو تصویر می باشد. تمرکز این مقاله بر روی ارتقای فرآیند فشرده سازی تصویر از طریق استگانوگرافی یا نهان نگاری داده ها می باشد. در عین آن که اهداف نهان نگاری دیجیتال و فشرده سازی داده ها از نقطه نظر تعریفی یا یکدیگر مغایر هستند، ما این تکنیک ها را بصورت توام با هم جهت متراکم سازی تصویر بکار می گیریم. بنابراین، در این مقاله دو رویکرد عرضه کننده این ایده ارائه می شوند. اولین رویکرد الگوریتم نهان نگاری را با JPEG مبتنی بر- DCT خط مبنا ترکیب می نماید، در حالی که دومین مورد از الگوریتم نهان نگاری با JPEG مبتنی بر- DWT استفاده می نماید. در این مطالعه فرآیند فشرده سازی داده ها دو بار اعمال می شود. در ابتدا، از مزیت متراکم سازی انرژی با استفاده از JPEG جهت کاهش داده های زاید استفاده می نماییم. در وهله دوم، اقدام به جاسازی برخی از بلوک های بیتی در داخل بلوک های متعاقب تصویر مورد نظر با استفاده فن آوری استگانوگرافی خواهیم نمود. بیت های جاسازی شده نه تنها اندازه فایل تصویر متراکم شده را افزایش نمی دهند، بلکه قابلیت کاهش بیشتر اندازه فایل را نیز خواهند داشت. نتایج تجربی معرف آن هستند که این فن آوری از پتانسیل وسیعی در کدگذاری نمودن تصویر برخوردار است.

کلمات کلیدی: نهان نگاری / استگانوگرافی، DCT، DWT، JPEG

۱- مقدمه

با آغاز بکار اینترنت و نیاز برای بهره گیری از سیستم های مدیریتی مناسب دیجیتال، فرآیند استگانوگرافی یا نهان نگاری توجه زیادی را به خود معطوف داشته و در این راستا کاربردهای گسترده ای، مخصوصاً به هنگام بکارگیری با پروسه رمز نگاری، برای آن بوجود آمده است. به هنگامی که این دو تکنیک با یکدیگر ترکیب شوند، داده های مخفی از یک توان مضاعف در زمینه استتار اطلاعات برخوردار خواهند شد. در ابتدا داده ها رمز گذاری شده و متعاقباً در داخل رسانه هدف جاسازی می شوند. تعداد قابل توجهی از سیستم های کاربردی متعارف و غیر متعارف نهان نگاری وجود دارند. مثال کاربرد متعارف این سیستم پدیده نقشاب می باشد، که به عنوان فرآیند کپی نمودن یک لوگو یا متن مطرح است، آن هم بگونه ای که مبداء متنی هدف را بتوان به خوبی مورد اعتبار سنجی و تصدیق قرار داد.

یکی از کاربرد های محتمل نامتعارف فرآیند نهان نگاری متراکم سازی یا فشرده سازی تصویر می باشد. مقاله جاری بر روی این ویژگی تمرکز دارد. در حقیقت، اهداف نهان نگاری دیجیتال و فشرده سازی داده ها از نقطه نظر تعریفی به صورت آنتاگونیست یا ضد یکدیگر می باشند. با این وجود، در عین حال، با وجود آنکه فرآیند نهان نگاری به منظور تایید و احراز اصالت اقدام به اضافه نمودن داده های بیشتری در داخل رسانه هدف می نماید، فرآیند فشرده سازی سعی در حذف داده های حشو به منظور کاهش اندازه فایل اصلی می نماید. تا اینجا، دو الگوریتم فشرده سازی تصویر که قابلیت بررسی این ایده را دارند مورد کنکاش قرار گرفته اند. اولین الگوریتم از JPEG مبتنی بر – DCT خط مبنا استفاده می نماید، در حالی که دومین الگوریتم از JPEG مبتنی بر DWT بهره می جوید. JPEG خط مبنا و نگارش مبتنی بر – DWT  JPEG هم چنان به صورت گسترده ای برای فشرده سازی تصاویر ثابت موجود در وب و تصاویر حاصل آمده به وسیله دوربین های دیجیتالی مورد استفاده قرار می گیرند. جهت کاهش اندازه فایل اصلی، یک ویژگی نهان نگاری نیز در فرآیند رمزگذاری متراکم شامل شده است.

…

در این مقاله، ما نسبت به معرفی یک الگوریتم جدید، تحت عنوان Stego-JPEG (DWT)، بر حسب تحقیق قبلی ما یعنیStego-JPEG (DCT)  (Jafari، Ziou و Mammeri، ۲۰۱۱)، اقدام می نماییم تا بدینوسیله کاربرد فرآیند استگانوگرافی یا نهان نگاری را در حوزه DWT نشان دهیم. به علاوه، ما اقدام به بررسی چارچوب قبلی خود برای تصاویر رنگی می نماییم که فراهم آورنده میزان بهره با فشردگی سطح بالا و هم چنین کیفیت بالا می باشد.

این مقاله به شرح ذیل سازمان دهی شده است، در بخش ۲، ما برخی از ویژگی های اساسی مرتبط با JPEG و مخفی سازی داده ها در JPEG را مورد بررسی قرار می دهیم. در بخش ۳، فرآیند فشرده سازی پیشنهادی مورد بررسی قرار می گیرد. متعاقبا، نتایج خود را از طریق مجموعه ای از شبیه سازی ها در بخش ۴ ارائه می نمائیم. در نهایت، نتیجه گیری و رهنمود های آتی در بخش ۵ عرضه خواهند شد.

افزایش فشرده سازی تصویر نهان نگاری

۲- سابقه مخفی سازی داده ها و فشرده سازی

مبحث ضروری در ارتباط با سوابق مطالعاتی در این بخش ارائه می شود. بخش ۲-۱ به صورت مختصر تشریح کننده فرآیند فشرده سازی پر اتلاف JPEG بر مبنای DCT و DWT می باشد، در حالی که بخش ۲-۲ ارائه دهنده برخی از مباحث مرتبط در خصوص مخفی سازی داده ها در JPEG است.

۲-۱٫ JPEG

JPEG خط مبنا عمدتاً متشکل از مراحل ذیل می باشد. مولفه های RGB رنگ اصلی به YC_BC_R تبدیل می شوند. متعاقباً هر یک از مولفه های YC_BC_R به بلوک های اندازه پیکسل های ۸×۸ تقسیم می گردند. هر بلوک به عنوان در معرض عملیات ذیل خواهد بود: تبدیل گسسته کسینوسی (DCT)، کوانتش، پویش زیگزاگی، کد گذاری طول اجرا و کد گذاری هافمن (Wallace ، ۱۹۹۲). تبدیل گسسته کسینوسی قابلیت نگاشت بلوک های ۸×۸ به یک مجموعه از ضرایب تبدیل را خواهد داشت. DCT دو بعدی به شرح ذیل تعریف می گردد: .

 نیز در صورتی که   حاصل شود معتبر و در غیر این صورت این میزان مساوی با ۱ خواهد بود. در طی فرآیند کوانتش، فشرده سازی از طریق کاهش تعداد بیت های استفاده شده جهت تشریح هر ضریب اعمال می گردد. هر ضریب F(i,j) به گونه ای کوانتیده می گردد که  حاصل شود، که در آن  به عنوان جدول کوانتش تعریف شده به صورت تجربی مشخص می شود (Wallace، ۱۹۹۲). ضرایب کوانتیده متعاقباً به گونه ای گرد می شوند که  حاصل شود. این ضرایب را می توان در یک ترتیب زیگزاگی از ضرایب دارای بسامد پایین به ضرایب دارای بسامد بالا کد گذاری نود. ضرایب AC نیز با استفاده از کد گذاری طول اجرا و کد گذاری هافمن کد گذاری می شوند. ضریب DC غالباً دارای مقدار بسیار بزرگ تر در  مقایسه  با  ضرایب  AC  می باشد و ارتباط بسیار نزدیکی بین ضرایب DC بلوک های مجاور موجود است. بنابراین، JPEG قابلیت کد گذاری موارد متفاوت بین ضرایب DC بلوک های متوالی با استفاده از فرآیند کد گذاری مدولاسیون کد پالس تفاضلی (DPCM) را خواهد داشت.

۲-۲٫ مخفی سازی داده ها و نهان نگاری

نهان نگاری به عنوان علم پیام های مخفی تلقی می شود آن هم به روشی که هیچ شکی در ارتباط به وجود آن پیام در داخل رسانه خاص وجود نداشته باشد. یک روش طبیعی جهت جاسازی پیام (که هم چنین تحت عنوان بار مفید / طرفیت نیز خوانده می شود) به داخل یک میزبان رسانه، بدون القای هر گونه تحریف قابل فهم، اصلاح کم اهمیت ترین بیت نمونه های آن رسانه می باشد. این تکنیک تحت عنوان جاسازی کم اهمیت ترین بیت یا  LSB  خوانده می شود. در JPEG، داده های مخفی در LSB ضرایب DCT کوانتیده گرد شده، که مقادیر آنها ۱-، ۰ یا ۱ نمی باشند، جاسازی می شوند. قید های مرتبط با مقدار ضرایب از ابهام محتمل در فرآیند استخراج داده های مخفی جلوگیری می کنند (Tseng، Chang، ۲۰۰۴). به طور مثال، در صورتی که داده های مخفی ۰ باشد و ضریب DCT کوانتیده برابر با ۱ باشد، متعاقباً ضریب DCT کوانتیده پس از جاسازی به ۰ تغییر خواهد یافت. در عین حال، دیگر ضرایب با مقدار اصلی ۰ دارای هیچگونه داده جاسازی شده مخفی در داخل خود نخواهند بود. بنابراین از ضرایب چندانی برای جاسازی استفاده نمی شود. به طور مثال همانگونه که در شکل ۲ مشخص شده است، تنها دو بیت جاسازی می شوند.

افزایش فشرده سازی تصویر نهان نگاری

۳- طرح مخفی سازی تصویر فشرده

به یاد آورید که الگوریتم های فشرده سازی بر مبنای استگانوگرافی / نهان نگاری می بایست قابلیت حصول پارامترهایی نظیر عدم مشهود شدگی، ظرفیت یا بار مفید، توانمندی و اندازه مناسب فایل را داشته باشند. داده های جاسازی شده در صورتی به صورت مخفی خواهند بود که یک فرد دارای ابزارهای دیداری متعارف، قابلیت تشخیص رسانه ای که اطلاعات مخفی در داخل آن وجود دارد، در مقایسه با همان رسانه بدون اطلاعات مخفی، را نداشته باشد. ظرفیت یا بار مفید به تعداد بیت های مخفی اشاره دارد که سبب ارائه ضروریات مربوط به ناپیدائی یا حالت نامرئی اطلاعات می شود. داده های جاسازی شده در صورتی می توانند به صورت مناسب و استوار در نظر گرفته شوند که پس از تغییرات غیر عامدانه نظیر متراکم سازی پر اتلاف قابل شناسایی باشند. در نهایت، مبحث آخر، که لازم است توجه خاصی به آن پس از جاسازی اعمال داشت، اندازه فایل می باشد. چنین مبحثی غالباً در رویه های متعارف نهان نگاری مد نظر قرار نمی گیرند، اما برای فشرده سازی لازم است تا اندازه فایل را کاهش داد. ذیلاً ما روشی را با استفاده از فرآیند نهان نگاری به عنوان ابزاری جهت ارتقای تراکم و فشرده سازی  پیشنهاد  می نماییم. در این رابطه دو فرآیند ارائه می شوند: جاسازی و استخراج (Jafari و همکاران، ۲۰۱۱).

۳-۱٫ طرح مبتنی بر DCT

۳-۱-۱٫ فرآیند جاسازی

پس از تقسیم تصویر هدف به مجموعه ای از بلوک های ۸×۸ پیکسلی، برخی از آنها در بلوک های متعاقب همان تصویر جاسازی می شوند. چنین موردی به ما اجازه کاهش اندازه فایل اصلی با استفاده از فرآیند نهان نگاری را خواهد داد. جهت درک این موضوع، ما به بلوک هدف به عنوان بلوکی که می بایست مخفی شود رجوع نموده و بلوک های متعاقب آن را به عنوان بلوک های گیرنده در نظر می گیریم، چرا که آنها می بایست قابلیت دریافت بیت ها از بلوک هدف را داشته باشند (Jafari و همکاران، ۲۰۱۱).

ایده کلیدی متعاقباً فشرده سازی یک بلوک هدف B_k مرتبط با یک تصویر با استفاده از JPEG پر اتلاف و سپس مخفی سازی بیت های حاصله در بلوک های بعدی B_k+1, …, B_l تصویر متراکم شده، بر حسب شکل ۳، می باشد. برای تصاویر رنگی، هر مولفه (Y، C_B و C_R) به صورت مجزا مورد پردازش قرار می گیرد. مجموع کل بیت های جاسازی شده n = n_k+1 + n_k+2 + … + n_l است، که در آن n_k+1, n_k+2, …, n_l به ترتیب به عنوان بیت های جاسازی شده در بلوک های B_k+1, …, B_l مد نظر می باشند. این مورد وابسته به تعداد بیت های کد گذاری شده خواهد بود. در صورتی که m را در نظر بگیریم تعداد میانگین بیت های مخفی شده بر حسب بلوک، متعاقباً اندازه ظرفیت برابر با m × [N × M/8 × ۸] خواهد شد. توجه داشته باشید که ما داده های مربوطه را در مولفه DC مخفی نمی نماییم، چرا که چشم انسان کاملاً در برابر این ضرایب حساس می باشد. در عوض، ضرایب داده ها به صورت ضرایب با فرکانس بالا جاسازی می شوند. قبل از جاسازی، بلوک های هدف به طور کامل با استفاده از JPEG (DCT، کوانتش، گرد کردن و مراحل کد سازی) متراکم گردیده، ولی در عین حال بلوک های دریافتی به صورت کامل متراکم نشده اند (تنها مراحل DCT و کوانتش). پس از مرحله کوانتش، بلوک های دریافتی قابلیت حصول بیت ها از بلوک هدف به شرح ذیل را خواهند داشت. منوط به بیت جاسازی شده (۰ یا ۱) مقدار ضریب کوانتیده مشخص شده  بلوک های دریافتی به نزدیک ترین مقدار زوج یا فرد گرد می شوند. در صورتی که بیت جاسازی شده مساوی با ۰ باشد،  به مقدار فرد خود گرد می شود، در غیر این صورت این مورد به مقدار زوج گرد خواهد شد.

۳-۱-۲٫ فرآیند استخراج

راهکار استخراج بلوک های جاسازی شده از تصاویر فشرده شده مشابه با راهکار استفاده شده برای جاسازی می باشد. در ابتدا، فرآیند کد بردار JPEG برای تجزیه موارد اعمال می گردد. متعاقباً، بلوک های جاسازی شده از طریق کنترل ضرایب زوج و فرد  از ضرایب n بلوک های ترتیبی استخراج می شوند. ذکر این نکته ضروری است که کد بردار کلیه ضرایب که به یک مقدار با بزرگی T یا کوچکتر کوانتش شده است را نادیده می انگارد. در نهایت، DCT معکوس برای بلوک های استخراجی و بلوک های اصلی بکار گرفته می شود. توجه داشته باشید که کد بردار نهان – JPEG (DCT) برای هر کدام از مولفه های Y، C_B و C_R به صورت مجزا برای تصاویر رنگی تکرار می شود. نمودار بلوکی تجزیه در شکل ۴ نشان داده شده است.

۳-۲٫ طرح مبتنی بر- DWT

۳-۲-۱٫ فرآیند جاسازی

همانگونه که در مطالعات Queiroz، Huh و Rao (1997) مشخص شد، ضرایب DWT، همانگونه که در شکل ۶ نشان داده شده است، در بلوک های مشخصی گروه بندی گردیده است، که در آن برای، DWT سطوح – L، بلوک های نمونه های  ۲^L × ۲^L   مجدداً  ساخته  می شود. ما مشخص می سازیم که نوارهای فرعی از فرکانس های پایین به بالا، یا به صورت افقی، عمودی و اریبی پویش می شوند.

طرح نهان نگاری یکسانی که در داخل DCT-JPEG بکار گرفته شده است نیز در این بخش مورد استفاده قرار می گیرد. این بدان معنا است که قبل از فرآیند جاسازی، بلوک های هدف با استفاده از DWT-JPEG، شامل تغییر شکل DWT، کوانتش و کد سازی آنتروپی، همانگونه که در شکل ۷ نشان داده شده است، فشرده می گردند. در این فرآیند بلوک های گیرنده با استفاده از DWT تغییر شکل یافته و مورد کوانتش قرار می گیرند. پس از انجام این عمل این بلوک ها قابلیت دریافت بیت از بلوک های هدف به شرح ذیل را خواهند داشت. منوط به بیت جاسازی شده (۰ یا ۱)، مقدار ضریب کوانتش که بر مبنای بلوک های گیرنده  مشخص می شود به نزدیک ترین مقدار زوج یا فرد گرد می شوند. در صورتی که بیت جاسازی شده مساوی با ۰ باشد،  به نزدیک ترین مقدار فرد خود گرد شده، در غیر این صورت این مقدار به نزدیک ترین مقدار زوج خود گرد خواهد شد.

۳-۲-۲٫ فرآیند استخراج

فرآیند استخراج یکسانی که با DCT بکار گرفته شده است را می توان در DWT نیز بکار گرفت. مراحل این فرآیند برای تصاویر طیف خاکستری به شرح ذیل ارائه می شوند:

__________________________________

الگوریتم ۴٫ کد بردار نهان JPEG (DWT)

ورودی: یک تصویر نهان JPEG (DWT) فشرده شده

خروجی: یک تصویر نافشرده I

مراحل ذیل فرآیند جاسازی اعمال می گردند:

1. بلوک های از حالت فشرده بیرون آمده به وسیله رمز برداری JPEG بر مبنای DWT.

2. استخراج بلوک جاسازی شده B_k+1, …, B_l ضرایب از بلوک های متعاقب به گونه ای که:

افزایش فشرده سازی تصویر نهان نگاری

۴- نتایج تجربی

با توصیف دو رویه فشرده سازی تصاویر، ما در این بخش روش ارزیابی بکار گرفته شده در تحقیق جاری همراه با پارامتر های شبیه سازی را ارائه می نماییم.

عملکرد فشرده سازی طرح های تحت بررسی با استفاده از نسبت فشرده سازی و کیفیت فشرده سازی مورد ارزیابی قرار می گیرند. توجه داشته باشید که مقایسه معیار تصویر به عنوان یک ویژگی تشابه بین تصاویر اصلی و تصاویر بازیافتی مد نظر است. برای مقایسه بین تصاویر، ما از نسبت پیک سیگنال به نویز (PSNR) به عنوان پارامتر برآورد کیفیت تصویر استفاده  نموده ایم. بر این مبنا می توان از برآورد  SSIM استفاده نمود که برای ارزیابی مفهومی مناسب می باشد (Wang، Bovik، Sheikh و Simoncelli، ۲۰۰۴). با این وجود، این مورد نشان داده شده است که برای فشرده سازی  JPEG، دو مورد SSIM و PSNR به صورت برابر می باشند (Hore و Ziou، ۲۰۱۰). PSNR به وسیله ۱۰log₁₀(255₂/MSE) تعریف شده که در آن MSE به عنوان میانگین مربع خطا به شمار می آید. الگوریتم های ارائه شده در بخش های قبلی با مقادیر مختلف T مورد آزمایش قرار گرفته و اعمال گردیده اند.

نتایج ما نشان دهنده آن هستند که به هنگامی که T = 1 حاصل می شود افزایش نسبت فشردگی، با حصول کیفیتی قابل پذیرش برای هر دوی نهان- (DCT) JPEG و نهان –  (DWT) JPEG، همانگونه که در شکل ۵ نشان داده شده است، در حالت حداکثری خواهد بود. علاوه بر این ما اقدام به آزمایش T = 1 با استفاده از ۳۱۵ تصویر طیف خاکستری با پیکسل های ۵۱۲ × ۵۱۲ نمودیم. این تصاویر طبیعی بوده و دارای گوناگونی گسترده ای از مضامین (فعالیت فضایی کم و زیاد) می باشند. شکل ۹ معرف دسته ای از تصاویر متعلق به این مجموعه اطلاعاتی است. جدول ۱ نشان دهنده میانگین نسبت فشرده سازی و میانگین کاهش PSNR بر روی این ۳۱۵ تصویر بر مبنای DCT و DWT می باشد.

افزایش فشرده سازی تصویر نهان نگاری

۵- نتیجه گیری

ما نشان دادیم که چگونه فرآیند استگانوگرافی یا نهان نگاری را می توان بصورت کارآمدی جهت افزایش نرخ فشردگی JPEG بر مبنای DCT و DWT بکار گرفت. حتی در عین آن که اهداف نهان نگاری و فشرده سازی را می توان بصورت ضد و نقیض دانست، ما نشان دادیم که چگونه این تکنیک ها را می توان بصورت توام با هم به منظور فشرده سازی و مخفی سازی داده ها در داخل یک تصویر استفاده نمود. بنابراین یک طرح فشرده سازی نوین بر مبنای JPEG و نهان نگاری مورد بررسی قرار می گیرد. ایده مرتبط با مبحث تحقیقی ما فشرده سازی بلوک هدف یک تصویر با استفاده از JPEG و متعاقبا مخفی سازی بیت های حاصله در بلوک های متعاقب تصویر فشرده شده می باشد. این بدان معنا است که فرآیند متراکم سازی داده ها تحت این ویژگی دو بار تکرار می شود. در ابتدا JPEG (بر مبنای DCT یا DWT) بکار گرفته می شود که سبب حذف داده های حشو یا افزونه شده و در نهایت از طریق نهان نگاری قابلیت جاسازی برخی از بیت های یک بلوک مشخص در داخل بلوک های متعاقب همان تصویر ایجاد می شود. بیت های جاسازی شده سبب افزایش اندازه فایل تصویر متراکم شده نگردیده، اما با توجه به آن که موارد خاصی در داخل تصویر مخفی شده اند، اندازه فایل را می توان حتی متعاقبا کاهش داد. نتایج تجربی نشان دهنده آن هستند که روش ما سبب ارائه نرخ فشرده سازی بهتری همراه با کیفیت بالاتری شده است.