[논문]GCST 기반 디지털 영상 워터마킹 방법

이적식

GCST 기반 디지털 영상 워터마킹 방법
A GCST-based Digital Image Watermarking Scheme 원문보기

信號處理·시스템學會論文誌 = Journal of the institute of signal processing and systems, v.13 no.3, 2012년, pp.142 - 149

초록
AI-Helper

여러 영상 변환들은 영상을 압축하고, 영상 속에 존재하는 잡음을 제거하고, 유용한 특징을 추출하기 위해서 사용될 수 있다. DCT와 DWT 변환은 멀티미디어의 확산으로 워터마킹 기법에 많이 연구되고 있다. 본 논문에서는 인간시각필터로 고려되는 Gabor 코사인과 사인 함수를 이용한 변환을 디지털 영상의 워터마크 삽입과 추출에 사용하였다. 15가지 공격에 대해서 제안한 변환 방법을 워터마킹에 적용한다. 삽입한 워터마크는 무작위 정규분포 잡음이고, 삽입한 워터마크와 추출한 워터마크 사이의 유사성을 측정하기 위하여 상관값을 계산하였으며, 기존의 DCT 방법과 성능을 비교하였다. 추출된 워터마크는 무작위 정규분포 시퀀스와 상관값을 계산하여 가장 큰 값을 갖는 시퀀스를 삽입된 워터마크로 선언하였다. 주파수 성분을 여러 대역으로 구분하여, 저주파와 중간 주파수 대역에서 실험한 결과는 제안한 방법이 좋은 워터마킹 방법으로 사용할 수 있음을 나타내며, 아울러 DCT보다 더 좋은 성능을 보여준다.

Abstract ▼ AI-Helper

Various image transformations can be used to compress images, to reduce noises in images and to extract useful features. Watermarking techniques using DCT and DWT have been a lot of research interest in the spread of multimedia contents. In this paper, Gabor cosine and sine transform considered as human visual filter is applied to embedding and extraction of watermarks for digital images. The proposed transform is used for watermarking with fifteen attacks. Randomly normal distributed noises are used as an embedded watermark. To measure the similarity between the embedded watermark and extracted one, a correlation value is computed and furthermore is compared with that of existing DCT method. Correlation values of extracted watermark are computed with randomly normal distributed noise sequences, and the sequence with the largest correlation value is declared as the embedded watermark. Frequency components are divided into various bands. Experimental results for low frequency and mid-frequency bands have shown that the proposed GCST provides a good watermarking algorithm and its performance is better than DCT.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

DCT를 GCST와 동일한 주파수 대역에 대한 워터마킹 성능을 쉽게 비교하기 위해서 주파수 성분의 배열 구조를 변경하고자 한다. 256×256 입력 영상에 대해서 8×8 블록 DCT를 수행하면 (256/8)×(256/8) = 1024개의 블록이 존재하고, 각 블록은 64개의 주파수 성분을 포함하고 있다.
상관값이 큰 값일수록, 추출한 워터마크는 원래 워터마크와 유사도가 큰 것이다. GCST 변환의 워터마킹 특성을 파악하기 위하여 다양한 공격 종류에 대해서 실험을 수행하였다. 5 종류의 공격 분야에 대해서 이루어진 전체 공격 개수는 15가지이며, 공격 종류는 다음과 같다: 1) 잡음 첨가(정규분포 잡음, salt and pepper 잡음, speckle 잡음), 2) 공간 변형(크기 변화, 회전, 수평 절단, 수직 절단), 3) 밝기 조절(gamma 수정, 히스토그램 균등화, 명암 조절), 4) 필터링(평균 필터, 정규분포 필터, 중앙값 필터, Wiener 필터), 5) 압축(JPEG)이다.
사용된 워터마크는 무작위 정규분포 시퀀스이며 워터마크의 판단 기준으로 상관관계 값을 계산하였다. 많이 사용된 기존의 8×8 DCT를 이용한 워터마킹 방법과 여러가지 종류의 공격에 대해서 성능을 비교하고자 한다. 실험에 사용된 주된 공격은 잡음 첨가, 공간 변환 작용, 밝기 변화, 필터링 적용, 영상 압축 등이다.
확산되고 있다. 합법적인 자료 공유는 바람직하지만, 원래 소유자의 동의를 받지 않고 복제되어 사용되는 불법적인 환경에서 멀티미디어 초기 제공자는 소유권 보호, 저장, 원본 증명, 위조 방지 등의 목적으로 그 속에 워터마크(watermark)를 은폐하여 사후에 발생할 문제에 대비하고자 한다. 워터마킹 (watermarking)은 음성, 오디오, 영상, 비디오와 같은 디지털 멀티미디어에 정당한 소유 권리를 나타내는 징표를 삽입하는 것이다.

제안 방법

8개의 기저함수를 사용하여 영상 변환에 응용되는 GCST를 워터마킹에 적용하였으며, 아울러 기존의 DCT와 성능을 비교하였다. 실험에 사용된 영상은 256×256 크기 분해능이며, 무작위 정규분포 잡음 시퀀스를 워터마크로 삽입하였다.
GCST(Gabor Cosine and Sine Transform)의 변환 행렬을 결정하는 방법을 언급하고, 비교 대상인 DCT와 주파수 배열 구조를 간단히 살펴본다.
Gabor 변환의 결과는 복소수이므로 실제 응용에 적용하기 위하여 실수 부분인 코사인 함수와 허수 부분인 사인함수를 분리하여 GCST 에 사용한다. 이것은 복소수인 Fourier 변환에서 실수 부분만을 이용한 코사인 변환과 허수 부분을 이용한 사인 변환과 매우 유사하다.
Raval과 Rege는 DWT와 SVD에 기초한 방법을 제안하였지만, 저주파 영역에서 영상 품질이 저하되는 단점이 있었다[11]. Ganic과 Eskicioglu는 그 단점을 보완하기 위해서 DWT의 4개 주파수 대역에 대해서 각각 SVD를 적용하고, SVD의 특이값들에 워터마크를 삽입하였다[12]. 여러 변환을 이용한 다단계 워터마킹 기법이 최근에 많이 적용되고 있으며 대표적으로는 DWT-DCT[13], DWT-SVD[14], DCT-SVD[15], DWT-DCT-SVD[16] 등이 있다.
용이하지 않다. 본 논문에서는 Gabor 변환을 변형하여 실수 주파수 계수를 얻는 변환 방법의 일종인 GCST(Gabor Cosine and Sine Transform: 게이버 코사인과 사인 변환)를 영상의 워터마킹에 적용한다. 사용된 워터마크는 무작위 정규분포 시퀀스이며 워터마크의 판단 기준으로 상관관계 값을 계산하였다.
워터마크 추출을 시도한 것이다. 우선 주파수 대역을 저주파, 수직, 수평, 대각선 성분으로 4등분하여 수직 주파수 성분에 정규분포 시퀀스로 구성된 4개의 워터마크(300, 500, 700, 900)를 α=0.2로 삽입한 후에, 평균이 0이고 표준편차가 0.5인 무작위 정규분포 잡음으로 공격을 한 후, 상관값을 측정하였다. 동일한 주파수 성분에 삽입된 4개의 워터마크는 서로 독립적이므로 정확히 추출한 것을 볼 수 있다.
256×256 크기 분해능을 가진 Lena 영상을 입력으로 사용하였으며, 무작위 정규분포 시퀀스를 발생하여 워터마크로 삽입하였다. 워터마크가 삽입된 영상의 투명성 또는 가시성을 평가하기 위해서 PSNR을 계산하였으며, PSNR이 35dB 이상이면 인간시각체계는 품질 저하를 거의 인지할 수 없어서 원래 영상과 차이가 없는 것으로 판단한다[20]. 실험에서는 동일한 주파수 성분을 갖는 하나의 대역에서만 워터마크를 삽입하므로, 워터마크의 크기는 32×32=1024 무작위 정규분포 신호이다.
입력 영상을 64개의 주파수 대역으로 구분한 후, 저주파(대역 1)와 중간 주파수(대역 3과 17)에 대해서 실험을 수행하였다. 저주파 대역에서는 크기요소 α = 0.
55dB로 계산되었다. 정확한 성능 비교를 위하여 DCT에 대해서 두 번의 실험을 행하였다. 즉, 한 번은 GCST와 동일한 크기요소를 사용하였고, 다른 한 번은 동일한 PSNR이 되도록 α = 0.
알고리즘의 강인함을 보여주기 위한 공격 종류는 잡음 첨가, 공간 변형, 밝기 조절, 필터링, 압축 분야에서 전체 15가지이다. 추출된 워터마크는 1,000번의 무작위 정규분포 시퀀스와의 상관값을 계산하여 가장 큰 값을 갖는 시퀀스를 삽입된 워터마크로 선언하였다.

대상 데이터

비교하였다. 256×256 크기 분해능을 가진 Lena 영상을 입력으로 사용하였으며, 무작위 정규분포 시퀀스를 발생하여 워터마크로 삽입하였다. 워터마크가 삽입된 영상의 투명성 또는 가시성을 평가하기 위해서 PSNR을 계산하였으며, PSNR이 35dB 이상이면 인간시각체계는 품질 저하를 거의 인지할 수 없어서 원래 영상과 차이가 없는 것으로 판단한다[20].
GCST 실험에 사용된 변수는 8개의 모든 기저함수에 대해서 동일한 표준편차 σi=6.8을 주로 사용하였으며, 8개의 중심주파수로는 정규화된 주파수 영역을 거의 동일한 간격으로 구분하는 다음 값을 사용하였다.
해당한다. 가장 낮은 주파수의 저역통과필터는 직류성분을 잘 보존하는 GC를 사용하고, 가장 높은 주파수의 고역통과필터는 GS를 사용하였다. 나머지 6개 대역통과필터는 GC와 GS를 교대로 사용하였다[181 한 위치에서 식 (2) 과 (3)의 8개 GC와 GS 함수들은 서로 독립적이지만 직교하지 않기 때문에 직교정규화 과정을 통하여 ci(x)와 si(x)를 8개의 기저함수 ui(x)로 변환하였다.
추출된 워터마크는 1,000번의 무작위 정규분포 시퀀스와 상관값을 계산하였으며, 가장 큰 상관값을 갖는 무작위 시퀀스를 삽입된 워터마크로 선언한다. 실제 삽입된 워터마크는 500번째의 무작위 정규분포 잡음 시퀀스이다.
비교하였다. 실험에 사용된 영상은 256×256 크기 분해능이며, 무작위 정규분포 잡음 시퀀스를 워터마크로 삽입하였다. 알고리즘의 강인함을 보여주기 위한 공격 종류는 잡음 첨가, 공간 변형, 밝기 조절, 필터링, 압축 분야에서 전체 15가지이다.
많이 사용된 기존의 8×8 DCT를 이용한 워터마킹 방법과 여러가지 종류의 공격에 대해서 성능을 비교하고자 한다. 실험에 사용된 주된 공격은 잡음 첨가, 공간 변환 작용, 밝기 변화, 필터링 적용, 영상 압축 등이다.
워터마크가 삽입된 영상의 투명성 또는 가시성을 평가하기 위해서 PSNR을 계산하였으며, PSNR이 35dB 이상이면 인간시각체계는 품질 저하를 거의 인지할 수 없어서 원래 영상과 차이가 없는 것으로 판단한다[20]. 실험에서는 동일한 주파수 성분을 갖는 하나의 대역에서만 워터마크를 삽입하므로, 워터마크의 크기는 32×32=1024 무작위 정규분포 신호이다. 상관값이 큰 값일수록, 추출한 워터마크는 원래 워터마크와 유사도가 큰 것이다.

데이터처리

본 논문에서는 Gabor 변환을 변형하여 실수 주파수 계수를 얻는 변환 방법의 일종인 GCST(Gabor Cosine and Sine Transform: 게이버 코사인과 사인 변환)를 영상의 워터마킹에 적용한다. 사용된 워터마크는 무작위 정규분포 시퀀스이며 워터마크의 판단 기준으로 상관관계 값을 계산하였다. 많이 사용된 기존의 8×8 DCT를 이용한 워터마킹 방법과 여러가지 종류의 공격에 대해서 성능을 비교하고자 한다.
제안한 GCST 워터마킹 알고리즘의 유용성을 평가하기 위해서 실제 영상으로 실험을 수행하였으며, 아울러 DCT 방법과 비교하였다. 256×256 크기 분해능을 가진 Lena 영상을 입력으로 사용하였으며, 무작위 정규분포 시퀀스를 발생하여 워터마크로 삽입하였다.

이론/모형

제안한 워터마킹 알고리즘은 워터마크 추출을 위하여 원래 영상이 필요한 non-blind 방법이다. 일반적으로 공격받은 영상의 GCST 주파수 계수를 Cn(i,j)라고 하면, 워터마크 추출 W*(i,j)은 다음과 같이 수행된다.

성능/효과

보여준다. 가장 낮은 주파수인 첫 번째 블록에 워터마크를 삽입한 결과이며, 모든 경우에 정확하게 워터마크를 추출하였다. GCST는 크기요소 α = 0.
1 인 경우는 모든 공격에 대해서 GCST와 DCT 모두 정확한 워터마크를 추출하였지만, GCST의 상관값이 DCT보다 모두 더 큰 값을 가지므로, 모든 공격에 대한 워터마킹 성능은 GCST가 DCT보다 우수함을 알 수 있었다. 동일한 PSNR을 사용한 경우에도 15가지 공격에서 GCST가 8가지에서 더 좋은 성능을 보여주었다. 중간 주파수의 대역 3에서는 GCST는 3가지 공격, DCT는 10가지 공격에서 정확한 워터마크를 추출하지 못하였다.
저주파 대역에서는 크기요소 α = 0.1 인 경우는 모든 공격에 대해서 GCST와 DCT 모두 정확한 워터마크를 추출하였지만, GCST의 상관값이 DCT보다 모두 더 큰 값을 가지므로, 모든 공격에 대한 워터마킹 성능은 GCST가 DCT보다 우수함을 알 수 있었다. 동일한 PSNR을 사용한 경우에도 15가지 공격에서 GCST가 8가지에서 더 좋은 성능을 보여주었다.
표 2에서 보면 중간 주파수 대역 17에서 GCST는 모든 공격에서 워터마크를 정확히 추출하였으며, 워터마크가 삽입된 영상의 PSNRe 37.33dB이므로 투명성이 보장되어 거의 원래 영상과 구별할 수 없다고 볼 수 있다. 동일한 주파수 대역 17에 대해서 DCT는 동일한 α = 0.

후속연구

앞으로 시각적으로 워터마크를 확인할 수 있도록 실제 영상을 워터마크로 사용하고, GCST를 SVD와 결합한 변환을 워터마킹에 적용할 것이다.

참고문헌 (20)

V. M. Potdar, S. Han, and E. Chang, "A Survey of Digital Image Watermarking Techniques," 2005 3rd IEEE Int. Conf. on Industrial Informatics, pp. 709-716, 2005.
Ingemar J. Cox, Joe Kilian, F. Thomson, and Talal Shamoon, "Secure Spread Spectrum Watermarking for Multimedia," IEEE Trans. on Image Processing, vol. 6, No. 12, pp. 1673-1686, 1997.

상세보기
M. Barni, F. Bartolini, V. Cappellini, and A. Piva, "A DCT-domain System for Robust Image Watermarking," Signal Processing, vol. 66, pp. 357-372, 1998.

상세보기
J. Xiao and Y. Wang, "Toward a Better Understanding of DCT Coefficients In Watermarking," IEEE Pacific-Asia Workshop on Computational Intelligence Application, pp. 206-209, 2008.
강중순, 추형석, "쿼드트리 알고리즘을 이용한 디지털 워터마킹의 성능 분석," 한국신호처리시스템학회논문지, vol. 11, no. 1, pp.19-25. 2010년 1월.

원문보기 상세보기
X. Niu, Z. Lu, and S. Sun, ''Digital Image Watermarking Based on Multiresolution Decomposition," Electronics Letters, vol. 36, no. 13, pp. 1108-1110, june 2000.

상세보기
M. Hsieh, D. Tseng, and Y. Huang, "Hiding Digital Watermarks Using Multiresolution Wavelet Transform," IEEE Trans. on Industrial Electronics, vol. 48, no. 5, pp. 875-882, Oct., 2003.
H. Daren, L. Jiufen, H. Jiwu, and L. Hongmei, "A DWT-based Image Watermarking Algorithm," IEEE Int. Conf. on Multimedia and Expo, 2001 ICME, vol. 3, pp. 429-432, 2001.
S. Pereira and T. Pun, "Robust Template Matching for Affine Resistant Image Watermarks," IEEE Trans. on Image Processing, vol. 9, no. 6, pp. 1123-1129, June, 2000.

상세보기
Ruizhen Liu and Tieniu Tan, "An SVD-based Watermarking Scheme for Protecting Rightful Ownership," IEEE Trans. on Multimedia, vol. 4, No. 1, pp. 121-128, March 2002.

상세보기
M. S. Raval and P. P. Rege, "Discrete Wavelet Transform Based Multiple Watermarking Scheme," Conf. on Convergent Technologies for Asia-Pacific Region, TENCON 2003, vol. 3, pp. 935-938, Oct. 15-17, 2003.
E. Ganic and A. M. Eskicioglu, "Robust DWT-SVD Domain Image Watermarking," Proc. of 2004 Workshop on Multimedia and Security, pp. 166-174, Sept. 2004.
V. Fotopoulos and A. Skodras, "A Subband DCT Approach to Image Watermarking," European Signal Processing Conference (EUSIPCO-2000), pp. 202-205, Sept. 4-8, 2000.
K. Kim, M. Lee, and H. Lee, "Blind Image Watermarking Scheme in DWT-SVD Domain," 3rd Int. Conf. on intelligent Information Hiding and Multimedia Signal Processing, IIHMSP 2007, vol. 2, pp. 477-480, 2007.
F. Liu and Y. Liu, "A Watermarking Algorithm for Digital Image Based on DCT and SVD," 2008 Congress on Image and Signal Processing, pp. 308-383, 2008.
B. Wang, J. Ding, Q. Wen, X. Liao, and C. Liu, "An Image Watermarking Algorithm Based on DWT, DCT and SVD," IEEE Int. Conf. on Network Infrastructure and Digital Content, IC-NIDC 2009, pp. 1034-1038, 2009.
V. Fotopoulos, S. Krommydas and A. N. Skodras, "Gabor Transform Domain Watermarking," Proc. of IEEE Int. Conf. on Image Processing, pp. 510-513, vol. 2, Greece, Oct. 7-10, 2001.
이적식, "Gabor 코사인과 사인 변환," 전자공학회논문지, 제39권 SP편 제4호, pp. 408-417, 2002년 7월.
A. K. Jain, Fundamentals of Digital Image Processing, Prentice Hall, pp. 150-153, 1989.
S. Kasmani and A. Nilchi, "A New Robust Digital Image Watermarking Technique Based on Joint DWT-DCT Transformation," IEEE Int. Conf. on Convergence and Hybrid Information Technology, pp. 539-544, 2008.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증