Tài liệu Phát triển một số phương pháp giấu tin thuận nghịch trên ảnh đa cấp xám

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Nguyễn Kim Sao PHÁT TRIỂN MỘT SỐ PHƯƠNG PHÁP GIẤU TIN THUẬN NGHỊCH TRÊN ẢNH ĐA CẤP XÁM Chuyên ngành: Hệ thống thông tin Mã số: 9480104.01 LUẬN ÁN TIẾN SĨ HỆ THỐNG THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. PGS. TS. Phạm Văn Ất 2. PGS. TS. Nguyễn Ngọc Hóa Hà Nội - 2020 i LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu do tôi thực hiện dưới sự hướng dẫn của PGS. TS. Phạm Văn Ất và PGS. TS. Nguyễn Ngọc Hóa tại bộ môn Hệ thống thông tin, Khoa Công nghệ Thông tin, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội. Hà Nội, ngày 20 tháng 02 năm 2020 NCS Nguyễn Kim Sao ii LỜI CẢM ƠN Luận án này được thực hiện tại Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội dưới sự hướng dẫn của PGS. TS. Phạm Văn Ất và PGS. TS. Nguyễn Ngọc Hóa. Nghiên cứu sinh xin gửi lời cảm ơn sâu sắc đến các thầy về sự giúp đỡ, chỉ dẫn tận tình trong quá trình nghiên cứu. Các thầy là tấm gương sáng cho tôi trong nghiên cứu chuyên môn cũng như trong cuộc sống. Nghiên cứu sinh xin gửi lời cảm ơn đến các thầy giáo, cô giáo ở Đại học Công nghệ đã tạo điều kiện thuận lợi và giúp đỡ nghiên cứu sinh trong thời gian học tập tại Trường. Nghiên cứu sinh xin gửi lời cảm ơn tới lãnh đạo Trường Đại học Giao thông Vận tải, các đồng nghiệp tại Khoa Công nghệ thông tin, đặc biệt là Bộ môn Mạng và các Hệ thống thông tin, Đại học Giao thông Vận tải đã tạo điều kiện thuận lợi trong quá trình tôi vừa làm nghiên cứu sinh vừa công tác tại Trường. Cuối cùng nghiên cứu sinh xin bày tỏ lòng biết ơn đến gia đình và bạn bè đã động viên, giúp đỡ về tinh thần, thời gian để nghiên cứu sinh hoàn thành luận án. NCS Nguyễn Kim Sao iii MỤC LỤC LỜI CAM ĐOAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i LỜI CẢM ƠN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii MỤC LỤC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT . . . . . viii DANH MỤC CÁC HÌNH VẼ . . . . . . . . . . . . . . . . . . . . . xi DANH MỤC CÁC BẢNG BIỂU . . . . . . . . . . . . . . . . . . . xii MỞ ĐẦU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . CHƯƠNG 1. CÁC KHÁI NIỆM VÀ KIẾN THỨC CƠ SỞ 1 13 1.1 Một số khái niệm và thuật ngữ cần dùng . . . . . . . . . . . . . . 13 1.2 Một số vấn đề về giấu tin thuận nghịch . . . . . . . . . . . . . . . 15 1.2.1 Các khái niệm về giấu tin . . . . . . . . . . . . . . . . . . . 15 1.2.2 Giấu tin thuận nghịch . . . . . . . . . . . . . . . . . . . . . 19 1.2.3 Các yếu tố đánh giá chất lượng một lược đồ giấu tin thuận nghịch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 1.2.4 Những thách thức trong xây dựng lược đồ giấu tin thuận nghịch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 1.3 Các phương pháp dự báo . . . . . . . . . . . . . . . . . . . . . . . 22 1.3.1 Dự báo hình thoi . . . . . . . . . . . . . . . . . . . . . . . . 23 1.3.2 Dự báo dò biên trung vị (MED) . . . . . . . . . . . . . . . 23 1.3.3 Dự báo dựa trên sắp xếp giá trị điểm ảnh PVO (Pixel Value Ordering) . . . . . . . . . . . . . . . . . . . . . . . . 23 1.4 Phương pháp chèn bít thấp (LSB) . . . . . . . . . . . . . . . . . . 24 1.5 Phương pháp dịch chuyển histogram (HS) . . . . . . . . . . . . . 25 1.5.1 Cặp histogram . . . . . . . . . . . . . . . . . . . . . . . . . 25 1.5.2 Cặp giá trị (peak, zero) . . . . . . . . . . . . . . . . . . . . 26 iv 1.5.3 Dịch chuyển histogram . . . . . . . . . . . . . . . . . . . . 26 1.5.4 Dịch chuyển histogram trên sai số dự báo (PEHS) 1.5.5 Thủ tục nhúng và trích dữ liệu bằng phương pháp HS . . 28 1.5.6 Thách thức đối với phương pháp giấu tin thuận nghịch . . . . 27 dựa trên HS . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 1.6 Phương pháp mở rộng hiệu . . . . . . . . . . . . . . . . . . . . . . 31 1.6.1 Giấu tin theo phương pháp mở rộng hiệu . . . . . . . . . . 31 1.6.2 Khái niệm khả mở . . . . . . . . . . . . . . . . . . . . . . . 32 1.6.3 Khái niệm khả biến 1.6.4 Khái niệm bản đồ định vị . . . . . . . . . . . . . . . . . . . 33 1.6.5 Phương pháp mở rộng sai số dự báo PEE (Prediction Error . . . . . . . . . . . . . . . . . . . . . . 32 Expansion) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 1.7 Phương pháp kết hợp PEHS và PEE . . . . . . . . . . . . . . . . . 34 1.8 Kết luận Chương 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 CHƯƠNG 2. VẤN ĐỀ TÍCH HỢP VÀ DỊCH CHUYỂN HISTOGRAM TRÊN CÁC ĐOẠN CON 2.1 2.2 36 Các phương pháp histogram liên quan . . . . . . . . . . . . . . . . 36 2.1.1 Phương pháp Hwang . . . . . . . . . . . . . . . . . . . . . 36 2.1.2 Phương pháp MF 2.1.3 Phương pháp Li 2.1.4 Phương pháp Qu . . . . . . . . . . . . . . . . . . . . . . . . 39 . . . . . . . . . . . . . . . . . . . . . . . 37 . . . . . . . . . . . . . . . . . . . . . . . . 38 Tích hợp thông tin phụ trong dịch chuyển histogram (Đề xuất 1) 41 2.2.1 Thuật toán nhúng tin . . . . . . . . . . . . . . . . . . . . . 41 2.2.2 Thuật toán khôi phục dữ liệu và ảnh gốc . . . . . . . . . . 43 2.2.3 Ví dụ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 2.2.4 So sánh phương pháp đề xuất với các phương pháp Hwang và MF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 2.2.5 Thử nghiệm Đề xuất 1 . . . . . . . . . . . . . . . . . . . . . 49 v 2.3 Giấu tin thuận nghịch sử dụng dịch chuyển histogram trên các dãy con . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 2.3.1 Phương pháp MED-PEHS . . . . . . . . . . . . . . . . . . 52 2.3.2 Xác định thông tin phụ . . . . . . . . . . . . . . . . . . . . 52 2.3.3 Bản đồ định vị . . . . . . . . . . . . . . . . . . . . . . . . . 54 2.3.4 Bít ưu tiên . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 2.3.5 Khả năng nhúng . . . . . . . . . . . . . . . . . . . . . . . . 56 2.3.6 Thuật toán nhúng . . . . . . . . . . . . . . . . . . . . . . . 57 2.3.7 Thuật toán trích . . . . . . . . . . . . . . . . . . . . . . . . 58 2.3.8 Phương pháp MED-SUB (Đề xuất 2) . . . . . . . . . . . . 59 2.4 Cải tiến phương pháp Qu (IQ) (Đề xuất 3) . . . . . . . . . . . . . 64 2.5 Thử nghiệm Đề xuất 2 và Đề xuất 3 . . . . . . . . . . . . . . . . . 65 2.6 Kết luận Chương 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 CHƯƠNG 3. THU NHỎ BẢN ĐỒ ĐỊNH VỊ TRONG PHƯƠNG PHÁP MỞ RỘNG HIỆU TRÊN MIỀN SAI SỐ DỰ BÁO 71 3.1 Phương pháp Sachnev . . . . . . . . . . . . . . . . . . . . . . . . . 71 3.2 Giấu tin thuận nghịch dựa trên sắp xếp các điểm ảnh theo phương sai và độ lệch tâm (Đề xuất 4 - Phương án 1) 3.3 . . . . . . . . . . . 72 3.2.1 Thuật toán nhúng tin . . . . . . . . . . . . . . . . . . . . . 73 3.2.2 Thuật toán trích tin và khôi phục ảnh gốc . . . . . . . . . 75 3.2.3 Thử nghiệm Đề xuất 4 - Phương án 1 . . . . . . . . . . . . 76 Giấu tin thuận nghịch dựa trên sắp xếp các điểm ảnh theo phương sai và độ lệch tâm (Đề xuất 4 - Phương án 2) . . . . . . . . . . . 76 3.3.1 Cải tiến phương pháp sắp xếp . . . . . . . . . . . . . . . . 76 3.3.2 Cải thiện khả năng nhúng và chất lượng ảnh . . . . . . . 79 3.3.3 Thuật toán nhúng tin . . . . . . . . . . . . . . . . . . . . . 81 3.3.4 Thuật toán trích tin và khôi phục ảnh gốc . . . . . . . . . 83 3.3.5 Nhúng tin trên toàn ảnh . . . . . . . . . . . . . . . . . . . 84 vi 3.3.6 3.4 Thử nghiệm Đề xuất 4 - Phương án 2 . . . . . . . . . . . 85 Kết luận Chương 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 88 CHƯƠNG 4. GIẤU TIN TRÊN CÁC ĐIỂM ẢNH LỚN NHẤT VÀ NHỎ NHẤT CỦA MỖI KHỐI ẢNH BẰNG PVO 89 4.1 Một số khái niệm và ký hiệu cần dùng 4.2 Các công trình liên quan 4.3 . . . . . . . . . . . . . . . 89 . . . . . . . . . . . . . . . . . . . . . . . 91 4.2.1 Phương pháp PVO . . . . . . . . . . . . . . . . . . . . . . . 91 4.2.2 Phương pháp IPVO . . . . . . . . . . . . . . . . . . . . . . 92 4.2.3 Phương pháp PVO-K . . . . . . . . . . . . . . . . . . . . . 92 4.2.4 Phương pháp GePVO-K . . . . . . . . . . . . . . . . . . . 93 Giấu tin trên các điểm ảnh lớn nhất và nhỏ nhất của mỗi khối ảnh (Đề xuất 5 - Phương án 1) . . . . . . . . . . . . . . . . . . . . 94 4.4 4.3.1 Thuật toán nhúng dữ liệu trong một khối . . . . . . . . . 95 4.3.2 Trích tin và khôi phục ảnh gốc trên một khối 4.3.3 Bản đồ định vị và cờ 4.3.4 Thuật toán nhúng dữ liệu trên toàn ảnh của ĐX5-PA1 . . 106 4.3.5 Thuật toán trích dữ liệu và khôi phục ảnh gốc của ĐX5-PA1107 4.3.6 Phân tích, so sánh ĐX5-PA1 và Phương pháp GePVO-K 4.3.7 Kết quả thử nghiệm Đề xuất 5 - Phương án 1 . . . . . . . 110 . . . . . . . 99 . . . . . . . . . . . . . . . . . . . . . 104 108 Giấu tin trên các điểm ảnh lớn nhất và nhỏ nhất của mỗi khối ảnh (Đề xuất 5 - Phương án 2) . . . . . . . . . . . . . . . . . . . . 112 4.5 4.4.1 Thuật toán nhúng tin trong một khối ảnh . . . . . . . . . . 112 4.4.2 Thuật toán trích tin và khôi phục ảnh gốc của ĐX5-PA2 . 117 4.4.3 Thử nghiệm Đề xuất 5 - Phương án 2 . . . . . . . . . . . . 118 Kết luận Chương 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . 118 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 120 TÀI LIỆU THAM KHẢO 123 vii PHỤ LỤC P1 viii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Viết tắt Viết đầy đủ Ý nghĩa LSB Least Significant Bit Bít thấp nhất DE Difference Expansion Mở rộng hiệu HS Histogram Shifting Dịch chuyển histogram PVO Pixel Value Ordering Sắp xếp giá trị điểm ảnh PEHS Prediction-Error Histogram Shifting Dịch chuyển histogram sai số dự báo MED Median Edge Detection PEE Prediction Error Expansion Mở rộng sai số dự báo peak peak Điểm cực đại trong biểu đồ histogram zero zero Điểm trống trong biểu đồ histogram PSNR Peak Signal to Noise Ratio Tỉ số nhiễu cực đại của tín hiệu DCT Discrete Cosine Transform Phép biến đổi cosin rời rạc DWT Discrete Wavelet Transform Phép biến đổi wavelet rời rạc SVD MNF Singular Value Decomposition Nonnegative Matrix Factorization Dò biên trung vị Khai triển giá trị đặc trưng Thừa số hóa ma trận không âm QR QR Decomposition Đưa ma trận về dạng tam giác trên LPP Left Peak Point Điểm cực đại bên trái LZP Left Zero Point Điểm cực tiểu bên trái RPP Right Peak Point Điểm cực đại bên phải RZP Right Zero Point Điểm cực tiểu bên phải ix Viết tắt Viết đầy đủ Ý nghĩa LSP Left Selected Point Điểm lựa chọn bên trái RSP Right Selected Point Điểm lựa chọn bên phải PP Peak Point Điểm cực đại CZP Closest Zero Point Điểm cực tiểu gần điểm cực đại nhất LM Location Map Bản đồ định vị ML Map on the Left side Bản đồ định vị bên trái MR Map on the Right side Bản đồ định vị bên phải DL Distortion on Left side Độ biến dạng ở bên trái DR Distortion on Right side Độ biến dạng ở bên phải pB priority Bit Bít ưu tiên FL Flat Level Mức phẳng OLM Overflow Location Map FLM Flat Location Map CLM Compressed Location Map BO DS MS ĐX1 Ordinal number Bản đồ định vị cho các khối ảnh gây tràn Bản đồ định vị phân biệt khối phẳng và khối không phẳng of the Block the Size of the Data the Size of the compressed Map Đề xuất 1 Bản đồ định vị sau khi nén Số thứ tự của khối Kích thước của dữ liệu Kích thước của bản đồ nén Tích hợp thông tin phụ trong phương pháp dịch chuyển histogram Áp dụng phương pháp dịch chuyển ĐX2 Đề xuất 2 histogram trên các dãy con của dãy sai số dự báo x Viết tắt Viết đầy đủ Ý nghĩa ĐX3 Cải tiến phương pháp Qu Đề xuất 3 Sắp xếp các điểm ảnh theo chiều tăng ĐX4 Đề xuất 4 của phương sai địa phương và độ lệch tâm ĐX5 Đề xuất 5 Giấu tin trên các điểm ảnh lớn nhất và nhỏ nhất của các khối ảnh xi DANH MỤC CÁC HÌNH VẼ Hình 1 Phạm vi nghiên cứu của luận án (đường nét đậm). . . . . . 9 Hình 1.1 Thủy vân hiện trên video . . . . . . . . . . . . . . . . . . . . 17 Hình 1.2 Sơ đồ thuật toán của lược đồ giấu tin thuận nghịch. . . . . . 20 Hình 1.3 Dự báo hình thoi. . . . . . . . . . . . . . . . . . . . . . . . . . 23 Hình 1.4 Dự báo dò biên trung vị. . . . . . . . . . . . . . . . . . . . . . 23 Hình 1.5 Dự báo sắp xếp giá trị điểm ảnh. . . . . . . . . . . . . . . . . 23 Hình 1.6 Bít thấp của một điểm ảnh . . . . . . . . . . . . . . . . . . . 24 Hình 1.7 Histogram của ảnh Lena . . . . . . . . . . . . . . . . . . . . . 27 Hình 1.8 Sơ đồ nhúng dữ liệu dựa trên sai số dự báo. . . . . . . . . . 28 Hình 1.9 Sơ đồ trích dữ liệu dựa trên sai số dự báo. . . . . . . . . . . 28 Hình 1.10 Sơ đồ nhúng tin dựa trên dịch chuyển histogram . . . . . . . 29 Hình 1.11 Sơ đồ trích tin và khôi phục ảnh gốc dựa trên dịch chuyển histogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Hình 2.1 Thứ tự duyệt dãy điểm ảnh theo phương pháp tính hiệu (sai số dự báo) của Li . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 Hình 2.2 Ngữ cảnh dự báo của phương pháp Qu . . . . . . . . . . . . 40 Hình 2.3 Các ma trận ví dụ: (a) Ảnh gốc (b) Chèn bít thấp trong I1 và dịch chuyển histogram trên I2 (các chữ in nghiêng là giá trị thay đổi)(c) Nhúng D (Giá trị in đậm là giá trị thay đổi) . . . . . 45 Hình 2.4 Phân tích về chất lượng ảnh của Đề xuất 1. . . . . . . . . . . 48 Hình 2.5 Các ảnh thử nghiệm của Đề xuất 1. . . . . . . . . . . . . . . 49 Hình 2.6 Một ví dụ của tiến trình tính toán sai số dự báo. . . . . . . 53 Hình 2.7 Biểu đồ histogram sai số dự báo của ví dụ trong Hình 2.6 . 54 xii Hình 2.8 Histogram của các chuỗi con E 0 , E 1 cho ảnh Bird và ngưỡng t1 = 2, t2 = 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 Hình 2.9 Các ảnh thử nghiệm của đề xuất 2 và 3. . . . . . . . . . . . . 65 Hình 2.10 So sánh hiệu quả của năm phương pháp: IQ, MED-SUB, MED-PEHS, Qu et al. [80], Li et al. [61] . . . . . . . . . . . . . . 68 Hình 3.1 Phân loại tập điểm ảnh . . . . . . . . . . . . . . . . . . . . . 73 Hình 3.2 Độ sâu của ngữ cảnh dự báo . . . . . . . . . . . . . . . . . . 77 Hình 3.3 Các ví dụ minh họa vai trò độ sâu của ngữ cảnh dự báo . . 77 Hình 3.4 Đồ thị khả năng nhúng khi α biến thiên . . . . . . . . . . . . 78 Hình 3.5 Dãy vị trí tập chấm {(i, j)}, {ci,j } ban đầu. . . . . . . . . . . 79 Hình 3.6 Dãy {ci,j }. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 Hình 3.7 Dãy {(i, j)} sau khi sắp xếp. . . . . . . . . . . . . . . . . . . . 79 Hình 3.8 Tính khả mở của Ii,j tại các vị trí (i, j)s ở đầu dãy. . . . . . 79 Hình 3.9 Một số ảnh thử nghiệm trong Đề xuất 4. . . . . . . . . . . . 85 Hình 4.1 Thuật toán nhúng tin trên một khối điểm ảnh. . . . . . . . . 96 Hình 4.2 Thuật toán nhúng tin trên các điểm ảnh lớn nhất của khối. Hình 4.3 Nhúng trong khối không có dmax2 (s = 2). . . . . . . . . . . . 103 Hình 4.4 Nhúng trong khối có dmax2 (s = 4). . . . . . . . . . . . . . . . 104 Hình 4.5 Nhúng trong khối khi không thể nhúng ở bên lớn nhất (bên 97 phải). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 Hình 4.6 Trích dữ liệu ở khối ảnh chứa tin có 3 mức phẳng liên tiếp. . 104 Hình 4.7 Trích dữ liệu với cờ. . . . . . . . . . . . . . . . . . . . . . . . 105 Hình 4.8 Sơ đồ thủ tục nhúng tin ĐX5-PA1. . . . . . . . . . . . . . . . 106 Hình 4.9 Sơ đồ thủ tục trích tin và khôi phục ảnh gốc ĐX5-PA1. . . . 108 Hình 4.10 Ví dụ về nâng cao khả năng nhúng của ĐX5-PA1 . . . . . . 109 Hình 4.11 Tập ảnh thử nghiệm của Đề xuất 5. . . . . . . . . . . . . . . 110 Hình 4.12 So sánh hiệu quả giữa phương pháp ĐX5-PA1 và các phương pháp PVO, IPVO, PVO-K, GePVO-K . . . . . . . . . . . . . . . . 116 xiii DANH MỤC CÁC BẢNG BIỂU Bảng 2.1 Tập thông tin bổ trợ H của Đề xuất 1 . . . . . . . . . . . . . 42 Bảng 2.2 So sánh thời gian trích peak từ ảnh chứa tin . . . . . . . . . 47 Bảng 2.3 Khả năng nhúng tin trên ảnh gốc I (mức 1) . . . . . . . . . 50 Bảng 2.4 Khả năng nhúng tin trên ảnh chứa tin I 0 (mức 2) . . . . . . 50 Bảng 2.5 Thời gian xác định peak (tính bằng giây) . . . . . . . . . . . 51 Bảng 2.6 So sánh chất lượng ảnh qua chỉ số PSNR với yêu cầu nhúng là 1000 bít (Đề xuất 1) . . . . . . . . . . . . . . . . . . . . . . . . . 51 Bảng 2.7 So sánh chất lượng ảnh qua chỉ số PSNR với yêu cầu nhúng là 2000 bít (Đề xuất 1) . . . . . . . . . . . . . . . . . . . . . . . . . 51 Bảng 2.8 Tỷ số Rt với Dt = 4 . . . . . . . . . . . . . . . . . . . . . . . . 62 Bảng 2.9 Tỷ số Rt với Dt = 6 . . . . . . . . . . . . . . . . . . . . . . . . 63 Bảng 2.10 Tỷ số Rt với Dt = 8 . . . . . . . . . . . . . . . . . . . . . . . . 63 Bảng 2.11 So sánh khả năng nhúng (số bít nhúng) của Đề xuất 2, 3 và các phương pháp khác . . . . . . . . . . . . . . . . . . . . . . . . 66 Bảng 2.12 So sánh chất lượng ảnh qua chỉ số PSNR (dB) với yêu cầu nhúng là 10000 bít (Đề xuất 2, 3) . . . . . . . . . . . . . . . . . . . 67 Bảng 2.13 So sánh chất lượng ảnh qua chỉ số PSNR (dB) với yêu cầu nhúng là 20000 bít (Đề xuất 2, 3) . . . . . . . . . . . . . . . . . . . 67 Bảng 2.14 So sánh chất lượng ảnh qua chỉ số PSNR (dB) với yêu cầu nhúng là 30000 bít (Đề xuất 2, 3) . . . . . . . . . . . . . . . . . . . 68 Bảng 3.1 Cấu trúc thông tin bổ trợ AI của ĐX4-PA1 . . . . . . . . . 74 Bảng 3.2 So sánh đoạn khả mở đầu tiên của ĐX4-PA1 với phương pháp Sachnev. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 Bảng 3.3 Cấu trúc thông tin bổ trợ A . . . . . . . . . . . . . . . . . . . 82 xiv Bảng 3.4 So sánh đoạn khả mở đầu tiên của ĐX4-PA2 với phương pháp Sachnev. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86 Bảng 3.5 So sánh khả năng nhúng tối đa (số bít nhúng) của ĐX4-PA2. 86 Bảng 3.6 So sánh chất lượng ảnh (theo PSNR) của ĐX4-PA2. . . . . 87 Bảng 4.1 Thông tin phụ trợ và bản đồ . . . . . . . . . . . . . . . . . . 107 Bảng 4.2 So sánh độ dài bản đồ nén (theo số lượng bít) của ĐX5-PA1, ĐX5-PA2 với các phương pháp liên quan (khối 2 × 2) . . . . . . . 111 Bảng 4.3 So sánh độ dài bản đồ nén (theo số lượng bít) của ĐX5-PA1, ĐX5-PA2 với các phương pháp liên quan (khối 3 × 3) . . . . . . . 112 Bảng 4.4 So sánh khả năng nhúng (số bít nhúng) với khối ảnh kích thước 2 × 2 (ĐX5-PA1, ĐX5-PA2) . . . . . . . . . . . . . . . . . . 113 Bảng 4.5 So sánh khả năng nhúng (số bít) với khối ảnh kích thước 3 × 3 (ĐX5-PA1, ĐX5-PA2) . . . . . . . . . . . . . . . . . . . . . . 114 Bảng 4.6 So sánh chất lượng ảnh theo chỉ số PSNR (dB) với yêu cầu nhúng 10000 bít (khối ảnh kích thước 2 × 2) (ĐX5-PA1, ĐX5-PA2)115 Bảng 4.7 So sánh chất lượng ảnh theo chỉ số PSNR (dB) với yêu cầu nhúng 20000 bít (khối ảnh kích thước 2 × 2) (ĐX5-PA1, ĐX5-PA2)115 1 MỞ ĐẦU An toàn dữ liệu (data security) là một lĩnh vực quan trọng của công nghệ thông tin với mục tiêu nghiên cứu, phát triển các phương thức ngăn chặn sự truy cập dữ liệu bất hợp pháp nhằm sao chép trái phép hoặc làm sai lệch thông tin trên mạng. Có hai phương thức thường được sử dụng trong an toàn dữ liệu là mật mã và giấu tin. Mật mã là một quá trình chuyển đổi bản rõ thành bản mã mà không thể truy cập được bởi người dùng trái phép. Mật mã gồm hai quá trình: mã hóa và giải mã. Khi mã hóa hay giải mã dữ liệu đều sử dụng khóa. Dựa trên khóa sử dụng, mật mã được chia thành hai loại: Mật mã khóa bí mật (còn gọi là mật mã khóa đối xứng) và mật mã khóa công khai (còn gọi là mật mã khóa bất đối xứng). Trong mật mã khóa bí mật, sử dụng chung một khóa cho cả hai quá trình mã hóa và giải mã. Trái lại, trong mật mã khóa công khai, dùng khóa công khai để mã hóa, khóa bí mật để giải mã. Giấu tin là kỹ thuật nhúng dữ liệu vào một sản phẩm ảnh số (hoặc âm thanh, video, văn bản, dữ liệu,...) nhằm truyền thông tin hoặc bảo vệ sản phẩm đó. Giấu tin gồm hai quá trình: Nhúng tin và trích tin. Để tăng tính bảo mật, một khóa bí mật có thể được sử dụng cho cả hai giai đoạn nhúng tin và trích tin. Với mã hóa, sản phẩm sau khi mã hóa không rõ nghĩa dễ gây sự tò mò, kích thích sự tấn công của tin tặc. Trong khi đó, đối với giấu tin, sản phẩm chứa tin không khác so với các sản phẩm thông thường, không gây ra sự nghi ngờ cho tin tặc. Giấu tin hiện vẫn nhận được nhiều sự quan tâm từ cộng đồng nghiên cứu: trong năm năm gần đây, có hơn 13.560 công bố khoa học được ghi nhận trên Thư viện số của IEEE 1 . Giấu tin (data hiding) được chia thành hai hướng 1 https://ieeexplore.ieee.org/search/searchresult.jsp?queryText="datahiding"ORsteganographyORwatermarking&highlight=true& returnFacets=ALL&returnType=SEARCH&ranges=2015_2020_Year 2 nghiên cứu chính: giấu tin mật (steganography) và thủy vân (watermarking). Giấu tin mật chú trọng tin giấu, các tác động đều được xem xét để đảm bảo tin giấu không bị phát hiện hoặc sai lệch. Thủy vân lại chú trọng hơn đến sản phẩm, tính bền vững sẽ được dùng trong bảo vệ bản quyền sản phẩm, ngược lại tính dễ vỡ lại được dùng để xác thực tính toàn vẹn hay phát hiện giả mạo. Đối với một số ứng dụng trong y tế, quân đội, luật pháp, giáo dục,. . . việc khôi phục lại ảnh gốc (sau khi nhúng dữ liệu) để tiếp tục sử dụng là nhu cầu bắt buộc. Với các trường hợp như vậy, thường phải sử dụng kỹ thuật giấu tin thuận nghịch (reversible data hiding) hay còn gọi là giấu tin bảo toàn (lossless data hiding). Giấu tin thuận nghịch là kỹ thuật nhúng tin mà sau khi tách thông tin nhúng, ta khôi phục được ảnh gốc ban đầu. Khác với giấu tin bền vững, đòi hỏi sự bền vững trước các phép tấn công, theo [83], kỹ thuật giấu tin thuận nghịch là một kỹ thuật dễ vỡ, kỹ thuật này không quan tâm đến sự bền vững để chống lại các cuộc tấn công. Tình hình nghiên cứu trong và ngoài nước Thuật toán giấu tin thuận nghịch đầu tiên được Barton đề xuất vào năm 1997 [15]. Ông đề xuất nhúng thông tin xác thực vào sản phẩm số, sau khi trích xuất thông tin xác thực, người nhận có thể khôi phục được sản phẩm số ban đầu. Giấu tin thuận nghịch dựa trên phép biến đổi modulo được Honsinger và cộng sự [44] đưa ra vào năm 2001. Phương pháp Modulo [44] thực hiện nhúng dữ liệu bằng phương pháp cộng modulo 256 (255 là giá trị tối đa của điểm ảnh đa cấp xám 8 bít). Cộng modulo có thể ngăn chặn được việc tràn dữ liệu khỏi miền điểm ảnh, nghĩa là một điểm nhỏ hơn 0 hoặc vượt quá 255 (đối với ảnh đa cấp xám 8 bít), tuy nhiên ảnh chứa tin có chất lượng không cao, nhiều nhiễu. Ý tưởng cộng modulo 256 để tránh hiện tượng vượt ra khỏi miền điểm ảnh, sau này cũng được nhiều tác giả sử dụng [54, 66]. Nhược điểm lớn của phương pháp này đó là chất lượng ảnh kém với nhiều nhiễu muối tiêu. Phương pháp xác thực thuận nghịch dựa trên nén bảo toàn được 3 Fridrich và cộng sự [35] đề xuất. Ý tưởng của lược đồ này là tạo ra một không gian trống bằng cách nén một mặt phẳng bít S của ảnh gốc, sau đó sử dụng không gian trống tạo được để nhúng dữ liệu. Phương pháp này có ưu điểm là chất lượng ảnh chứa tin tốt vì mỗi giá trị điểm ảnh chỉ thay đổi nhiều nhất là một đơn vị, nếu chọn mặt phẳng S gồm bít ít ý nghĩa nhất (Least Significant Bit - LSB) của các điểm ảnh. Tuy nhiên, khả năng nhúng tin phụ thuộc vào miền được chọn S và thuật toán nén. Nói chung, khả năng nhúng của thuật toán không cao và khả năng nhúng bị phụ thuộc vào đặc trưng thống kê của mỗi ảnh. Phương pháp giấu tin dựa trên lượng tử hóa [17] là một sự mở rộng LSB (Generalized-LSB) và ứng dụng nó trong giấu tin thuận nghịch. Ý tưởng của phương pháp này chính là lượng tử hóa. Để khôi phục ảnh gốc, cần lưu các giá trị dư thừa của phép lượng tử bằng cách ghép các phần dư của tất cả các điểm ảnh thành một chuỗi nhị phân và nén chuỗi này bằng một phép nén bảo toàn. Nhúng tin thuận nghịch trên ảnh Jpeg nhận được sự quan tâm lớn của các nhà nghiên cứu do tính chất phổ biến của ảnh này. Theo [83] việc nhúng tin thuận nghịch trên ảnh Jpeg sử dụng các hệ số DCT lượng tử, bảng lượng tử và bảng mã Huffman. Ý tưởng chung của các phương pháp là thực hiện các phép biến đổi thuận nghịch trên ba đại lượng nêu trên. Trong [36] các tác giả đề xuất hai phương pháp. Trong phương pháp thứ nhất, chọn ra tập L cặp chỉ số ứng với các hệ số tần số trung. Sau đó, trích các hệ số với chỉ số tương ứng của các khối DCT lượng tử tạo thành một dãy nhị phân và nén dãy này để nhận được một khoảng trống chứa thủy vân. Phương pháp thứ hai độc đáo hơn, dựa trên nhận xét các hệ số DCT bằng tích các hệ số lượng tử với giá trị lượng tử. Trong [7, 19, 98], các tác giả đều sử dụng cách biến đổi thuận nghịch hệ số DCT lượng tử. Phương pháp mở rộng hiệu (DE- Difference Expansion) do Jun Tian đề xuất [94, 95] là một trong những phương pháp giấu tin thuận nghịch đáng được quan tâm nhất. Ý tưởng của phương pháp này là nhúng một bít trên 4 hiệu của một cặp hai điểm ảnh kề nhau. Các khái niệm khả mở, khả biến được tác giả đưa ra. Chỉ các cặp khả mở mới có thể nhúng được một bít. Muốn trích được dữ liệu và khôi phục ảnh gốc, thì bên nhận cần phải biết được cặp nào là khả mở và cặp nào không khả mở. Để đạt được điều này, bản đồ định vị, được thiết lập trong bước nhúng tin, là một dãy nhị phân nhằm xác định cặp đang xét là khả mở hay không khả mở. Bản đồ định vị được nén và nhúng cùng dữ liệu. Do có bản đồ định vị nên hạn chế đáng kể khả năng nhúng của phép mở rộng hiệu. Một hướng phát triển của phương pháp mở rộng hiệu là áp dụng trên các khối ảnh hay véc tơ ảnh. Điều này có hai lợi ích: vì bản đồ định vị ứng với từng khối nên kích thước giảm đáng kể, thậm chí không cần nén, thứ hai là trong mỗi một khối n điểm ảnh, tạo ra được n − 1 hiệu, như vậy số hiệu sẽ tăng lên và khả năng nhúng cũng nhiều hơn. Người đầu tiên đưa ra một phép biến đổi nguyên trên véc tơ n điểm ảnh, mở rộng phép biến đổi hai điểm ảnh của J.Tian là Alattar [10], sau đó áp dụng phép biến đổi này để nhúng n − 1 bít trên mỗi véc tơ điểm ảnh. Khả năng nhúng của phương pháp Alattar được cải thiện đáng kể. Tuy nhiên một hạn chế lớn của phương pháp này là thuật toán kiểm tra một véc tơ có phải là khả mở hay không có thời gian hàm mũ (đối với n), nên phương pháp này chỉ có thể dùng được đối với các véc tơ điểm ảnh ứng với các khối ảnh cấp 3 hoặc cấp 4. Điều đó hạn chế khả năng ứng dụng của phương pháp Alattar. Trong [7, 9, 52, 56], các tác giả cũng xét mở rộng hiệu trên các véc tơ điểm ảnh theo hướng chọn một phần tử làm cơ sở, sau đó tạo ra các hiệu bằng cách trừ mỗi phần tử còn lại cho phần tử cơ sở. Các phương pháp khác nhau ở cách chọn phần tử cơ sở. Một số mở rộng khác của phương pháp J.Tian [26] để nâng cao khả năng nhúng là: nhúng hai bít trên một bộ ba điểm ảnh, như vậy tỉ lệ nhúng là 2/3 lớn hơn so với J.Tian là 1/2; các phép biến đổi thuận nghịch nguyên, như phép biến đổi tương phản [28], phép biến đổi thuận nghịch nguyên dựa trên ma trận [88]. Phương pháp mở rộng sai số dự báo (PEE- Prediction Error Expansion) 5 là một hướng phát triển tiềm năng khác của DE dựa trên nhận xét: nếu hiệu được xét càng nhỏ thì khả năng khả mở càng tăng. Trên ý tưởng này, các phương pháp dự báo được phát triển. Trong tài liệu [91] đã sử dụng phương pháp dự báo MED (xem Mục 1.3.2) để dự báo giá trị của mỗi điểm ảnh. Sau đó, lập sai số dự báo: e = x − x̂, trong đó x là giá trị gốc, x̂ là giá trị dự báo của x. Từ đó, ta có một dãy sai số dự báo: E = (e1 , e2 , . . . eK ). Các bít dữ liệu được nhúng bằng cách mở rộng sai số dự báo: e0i = 2ei + bi . So với DE thì PEE có khả năng nhúng cao hơn nhiều vì giá trị sai số dự báo thường nhỏ và số lượng sai số nhiều gấp khoảng hai lần số hiệu của các cặp điểm ảnh. Trong [103] đề xuất phương pháp tương tự nhưng sử dụng bộ dự báo hình thoi (xem Mục 1.3.1). Bản đồ định vị là một thách thức lớn đối với các phương pháp giấu tin thuận nghịch dựa trên DE trên hai phương diện: thứ nhất là nó chiếm khá nhiều bít và cần phải nhúng chung với dữ liệu nên giảm đáng kể khả năng nhúng tin. Thứ hai, việc điều khiển khả năng nhúng, tức là với một yêu cầu nhúng dữ liệu cho trước làm sao điều khiển để nhận được độ biến đổi ảnh nhỏ nhất (chất lượng ảnh tốt nhất). Đã có một số nghiên cứu về vấn đề này. Để điều khiển khả năng nhúng, J.Tian [94] đã sử dụng một ngưỡng T và xây dựng bản đồ dựa trên ngưỡng T . Tuy nhiên việc xác định T tương đối khó do bản đồ nén phụ thuộc vào việc lựa chọn T . Theo [93], các tác giả đưa ra một cách xây dựng bản đồ định vị tràn (overflow location map) độc lập với độ dài dữ liệu cần nhúng, vì vậy không phải thực hiện nén nhiều lần. Trong [46] đã cải tiến bản đồ của [93] bằng cách sử dụng hai ngưỡng Tl và Tr với hai ưu điểm: khả năng nén cao hơn và độ chính xác tốt hơn. Việc thu nhỏ bản đồ định vị là một điều mà nhiều nhà khoa học mong muốn. Sachnev [82] đã đưa ra một nhận xét rằng nếu hiệu nằm trong một miền có độ phẳng càng cao thì khả năng khả mở (nhúng được một bít dữ liệu) càng nhiều. Dựa trên nhận xét này, Sachnev và cộng sự đã sử dụng phương pháp sắp xếp các hiệu theo độ phẳng của ngữ cảnh dự báo, bằng cách đó, thì hầu hết các hiệu khả mở sẽ được dồn lên phía trên. Như vậy, sẽ nhận được các dãy con khá dài