본 논문은 컬러 이미지대상 고용량 데이터 은닉을 위한 새로운 적응형 least-significant-bit(LSB) 스테가노그라피 알고리즘을 제시한다. 은닉할 데이터 비트와 교체하기 위한 컬러 이미지 픽셀의 빨강, 초록, 파랑 (RGB) 컴포넌트의 LSB 비트 수는 peak signal noise ratio (PSNR) 최저값 분석을 통해 결정하였다. 은닉 데이터의 70%는 픽셀의 두 색상 컴포넌트 LSB 3비트를, 나머지 컴포넌트 LSB 2 비트를 교체하고, 30%는 모든 RGB 컴포넌트 LSB 4비트를 교체하는 조합을 제안한다. 또한, 데이터를 은닉할 에지영역 픽셀 선택을 위하여 지역적인 정렬방법도 제안한다. 본 방법은 픽셀 당 9.2 비트(9.2bpp)의 고용량 은닉이 가능하다. 30K - 60K바이트 데이터 은닉 실험결과 512x512 컬러 이미지의 평균 PSNR값은 43.9db이고 자연스러운 히스토그램도 도출되었다.
본 논문은 컬러 이미지대상 고용량 데이터 은닉을 위한 새로운 적응형 least-significant-bit(LSB) 스테가노그라피 알고리즘을 제시한다. 은닉할 데이터 비트와 교체하기 위한 컬러 이미지 픽셀의 빨강, 초록, 파랑 (RGB) 컴포넌트의 LSB 비트 수는 peak signal noise ratio (PSNR) 최저값 분석을 통해 결정하였다. 은닉 데이터의 70%는 픽셀의 두 색상 컴포넌트 LSB 3비트를, 나머지 컴포넌트 LSB 2 비트를 교체하고, 30%는 모든 RGB 컴포넌트 LSB 4비트를 교체하는 조합을 제안한다. 또한, 데이터를 은닉할 에지영역 픽셀 선택을 위하여 지역적인 정렬방법도 제안한다. 본 방법은 픽셀 당 9.2 비트(9.2bpp)의 고용량 은닉이 가능하다. 30K - 60K바이트 데이터 은닉 실험결과 512x512 컬러 이미지의 평균 PSNR값은 43.9db이고 자연스러운 히스토그램도 도출되었다.
This paper presents a new adaptive LSB steganography for high capacity in spatial color images. The number of least signi ficant bit (LSB) of each RGB component in a color image pixel, to replace with the data bits to be hidden, was determine d through analysis of the worst case peak signal noise ra...
This paper presents a new adaptive LSB steganography for high capacity in spatial color images. The number of least signi ficant bit (LSB) of each RGB component in a color image pixel, to replace with the data bits to be hidden, was determine d through analysis of the worst case peak signal noise ratio (PSNR). In addition, the combination of the number of bits is determined adaptively according to image content. That is, 70% of the data to be hidden is proposed to be replaced with 3 bit LSB of two components, 2 bit LSB of the rest component, and 30% be replaced with 4 bit LSB of each RGB compon ent. To find edge areas in an image, delta sorting in local area is also suggested. Using the proposed method, the data cap acity is 9.2 bits per pixel (bpp). The average PSNR value of the tested images with concealed data of up to 60Kbyte was 43.9 db and also natural histograms were generated.
This paper presents a new adaptive LSB steganography for high capacity in spatial color images. The number of least signi ficant bit (LSB) of each RGB component in a color image pixel, to replace with the data bits to be hidden, was determine d through analysis of the worst case peak signal noise ratio (PSNR). In addition, the combination of the number of bits is determined adaptively according to image content. That is, 70% of the data to be hidden is proposed to be replaced with 3 bit LSB of two components, 2 bit LSB of the rest component, and 30% be replaced with 4 bit LSB of each RGB compon ent. To find edge areas in an image, delta sorting in local area is also suggested. Using the proposed method, the data cap acity is 9.2 bits per pixel (bpp). The average PSNR value of the tested images with concealed data of up to 60Kbyte was 43.9 db and also natural histograms were generated.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
2bpp의 고용량 데이터 은닉을 위해 픽셀의 각 RGB 컴포넌트의 LSB 2비트에서 4비트까지 유연하게 교체하는 방법을 제시하고자 한다. 또한 에지영역 픽셀 선택을 위해 상대적으로 메모리가 적게 소요되고 처리 시간도 빠른 지역적 정렬 방법도 제시하고자 한다.
교체될 컬러 이미지 픽셀의 RGB 컴포넌트의 LSB 비트 수를 PSNR 최저값 분석에 의하여 체계적으로 결정하고, 컬러 컴포넌트의 MSB 값에 따라 적응적으로 교체하는 새로운 조합을 제시 하였다. 또한 픽셀 값 차이에 의한 행단위의 픽셀 정렬을 통해 지역적으로 에지 영역을 찾아 데이터를 분산 은닉하여 시각적 비인지성을 높이고자 시도하였다. 그 결과, 제시된 알고리즘은 9.
본 논문에서는 9.2bpp의 고용량 데이터 은닉을 위해 픽셀의 각 RGB 컴포넌트의 LSB 2비트에서 4비트까지 유연하게 교체하는 방법을 제시하고자 한다. 또한 에지영역 픽셀 선택을 위해 상대적으로 메모리가 적게 소요되고 처리 시간도 빠른 지역적 정렬 방법도 제시하고자 한다.
본 논문에서는 N 메모리만 필요한 지역적인 정렬을 통해 에지 영역 픽셀을 검색하는 방법을 제안한다. 본 정렬에서는 세 RGB 컴포넌트 MSB 4비트를 결합한 12비트 정수 값을 픽셀 값으로 사용하였고, 모든 두 픽셀 간의 차이를 이용하여 기존 PVD 블록 간의 차이도 고려하였다.
본 논문에서는 공간 도메인의 컬러 비트맵 이미지 대상으로 새로운 고용량 적응형 LSB 스테가노그라피를 소개하고자 한다. 교체될 컬러 이미지 픽셀의 RGB 컴포넌트의 LSB 비트 수를 PSNR 최저값 분석에 의하여 체계적으로 결정하고, 컬러 컴포넌트의 MSB 값에 따라 적응적으로 교체하는 새로운 조합을 제시 하였다.
본 논문에서는 컬러이미지 대상 새로운 고용량 적응형 LSB 스테가노그라피를 소개하였다. 은닉한 데이터를 포함한 스테고 이미지의 PSNR 최저값 분석을 통해 컬러 이미지 픽셀의 각 RGB 컴포넌트 LSB 교체 비트 수의 조합을 결정하여, 고용량 데이터 은닉이 가능하도록 하였다.
제안 방법
은닉할 데이터는 문자, 이미지, 녹음된 음성 등을 zip으로 압축하여 세 개의 크기로 만들었다. 245, 760비트 (30, 720비]■이트), 409, 600비]트(51, 200日!.이트), 491, 520비]트 (61, 440바이트) 등의 데이터를 은닉하였고 각각 생성된 스테고 이미지를 Stegol, Stego2, Stego3으로 구분하였다.
각 행에 대해 다음 처리를 반복한다. 각 행에 속한 연속된 두 픽셀 차이 deltai 기준 내림차순으로 정렬하고 P개 픽셀을 선택하여 RGB 컴포넌트 LSB의 2비트에서 4비트를 데이터 비트로 대체한다. 그 결과 데이터가 은닉된 스테고 이미지가 생성된다.
한다. 교체될 컬러 이미지 픽셀의 RGB 컴포넌트의 LSB 비트 수를 PSNR 최저값 분석에 의하여 체계적으로 결정하고, 컬러 컴포넌트의 MSB 값에 따라 적응적으로 교체하는 새로운 조합을 제시 하였다. 또한 픽셀 값 차이에 의한 행단위의 픽셀 정렬을 통해 지역적으로 에지 영역을 찾아 데이터를 분산 은닉하여 시각적 비인지성을 높이고자 시도하였다.
은닉한 데이터를 포함한 스테고 이미지의 PSNR 최저값 분석을 통해 컬러 이미지 픽셀의 각 RGB 컴포넌트 LSB 교체 비트 수의 조합을 결정하여, 고용량 데이터 은닉이 가능하도록 하였다. 또한 이미지 전체 픽셀을 대상이 아니라 각 행에 속한 픽셀 값의 차이를 비교하여 지역적으로 에지 영역을 검색하여 이미지 콘텐츠에 적응적으로 2비트에서 4비트 교체되도록 하였다.
결정하였다. 또한 적은 메모리만 추가로 필요한 지역적인 정렬처리 방법을 사용하여 이미지의 에지 영역에 속한 픽셀을 검색하였고, 픽셀 값에 따라 적응적으로 데이터를 은닉하였다. 이러한 콘텐츠 적응적 LSB 대체 방법은 다양한 비트 수의 대체를 유도하여 자연스러운 히스토그램 생성에도 기여하였다.
않았다[9]. 또한, 고용량 방법으로 선택된 모든 픽셀의 RGB LSB 4비트씩 (4-4-4) 고정적 대체[1 이하는 방법과, 또 다른 방식으로 파랑(B) 컴포넌트의 8비트와 초록(G) 컴포넌트의 LSB 4 비트를 고정적으로 대체 [11]하여, 12bpp 고용량 LSB 기반 스테가노그라피가 제시 되었다. 그러나, 고정적으로 높은 비트수를 대체하는 방식은 비정상적인 피크(abnonnal peak) 7\ 발생하는 히스토그램을 생성한다.
같이 시도 하였다. 본 논문에서는 최저 PSNR값이 30db 가 넘고 고용량 9.2bpp가 도출된 4비트씩 교체 30% 와 3+2비트 교체 70%를 적용한 조합을 선택 하였다. 9.
본 방법은 데이터 용량을 커버 이미지와 최대로 차이가 나는 스테고 이미지의 품질 분석 즉, PSNR 최저값 분석에 의해 결정하였다. 또한 적은 메모리만 추가로 필요한 지역적인 정렬처리 방법을 사용하여 이미지의 에지 영역에 속한 픽셀을 검색하였고, 픽셀 값에 따라 적응적으로 데이터를 은닉하였다.
본 방법은 이미지 적응형 은닉을 위하여 먼저 이미지 각 행의 에지영역 픽셀을 지역적으로 찾는다. 각 행의 픽셀 간의 차이 deltai# 내림차순으로 정렬 한 후 P개 픽셀 RGB LSB 에 데이터를 숨긴다.
픽셀을 검색하는 방법을 제안한다. 본 정렬에서는 세 RGB 컴포넌트 MSB 4비트를 결합한 12비트 정수 값을 픽셀 값으로 사용하였고, 모든 두 픽셀 간의 차이를 이용하여 기존 PVD 블록 간의 차이도 고려하였다. 픽셀 차이 값은 두 픽셀 값 차이의 절대값으로 한다.
에지 영역 픽셀 검색을 위하여, 기존 pixel-value differencing (PVD)[4]에서는 이미지 내의 모든 픽셀을 겹치지 않는 블록으로 나누었다. 연속된 두 픽셀이 하나의 블록이며, 블록 내 두 픽셀 값의 차이가 큰 블록이 에지영역으로 두 픽셀에 데이터를 은닉하였다.
소개하였다. 은닉한 데이터를 포함한 스테고 이미지의 PSNR 최저값 분석을 통해 컬러 이미지 픽셀의 각 RGB 컴포넌트 LSB 교체 비트 수의 조합을 결정하여, 고용량 데이터 은닉이 가능하도록 하였다. 또한 이미지 전체 픽셀을 대상이 아니라 각 행에 속한 픽셀 값의 차이를 비교하여 지역적으로 에지 영역을 검색하여 이미지 콘텐츠에 적응적으로 2비트에서 4비트 교체되도록 하였다.
Baboon, Lena, Pepper 등과 스마트 폰으로 캡쳐한 Pink-flowei\와 Yellow-flower 등 모두 512x512 크기의 5개 컬러 이미지를 커버이미지로 실험하였다. 은닉할 데이터는 문자, 이미지, 녹음된 음성 등을 zip으로 압축하여 세 개의 크기로 만들었다. 245, 760비트 (30, 720비]■이트), 409, 600비]트(51, 200日!.
이미지 콘텐츠 적응성을 좀 더 높이기 위해 3+2비트 교체의 경우 RGB 컴포넌트의 4 비트 MSB 값을 비교하여 Table 4와 같이 MSB 값이 가장 큰 경우에 2비트 교체를 시도하여 교체되는 값이 적도록 하였다. MSB 값이 가장 작은 경우나 중간 경우에 2비트 교체를 실시한 경우보다 가장 큰 경우 2비트를 교체한 경우 스테고 이미지 PSNR 값이 가장 높게 측정되었다.
평균제곱오차(MSE)는 커버 이미지와 스테고 이미지간의 차이를 대응하는 픽셀 간의 차이를 제곱 후 합산하여 계산한다. 컬러 이미지는 RGB 각 컴포넌트에 대하여 MSE(R), MSE(G), MSE(B)를 계산하고 수식 (2) 를 이용하여 PSNR 값을 산출한다. 보통 스테고 이미지의 PSNR 값이 30dB 이상이면 좋은 품질로 간주 한다.
대상 데이터
알고리즘은 C#으로 구현하였다. Baboon, Lena, Pepper 등과 스마트 폰으로 캡쳐한 Pink-flowei\와 Yellow-flower 등 모두 512x512 크기의 5개 컬러 이미지를 커버이미지로 실험하였다. 은닉할 데이터는 문자, 이미지, 녹음된 음성 등을 zip으로 압축하여 세 개의 크기로 만들었다.
Results : cover image on the left and stego on the right embedded 60 Kbyte (Stego3). From the top to the bottom, the tested images are Baboon, Lena, Pepper, Pink-flower, and Yello-flower.
데이터처리
이미지 스테가노그라피 데이터 용량은 픽셀 당 비트 수 bpp로 측정한다. 스테고 이미지의 품질은 커버 이미지와 차이를 측정한 PSNR 값으로 평가하며, 통계적 유사성은 히스토그램을 통해 분석한다.
성능/효과
교체되는 값이 적도록 하였다. MSB 값이 가장 작은 경우나 중간 경우에 2비트 교체를 실시한 경우보다 가장 큰 경우 2비트를 교체한 경우 스테고 이미지 PSNR 값이 가장 높게 측정되었다. 결과적으로 본 논문에 제안된 방법은 지역적으로 선택된 에지 영역에 2비트에서 4비트까지 이미지 콘텐츠에 따라 유연하게 대체되었다.
MSB 값이 가장 작은 경우나 중간 경우에 2비트 교체를 실시한 경우보다 가장 큰 경우 2비트를 교체한 경우 스테고 이미지 PSNR 값이 가장 높게 측정되었다. 결과적으로 본 논문에 제안된 방법은 지역적으로 선택된 에지 영역에 2비트에서 4비트까지 이미지 콘텐츠에 따라 유연하게 대체되었다.
또한 픽셀 값 차이에 의한 행단위의 픽셀 정렬을 통해 지역적으로 에지 영역을 찾아 데이터를 분산 은닉하여 시각적 비인지성을 높이고자 시도하였다. 그 결과, 제시된 알고리즘은 9.2bpp의 높은 데이터 용량이 가능하며, Table 1에 제시된 바와 같이 60K바이트 크기까지의 데이터를 은닉한 경우 스테고 이미지의 평균 PSNRe 43.9db로 좋은 품질도 유지할 수 있다. 테스트에 사용된 커버 이미지와 생성된 스테고 이미지 및 자연스런히스토그램 등은 4절 실험결과에 제시되었다.
시각적 유사성 및 비인지성 확인을 위하여, 실험에 사용된 5개 컬러 커버 이미지와 가장 많은 데이터를 은닉한 스테고 이미지 Stego3를 Figure 4의 왼쪽과 오른쪽에 나열하였다. 또한 5개의 커버 이미지에 각각 크기가 다른 데이터를 은닉한 Stegol, Stego2, Stego3 등의 스테고 이미지의 PSNR 값은 Table 1에 제시되 었으며, 평균 43.9 曲의 높은 값이 산출되었다. 마지막으로, Baboon 및 Lena 의 커버 이미지와 Stegol, Stego2, Stego3 등 스테고 이미지의 히스토그램도 Figure 5에 나열하여 통계적 유사성도 확인할 수 있다.
1bpp로 은닉한 결과도 제시되었다 [12]. 스테고 이미지 후처리를 통해 PSNR을 더 향상시킨 결과가 제시 되었지만 데이터 용량이 본 논문보다 낮고, 히스토그램이 제시되지 않았다. 또한, 기존 방법은 이미지 에지 영역의 크기에 따라 저장 할 수 있는 데이터 크기가 결정되기 때문에 정확한 용량(bpp) 산출도 어렵다.
이미지를 확대한 경우 노이즈 같은 시각적 특이현상으로 비인지성이 낮아질 수 있다. 제안된 델타정렬 방법은 데이터를 분산하여 은닉하여 Figure 3 오른쪽 예와 같이 시각적 비인지성을 높일 수 있었다.
후속연구
향후, 본 방법을 확장하여 스마트 폰에 적용하는 연구와 Steganalysis 연구도 수행하여 많은 데이터 은닉 시 발생하는 비정상적인 히스토그램 대비 방법도 연구할 계획이다.
참고문헌 (13)
B. Li, J. He, J. Huang, and Y. Q. Shi, "A survey on image steganography and steganalysis," J. Information Hiding and Multimedia Signal Processing, Vol. 2, no. 2, pp. 142-172, 2011.
J. J. Roque and J. M. Minguet, "SLSB: Implementing the steganographic algorithm LSB," Proc. 7th Int. Workshop on Security in Information Systems, Italy, 2009.
E. Kawaguchi and R. O. Eason, "Principle and applications of BPCS-Steganography," Proc. SPIE Multimedia Systems and Applications, Vol. 3528, pp. 464-473, 1999.
C.-H. Yang, C.-Y. Weng, S.-J. Wang and H.-M. Sun, "Adaptive data hiding in edge areas of images with spatial LSB domain systems," IEEE Trans. on Information Forensics and Security, Vol. 3, no. 3, pp.488-497, 2008.
J. Fridrich, D. Soukal and M. Goljan, "Maximum likelihood estimation of length of secret message embedded using +-k steganography in spatial domain," Proc. SPIE The Int. Society for Optical Engineering, Vol. 5681, pp. 595-606, 2005.
W. Luo, F. Huang and J. Huang, "Edge adaptive image steganography based on LSB matching revisited," IEEE Trans. on Information Forensics and Security, vol. 3, no. 2, pp. 201-214, 2010.
C.-K. Chan and L. M. Cheng, "Hiding data in images by simple LSB substitution," Pattern Recognition, Vol. 37, no. 3. pp. 469-474, 2004.
L. Li and B. Luo, "A color images steganography method by multiple embedding strategy based on sobel operator," Proc. 2009 Int. Conf. Multimedia Information Networking and Security, China, pp. 118-121, 2009.
A. Majeed, M.L. Mat Kiah, H.t. Madhloom, B. B. Zaidan, and A. A. Naidan, "Novel approach for high secure and high rate data hidden in the image using image texture analysis," Int. J. Engineering and Technology, Vol. 1, no. 2, pp. 63-69, 2009.
R. English, "Comparison of high capacity steganography techniques," Proc. 2010 Int. Conf. Soft Computing and Pattern Recognition, France, pp. 448-453, 2010.
M. Juneja and P. S. Sandhu, "Two components based LSB and adaptive LSB steganography based on hybrid feature detection for color images with improved PSNR and capacity," Int. J. Computer Science and Electronics Engineering, Vol. 1, no. 2, pp. 345-351, 2013.
J. M. Rad, "Intensity adaptive LSB method applying a revised matching," Int. J. Computer applications, Vol. 70, no. 27, pp. 20-26, 2013.
N. Lim, D. Kim and H. Lee, "Interactive progressive image transmission for realtime applications," IEEE Trans. on Consumer Electronics, Vol. 56, no. 4, 2010.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.