[국내논문]블록 매칭 기반 영상 스테가노그래피의 삽입 용량 개선을 위한 통계적 접근 방법 A Statistical Approach for Improving the Embedding Capacity of Block Matching based Image Steganography원문보기
스테가노그래피는 정보 은닉 기법중의 하나로, 제 3자에 의해 은닉 정보의 존재를 알지 못하게 방지한다는 점에서 정보의 해독을 막기 위한 암호 기법과는 구별된다. 본 논문에서는 영상을 미디어로 사용하는 영상 스테가노그래피 방법으로, 블록 매칭을 이용하여 이산웨이블릿 변환 영역에 정보를 삽입하는 새로운 스테가노그래피 방법을 제안한다. 제안 방법은 블록 매칭 후보군 블록의 불균등한 사용으로 인해서 발생하는 삽입 용량의 손실을 개선하여 고용량의 영상 정보를 삽입할 수 있다. 이를 위해, 블록 내부의 분산값을 고려하여 고주파수 성분을 갖는 후보군 블록은 최대한 보존하고, 저주파수 성분의 후보군 블록의 수는 k-평균 군집화 알고리즘을 이용한 압축을 통해 줄인다. 제안된 방법을 통해 기존 블록 매칭 기반 스테가노그래피 방법과 유사한 PSNR을 갖는 비밀 영상의 추출이 가능하면서 동시에 고용량의 영상 정보 삽입이 가능한 것을 확인할 수 있었다.
스테가노그래피는 정보 은닉 기법중의 하나로, 제 3자에 의해 은닉 정보의 존재를 알지 못하게 방지한다는 점에서 정보의 해독을 막기 위한 암호 기법과는 구별된다. 본 논문에서는 영상을 미디어로 사용하는 영상 스테가노그래피 방법으로, 블록 매칭을 이용하여 이산웨이블릿 변환 영역에 정보를 삽입하는 새로운 스테가노그래피 방법을 제안한다. 제안 방법은 블록 매칭 후보군 블록의 불균등한 사용으로 인해서 발생하는 삽입 용량의 손실을 개선하여 고용량의 영상 정보를 삽입할 수 있다. 이를 위해, 블록 내부의 분산값을 고려하여 고주파수 성분을 갖는 후보군 블록은 최대한 보존하고, 저주파수 성분의 후보군 블록의 수는 k-평균 군집화 알고리즘을 이용한 압축을 통해 줄인다. 제안된 방법을 통해 기존 블록 매칭 기반 스테가노그래피 방법과 유사한 PSNR을 갖는 비밀 영상의 추출이 가능하면서 동시에 고용량의 영상 정보 삽입이 가능한 것을 확인할 수 있었다.
Steganography is one of information hiding technologies and discriminated from cryptography in that it focuses on avoiding the existence the hidden information from being detected by third parties, rather than protecting it from being decoded. In this paper, as an image steganography method which us...
Steganography is one of information hiding technologies and discriminated from cryptography in that it focuses on avoiding the existence the hidden information from being detected by third parties, rather than protecting it from being decoded. In this paper, as an image steganography method which uses images as media, we propose a new block matching method that embeds information into the discrete wavelet transform (DWT) domain. The proposed method, based on a statistical analysis, reduces loss of embedding capacity due to inequable use of candidate blocks. It works in such a way that computes the variance of each candidate block, preserves candidate blocks with high frequency components while reducing candidate blocks with low frequency components by compressing them exploiting the k-means clustering algorithm. Compared with the previous block matching method, the proposed method can reconstruct secret images with similar PSNRs while embedding higher-capacity information.
Steganography is one of information hiding technologies and discriminated from cryptography in that it focuses on avoiding the existence the hidden information from being detected by third parties, rather than protecting it from being decoded. In this paper, as an image steganography method which uses images as media, we propose a new block matching method that embeds information into the discrete wavelet transform (DWT) domain. The proposed method, based on a statistical analysis, reduces loss of embedding capacity due to inequable use of candidate blocks. It works in such a way that computes the variance of each candidate block, preserves candidate blocks with high frequency components while reducing candidate blocks with low frequency components by compressing them exploiting the k-means clustering algorithm. Compared with the previous block matching method, the proposed method can reconstruct secret images with similar PSNRs while embedding higher-capacity information.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 고해상도 영상의 발전으로 인해서 기존의 방법보다 더 고용량의 영상정보를 삽입할 수 있는 스테가노그래피의 필요성이 대두되었기 때문에 기존의 블록 매칭방법을 이용하여 DWT 영역에 영상을 은닉하는 방법 중 하나인 [12]보다 삽입 용량을 향상시켜서 같은 크기의 커버 영상에 좀 더 고용량의 비밀 영상을 삽입 할 수 있도록 개선된 블록 매칭 방법을 제안한다. 제안된 방법은 블록 내부의 분산값을 고려하여 영상의 특징인 고주파수 성분은 최대한 보존하고 영상의 전반적인 영역을 차지하는 저주파수 성분은 군집화 알고리즘을 활용하여 최대한 대푯값으로 근사시켜서 추출된 비밀 영상의 PSNR의 성능은 유지하면서 삽입용량을 크게 개선시킨다.
이 절에서는 제안된 방법의 군집화 수 k값의 변화에 따라서 PSNR과 bpp의 결과에 대해서 알아본다. 군집화 수의 값 k는 식 5의 저주파수 블록의 삽입 비트 수에 영향을 주기 때문에 k값은 2n(1 ≤ n)로 사용하였으며 LSB는 동일하게 2비트를 사용하였다.
제안 방법
실험은 4 × 4크기로 영상을 분할하여 삽입을 하였고 군집화 알고리즘의 k=16, LSB삽입의 대체 비트 수는 2비트로 하였다.
실험은 기존 블록 매칭 방법[12]과 제안된 방법의 삽입 용량, 커버 영상의 은닉성과 비밀 영상의 복원률을 비교하고 두 번째로 k-평균 군집화 알고리즘의 k값을 변화시켜가면서 결과를 비교해본다. 삽입용량을 확인하기 위해서 bpp(bits per a pixel)(식 8 참조)를 적용하였다.
제안된 방법은 DWT 영역과 블록 매칭 영상 스테가노그래피의 방법으로 기존 방법[12]을 개선하여 고용량의 영상을 삽입할 수 있도록 k-평균 군집화 알고리즘을 적용하며 이에 대해서 간략하게 설명한다.
LH, HL, HH 부대역으로부터 전체 삽입 비트를 추출하고 비밀 영상을 복원한다. 첫 번째 비밀 영상의 블록을 복원하기 위해서 추출된 첫 번째 비트를 통해서 경계값 이상인 고주파수 블록인지 저주파수 블록인지 확인한다. 고주파수 블록일 경우 전체 삽입 비트로부터 식 5의 \([log_2H_c]+9\) 만큼 비트를 읽어오고 저주파수 블록일 경우 \([log_2k]+9\)비트를 읽어온다.
커버 영상에 DWT를 적용하고 비밀 영상과 LL 부대역의 블록을 고주파수 성분과 저주파수 성분으로 분할하기 위해서 블록의 평균 분산을 이용한다. 블록의 내부에 엣지나 코너점과 같은 요소가 존재할 경우에 픽셀 값들이 평균값과 차이가 크기 때문에 분산이 커지며 반대로 존재하지 않을 경우에 픽셀 값들이 평균값으로 수렴하기 때문에 분산이 작아진다.
대상 데이터
기존 볼록 매칭 방법[12]과 제안된 방법의 삽입 용량, 스테고 영상의 은닉성 복원률을 비교하기 위해서 512 × 512크기의 8비트, 1채널 영상 5개(baboon.bmp, boat.bmp, le- na.bmp, goldhill.bmp, einstein.bmp)를 커버와 비밀 영상으로 사용한다(그림 3 참조).
데이터처리
블록의 내부에 엣지나 코너점과 같은 요소가 존재할 경우에 픽셀 값들이 평균값과 차이가 크기 때문에 분산이 커지며 반대로 존재하지 않을 경우에 픽셀 값들이 평균값으로 수렴하기 때문에 분산이 작아진다. 이러한 특성으로 블록을 분할하기 위해서 커버 영상 LL 부대역의 평균 분산을 이용한다. 블록의 크기가 N × N일 때 평균, 분산, 평균 분산은 다음 식 6과 같다.
성능/효과
이러한 단점을 개선하고자 제안된 방법의 경우 커버 영상의 후보군 블록들을 블록의 분산 값을 이용하여 고주파 성분 블록과 저주파 성분 블록으로 분류하고, 저주파 성분 블록들은 군집화 알고리즘을 이용하여 후보군의 블록 수를 크게 줄일 수 있었다. 결과적으로 이러한 방법을 통해서 삽입한 비밀영상의 PSNR은 유지하면서 삽입 용량을 크게 증가시킬 수 있었으며 스테고 영상의 PSNR의 경우 실험에서 제안한 어떠한 k값을 사용하더라도 높은 PSNR을 보여주었다. 하지만 k-평균 군집화 알고리즘의 경우에 초기값에 민감하다는 단점을 갖고 있으므로 해당 부분에 대해서 새로운 군집화 알고리즘을 적용하여 성능을 더 개선할 여지가 있을 것이다.
375이며 이와 같이 블록 내부 분산값이 작을 경우에 두 블록 중에서 어느 블록과 매칭을 해주더라도 비밀 영상의 복원에 큰 영향을 주지 않는다. 그러므로 분산값이 작은 블록의 경우에 블록간의 유클리디언 거리만을 고려하는 k-평균 군집화 알고리즘을 사용하여 저주파수 성분이 많이 포함된 유사한 후보군 블록의 수를 축소시켜서 삽입에 필요한 비트의 수를 감소시켜 삽입 용량을 증가시킬 수 있다.
96비트 정도가 소요되며 기존 블록 매칭 방법의 bpp값의 77%정도에 해당하여 삽입 용량이 상당히 개선되었음을 알 수 있다. 그리고 baboon영상의 경우 PSNR의 측면과 동일하게 고주파수 성분 블록의 수가 많아서 다른 영상들에 비해서 bpp수치가 0.1이상 높음을 알 수 있었다(표 4 참조).
하지만 결과 영상의 시각적인 차이는 크지 않음을 확인할 수 있다(그림 4 참조). 그리고 스테고 영상의 경우 제안된 방법이 1dB정도 더 큰 PSNR수치를 보였다(표 3 참조).
그리고 표 3과 5의 스테고 영상 PSNR을 통해서 어떠한 k 값을 사용하더라도 제안된 방법이 더 뛰어난 것을 확인할 수 있었다.
하지만 k-평균 군집화 알고리즘의 경우에 초기값에 민감하다는 단점을 갖고 있으므로 해당 부분에 대해서 새로운 군집화 알고리즘을 적용하여 성능을 더 개선할 여지가 있을 것이다. 또한 영상에서 중요한 정보라고 볼 수 있는 엣지나 코너점과 같은 성분들이 대부분 고주파수 성분 블록의 내부에 존재하기 때문에 이러한 부분은 최대한 보존을 하여서 영상 자체가 가지는 고유한 성질도 보존 할 수 있었지만 제안된 방법 뿐 아니라 블록 매칭 방법의 경우 실험 결과에서도 알 수 있는 것처럼 고주파수 성분 블록이 많은 baboon 영상과 같은 경우에 삽입한 비밀 영상의 복원률이 상당히 떨어지는 것을 확인할 수 있다. 그래서 고주파수 성분 블록이 많은 비밀 영상의 경우에도 복원률을 향상시킬 수 있는 추가적인 방안을 연구할 필요가 있을 것이다.
기존 블록 매칭 기반의 스테가노그래피 방법의 경우 영상에서 고주파수 성분이 많은 블록과 적은 블록이 모두 있고 특히나 저주파수 성분의 블록이 영상의 전반적인 부분을 차지함에도 불구하고 모든 블록에 동일한 방법을 적용하였고 이런 불균등한 매칭으로 인해서 용량적인 부분에서 손실이 크게 발생하였다. 이러한 단점을 개선하고자 제안된 방법의 경우 커버 영상의 후보군 블록들을 블록의 분산 값을 이용하여 고주파 성분 블록과 저주파 성분 블록으로 분류하고, 저주파 성분 블록들은 군집화 알고리즘을 이용하여 후보군의 블록 수를 크게 줄일 수 있었다. 결과적으로 이러한 방법을 통해서 삽입한 비밀영상의 PSNR은 유지하면서 삽입 용량을 크게 증가시킬 수 있었으며 스테고 영상의 PSNR의 경우 실험에서 제안한 어떠한 k값을 사용하더라도 높은 PSNR을 보여주었다.
본 논문에서는 고해상도 영상의 발전으로 인해서 기존의 방법보다 더 고용량의 영상정보를 삽입할 수 있는 스테가노그래피의 필요성이 대두되었기 때문에 기존의 블록 매칭방법을 이용하여 DWT 영역에 영상을 은닉하는 방법 중 하나인 [12]보다 삽입 용량을 향상시켜서 같은 크기의 커버 영상에 좀 더 고용량의 비밀 영상을 삽입 할 수 있도록 개선된 블록 매칭 방법을 제안한다. 제안된 방법은 블록 내부의 분산값을 고려하여 영상의 특징인 고주파수 성분은 최대한 보존하고 영상의 전반적인 영역을 차지하는 저주파수 성분은 군집화 알고리즘을 활용하여 최대한 대푯값으로 근사시켜서 추출된 비밀 영상의 PSNR의 성능은 유지하면서 삽입용량을 크게 개선시킨다.
표 2의 결과는 제안된 방법과 기존 블록 매칭 방법의 복원된 비밀 영상의 PSNR에 대해서 보여준다. 제안된 방법의 경우 PSNR이 1dB정도 적지만 일반적으로 PSNR이 30dB이상일 경우에 사람의 시각 정보 체계(human visual system)로는 원영상과의 구분이 힘들다고 하므로 크게 문제가 없음을 볼 수 있다. 반면에 baboon이 비밀 영상일 경우에 PSNR이 25dB정도가 나오게 되는데 baboon영상의 경우에 평균 분산의 값이 굉장히 크며 고주파수 성분 블록의 수가 다른 영상에 비해서 많기 때문에 PSNR이 다른 복원된 영상들에 비해서 낮았다(표 2 참조).
25로 동일한 값이 나왔으며 가장 높은 값임을 알 수 있다. 제안된 방법의 경우에 평균 bpp는 0.96으로 하나의 픽셀을 삽입하기 위해서 0.96비트 정도가 소요되며 기존 블록 매칭 방법의 bpp값의 77%정도에 해당하여 삽입 용량이 상당히 개선되었음을 알 수 있다. 그리고 baboon영상의 경우 PSNR의 측면과 동일하게 고주파수 성분 블록의 수가 많아서 다른 영상들에 비해서 bpp수치가 0.
후속연구
또한 영상에서 중요한 정보라고 볼 수 있는 엣지나 코너점과 같은 성분들이 대부분 고주파수 성분 블록의 내부에 존재하기 때문에 이러한 부분은 최대한 보존을 하여서 영상 자체가 가지는 고유한 성질도 보존 할 수 있었지만 제안된 방법 뿐 아니라 블록 매칭 방법의 경우 실험 결과에서도 알 수 있는 것처럼 고주파수 성분 블록이 많은 baboon 영상과 같은 경우에 삽입한 비밀 영상의 복원률이 상당히 떨어지는 것을 확인할 수 있다. 그래서 고주파수 성분 블록이 많은 비밀 영상의 경우에도 복원률을 향상시킬 수 있는 추가적인 방안을 연구할 필요가 있을 것이다.
결과적으로 이러한 방법을 통해서 삽입한 비밀영상의 PSNR은 유지하면서 삽입 용량을 크게 증가시킬 수 있었으며 스테고 영상의 PSNR의 경우 실험에서 제안한 어떠한 k값을 사용하더라도 높은 PSNR을 보여주었다. 하지만 k-평균 군집화 알고리즘의 경우에 초기값에 민감하다는 단점을 갖고 있으므로 해당 부분에 대해서 새로운 군집화 알고리즘을 적용하여 성능을 더 개선할 여지가 있을 것이다. 또한 영상에서 중요한 정보라고 볼 수 있는 엣지나 코너점과 같은 성분들이 대부분 고주파수 성분 블록의 내부에 존재하기 때문에 이러한 부분은 최대한 보존을 하여서 영상 자체가 가지는 고유한 성질도 보존 할 수 있었지만 제안된 방법 뿐 아니라 블록 매칭 방법의 경우 실험 결과에서도 알 수 있는 것처럼 고주파수 성분 블록이 많은 baboon 영상과 같은 경우에 삽입한 비밀 영상의 복원률이 상당히 떨어지는 것을 확인할 수 있다.
질의응답
핵심어
질문
논문에서 추출한 답변
DWT란?
DWT는 신호를 저주파수 성분과 고주파수 성분으로 분할해주는 변환이며 이를 영상에 적용할 경우에도 동일하게 저주파수 성분과 고주파수 성분으로 분할해준다. 영상의 경우에 수직과 수평인 2차원 신호로 구성되어있으므로 영상에는 2D-DWT를 적용한다.
블록 매칭 기법이란?
블록 매칭 기법은 커버 영상과 비밀 영상의 분할된 블록사이의 유클리디언 거리가 최소가 되는 블록으로 매칭을 해주는 방법으로 유클리디언 거리를 제외한 다른 요소는 고려하지 않는 방법이다. 그러므로 비밀 영상의 매칭정도는 뛰어나지만 반대로 모든 서브 블록에 대해서 동일한 조건으로 알고리즘을 수행하게 되므로 블록을 삽입하기 위한 주소의 크기가 커버 영상의 크기에 비례하여 증가하는 단점이 있다.
블록 매칭을 이용하여 이산웨이블릿 변환 영역에 정보를 삽입하는 새로운 스테가노그래피 방법의 장점은?
본 논문에서는 영상을 미디어로 사용하는 영상 스테가노그래피 방법으로, 블록 매칭을 이용하여 이산웨이블릿 변환 영역에 정보를 삽입하는 새로운 스테가노그래피 방법을 제안한다. 제안 방법은 블록 매칭 후보군 블록의 불균등한 사용으로 인해서 발생하는 삽입 용량의 손실을 개선하여 고용량의 영상 정보를 삽입할 수 있다. 이를 위해, 블록 내부의 분산값을 고려하여 고주파수 성분을 갖는 후보군 블록은 최대한 보존하고, 저주파수 성분의 후보군 블록의 수는 k-평균 군집화 알고리즘을 이용한 압축을 통해 줄인다.
참고문헌 (13)
J. Zollner, H. Federrath, H. Klimant, A. Pfitzmann, R Piotraschke, A. Westfeld, G. Wicke, and G. Wolf, "Modeling the Security of Steganographic Systems," Proc. of Workshop on Information Hiding, pp. 345-355, 1988.
H. Kim, "Theoretical Background and Detection Technique of Steganography," Journal of the Korea Information Security, Vol. 12, No. 1, pp. 34-47, 2002.
K. Jung, J. Lee, and K. Yoo, "Steganography on Android Smart Devices," Journal of the Institute of Electronics and Information Engineers, Vol. 52, No. 4, pp. 100-105, 2015.
J. Kim, H. Park, and J-I. Park, "PVD Image Steganography with Locally-fixed Number of Embedding Bits," Journal of Broadcast Engineering, Vol. 22, No. 3, pp. 350-365, 2017.
S. Ji, "A Study of Optimal Image Steganography Based on LSB Techniques," Journal of the Korea Industrial Information Systems Research, Vol. 20, No. 3, pp. 29-36, 2015.
Y. Lee, Y. Seo, and D. Kim, "Hologram Watermarking using Fresnel Diffraction Model," Proc. of the Korea Society of Broadcast Engineers Conference, Vol. 19, No. 5, pp. 606-615, 2014.
W. Sohn and L. N. T. dung, "A Blind Watermarking Scheme using Singular Vector Based on DWT/RDWT/SVD," Journal of Broadcast Engineering, Vol. 21, No. 2, pp. 149-156, 2016.
Y. Lee, Y. Seo, and D. Kim, "A Robust Blind Watermarking for Digital Image using DWT According to Its Resolution," Journal of Broadcast Engineering, Vol. 20, No. 6, pp. 888-900, 2015.
S. Youssef, A. A. elfarag, and R. Raouf, "A Robust Steganography Model using Wavelet-based Block-partition Modification," International Journal of Computer Science & Information Technology, Vol. 3, No. 4, pp. 15-28, 2011.
S. Singh and T. J. Siddiqui, "A Security Enhanced Robust Steganography Algorithm for Data Hiding," International Journal of Computer Science Issues, Vol. 9, No. 1, pp. 131-139, 2012.
J. Kim, H. Park, and J-I. Park, "Image Steganography Based on Block Matching in DWT Domain," Proc. of BMSB, Cagliary, Italy, 2017.
T. Kanungo, D. Mount, N. Netanyahu, C. Piako, R. Silverman, and A. Wu, "An Efficient ${\kappa}$ -means Clustering Algorithm: Analysis and Implementation," IEEE Trans. Pattern Anal. Mach. Intell., Vol. 24, No. 7, pp. 881-892, 2000.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.