Tatouage des images couleur

Schémas de tatouage pour les images couleurs
Partie 2 : Etat de l’art
Alain Trémeau
Lab. LIGIV – Univ. Saint Etienne – France
http://www.ligiv.org
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
Schémas de tatouage couleur
1/ Tatouage de l’image / canal bleu
Algorithme de Kutter [1997]
2/ Tatouage de l’image à / canal bleu-jaune
Algorithme de Fleet [1997]
3/ Tatouage de l’image à partir de la teinte
Algorithme de Van Schyndel [2001]
4/ Tatouage de l’image à partir des trois canaux RGB
Algorithme de Piva [1999]
5/ Tatouage d’image par quantification couleur
Algorithme de Tsai [2004]
6/ Tatouage de l’image dans l’espace des couleurs
Algorithme de Chareyron [2004]
Conclusion
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
1/ Tatouage de l’image à partir du canal bleu
Algorithme de Kutter [1997].
A/ Phase de marquage : marquage du canal bleu pour lequel le Système Visuel
Humain (SVH) est moins sensible.
• I = {R, G, B}, L la luminance de la couleur
• p = (i, j) un pixel choisi aléatoirement sur I, en fonction d’une clé k
• s = bit de marquage, q = force de la signature (constante)
une marque binaire est superposée à la composante B du pixel p par:
Bij  Bij + (2s – 1) Lij q
• n pixels sont marqués, le choix de ces n pixels est fonction d’un paramètre de densité
spatial ρ.
• m signature peuvent être appliquées, le choix d’une signature parmi les m est fonction
d’une clé secrète.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
1/ Tatouage de l’image à partir du canal bleu
Algorithme de Kutter [1997].
B/ Phase de détection : détection du bit de marquage à partir de la valeur B
moyenne calculée sur un voisinage du pixel p.
• ßij = valeur prédite de la composante B pour le pixel p
• c = taille du voisinage d’étude autour du pixel p
ßij = 1/4c ( ∑k = -c, .. c B i+k, j+ ∑k= -c, .. c B i, j+k – 2 Bij)
le bit de marquage s est alors donné par le signe de la différence:
δ = ßij – Bij
Ne nécessite pas l’image originale.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
1/ Tatouage de l’image à partir du canal bleu
Algorithme de Kutter [1997].
Avantage :
• Robuste aux rotations, à la composition d’images, à la compression JPEG
Inconvénient :
• Ne résiste pas à un filtrage passe-bas, ne résiste pas à certaines attaques
géométriques (Yu [2001])
Améliorations :
Kutter [1998]
• Afin de garantir une meilleure robustesse aux attaques géométriques, la marque
est appliquée en différents endroits selon une certaine séquence.
• Par une processus d’auto corrélation, toute déformation géométrique peut alors
être évaluée et l’image marquée peut être re-synchronisée.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
1/ Tatouage de l’image à partir du canal bleu
Algorithme de Kutter [1997].
Améliorations :
Kutter [1999]
• Afin de garantir une meilleure invisibilité de la marque dans les zones texturées
pour lesquelles la sensibilité visuelle est moins fine, le processus de marquage est
précédé d’une étape de segmentation.
Yu et al. [2001]
Autres travaux
• tatouage selon le canal bleu : Tao and Orchard [1999]
• tatouage selon le canal de luminance : Voyatzis and Pitas [1998]
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
2/ Tatouage de l’image à partir du canal bleujaune
Algorithme de Fleet and Hegger [1997].
A/ Phase de marquage : marquage du canal b* de l’espace L*a*b* avec de hautes
fréquences pour lesquelles le SVH est moins sensible.
• Si ΔEL*a*b* >1, un facteur d’atténuation a(x,y) de la force du marquage est calculé,
puis lissé (filtre passe bas) :
a(x,y) = (2/ ( 2+ max [0, ΔE(x,y) – 1] ) )2
(L*a*b* espace uniforme au sens de la perception des écarts couleurs.)
• A chaque itération i de l’algorithme une marque sinusoïde est superposée à chaque
pixel (x,y) selon la composante b*. Soit S(x,y) la valeur résultante après superposition
des sinusoïdes.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
2/ Tatouage de l’image à partir du canal bleujaune
Algorithme de Fleet and Hegger [1997].
A/ Phase de marquage : marquage du canal b* de l’espace L*a*b* avec de hautes
fréquences pour lesquelles le SVH est moins sensible.
• La puissance de la marque G(x,y) est inversement proportionnelle à la distance
euclidienne ΔEL*a*b* qui existe entre le pixel P marqué de sa valeur originale.
G(x,y) = ( Πi=1, .. n ai(x,y) ) S(x,y)
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
2/ Tatouage de l’image à partir du canal bleujaune
Algorithme de Fleet and Hegger [1997].
B/ Phase de détection : extraction des hautes fréquences correspondants à celles
des sinusoïdes sur le canal b* (pour lequel il n’y a a priori
pas de hautes fréquences)
Ne nécessite pas l’image originale.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
2/ Tatouage de l’image à partir du canal bleu-jaune
Algorithme de Fleet and Hegger [1997].
Avantage :
• Résiste aux déformations géométriques (rotation, homothétie) du à l’utilisation d’un
scanner ou d’une imprimante, car les changements induits peuvent être modélisés par
des transformations linéaires.
• Invisibilité de la marque, dont la force est fonction de la perception visuelle.
Inconvénient :
• Non spécifié, principe non repris en compte par d’autres travaux depuis
Autres travaux / tatouage selon le canal bleu-jaune :
Chae et al. [1998], Reed et al. [2002]
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
3/ Tatouage de l’image à partir de la teinte
Algorithme de Van Schyndel [2001].
A/ Phase de marquage : marquage des valeurs angulaires des couleurs représentées
en coordonnées polaires
Méthode non linéaire ≈ perturbation pseudo-aléatoire de la teinte
• Discrétisation (de type uniform quantization) du domaine angulaire afin de dé
corréler les perturbations effectuées dans chaque secteur angulaire.
• Une perturbation angulaire (de type dithering) est superposée à la valeur angulaire
de certains pixels choisis aléatoirement dans le plan image.
• l’ensemble de ces perturbations angulaires défini la marque appliquée
=> processus additif (multiplicatif ) / domaine angulaire (vectoriel)
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
3/ Tatouage de l’image à partir de la teinte
Algorithme de Van Schyndel [2001].
B/ Phase de détection : extraction des perturbations (par un processus de type
corrélation de phase) correspondants à celles appliquées
(processus inverse à celui appliqué renforcé par une
étude / voisinage local).
Ne nécessite pas l’image originale.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
3/ Tatouage de l’image à partir de la teinte
Algorithme de Van Schyndel [2001].
Avantage :
• L’approche peut être transposée à tout domaine angulaire (défini par deux vecteurs),
pas uniquement à la teinte.
Inconvénient :
• Utilisation d’un espace de représentation en coordonnées polaires (problème de
réversibilité de la transformation d’espace, problème de décomposition en secteurs
angulaires, problème du modulo 2Π / teinte).
Améliorations :
• Discrétisation gaussienne du domaine angulaire
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
4/ Tatouage de l’image à partir des trois canaux RGB
Algorithme de Piva et al. [1999].
A/ Phase de marquage : marquage des coefficients de la transformée DCT
(Discrete Cosinus Transform)
• La transformation DCT est calculée pour chacune des composantes RGB.
• Un ensemble de coefficients est calculé pour chacune des composantes RGB,
certains de ces coefficients préalablement sélectionnés selon une certaine clé sont
ensuite utilisé pour appliquer la marque.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
4/ Tatouage de l’image à partir des trois canaux RGB
Algorithme de Piva et al. [1999].
A/ Phase de marquage : marquage des coefficients de la transformée DCT
(Discrete Cosinus Transform)
• La force αr,g,b de la marque est modulée, canal par canal, relativement à la fonction
d'efficacité lumineuse V(λ) qui détermine la sensibilité lumineuse de chacun des
canaux les uns par rapport aux autres.
αr + αg + αb = αr,g,b
αr / αg = V(λg) / V(λr) = 1.89
αb / αg = V(λg) / V(λb) = 10.48
λb = 470 nm, λg = 540 nm, λr = 610 nm
4/ Tatouage de l’image à partir des trois canaux RGB
Algorithme de Piva et al. [1999].
B/ Phase de détection : détection de la marque par analyse (statistiques) des
coefficients de corrélation entre canaux
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
4/ Tatouage de l’image à partir des trois canaux
RGB
Algorithme de Piva et al. [1999].
Avantage :
• Le processus de détection résiste à la compression JPEG dans la limite d’un taux de
qualité de 5 % !
• Le processus de détection exploite le degré de corrélation qui existe entre les canaux
ce qui limite d’autant la probabilité de fausse alarme.
• La méthode résiste aux filtrages
Inconvénient :
• non spécifié, principe non repris en compte par d’autres travaux depuis
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
5/ Tatouage d’image par quantification couleur
Algorithme de Tsai et al. [2004]
A/ Phase de marquage : marquage des couleurs sélectionnées comme étant
les couleurs les plus pertinentes pour le SVH.
• Par quantification (avec la contrainte de minimiser le ΔE
L*a*b*
) : sélection des
couleurs les plus représentatives.
• La palette des couleurs constituée est ordonnée, pour minimiser les écarts entre les
couleurs d’indices consécutifs, puis fractionnée en deux sous-ensembles : une valeur
sur deux est associé à un sous-ensemble, les autres valeurs sont associées à l’autre
sous-ensemble.
• Ces deux sous-ensembles sont utilisés pour marquer la couleur de chaque pixel
sélectionné.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
5/ Tatouage d’image par quantification couleur
Algorithme de Tsai et al. [2004]
A/ Phase de marquage :
• Le marquage s’effectue au moment de la phase de mapping sur un ensemble donné
de pixels choisis aléatoirement.
B/ Phase de détection : détection de la marque par analyse de la couleur des pixels
sélectionnés par rapport aux couleurs des deux sousensemble de la palette des couleurs (processus inverse
au processus précédent).
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
5/ Tatouage d’image par quantification couleur
Algorithme de Tsai et al. [2004]
Avantage :
• Bonne invisibilité de la marque à condition d’avoir une quantification assez fine.
• Compatibilité naturelle avec tout processus utilisant une quantification couleur.
Inconvénient :
• Robustesse de l’algorithme meilleure / palette de couleur ayant une distribution
uniforme.
Autres travaux / tatouage par quantification couleur
Akarun and al. [2000]
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
6/ Tatouage de l’image dans l’espace des couleurs
Algorithme de Chareyron and Trémeau [2004]
A/ Phase de marquage
-
6/ Tatouage de l’image dans l’espace des couleurs
Algorithme de Chareyron and Trémeau [2004]
B/ Phase de détection
Ne nécessite pas
l’image originale.
6/ Tatouage de l’image dans l’espace des
couleurs
Algorithme de Chareyron and Trémeau [2004]
Avantage :
• Généralise à la couleur la méthode dite de spécification d’histogramme introduite
par Colduc [1999, 2001], améliorée par Tsai et Hu [2004].
• Le processus de détection résiste aux déformations géométriques, résiste à la
compression JPEG (jusqu’à un taux de 95%).
• invisibilité de la marque, dont la force est fonction de la perception visuelle.
• méthode semi-fragile qui peut être utilisée pour l’authentification, la détection
d’attaques
Inconvénient :
• ne résiste pas aux attaques de type filtrage
Améliorations :
• atténuer la force du marquage en fonction du contenu de l’image
Conclusion
•
En général, seule une composante parmi les 3 composantes couleurs est utilisée :
Bleu / RGB, b* / L*a*b*, L / LTS, S / LTS (Kim [2001]), H / HSV etc.
excepté Piva [1999] qui gère le degré de corrélation entre les canaux RGB.
•
En général, seul un sous espace de représentation est utilisé : plan image, plan
temps- fréquence, espace des couleurs, etc.
•
En général, les méthodes spatiales ou fréquentielles sont bien adaptée pour
améliorer la robustesse du processus de tatouage mais ne sont pas bien adaptée
pour :
1.
minimiser l’invisibilité de la marque
2.
maximiser la probabilité de détection et minimiser le taux de fausse alarme
Wolfgang [1998], Saenz [1999], Campisi [2002], Vidal [2002]
Conclusion
•
En général, les méthodes basées sur le calcul d’une distance couleur de type ΔE L*a*b*
sont bien adaptées pour minimiser l’invisibilité de la marque.
Fleet and Hegger [1997], Battiato [1999], Tsai et al. [2002], Chareyron and Trémeau
[2004]
•
En général, les approches proposées sont très récentes. Une étude critique de leur
performance (robustesse, invisibilité, capacité d’insertion) reste à réaliser.
•
En général, les approches proposées ont réellement une spécificité couleur, la plupart
ne peuvent pas être considérée comme une « simple » extension d’une approche niveau
de gris.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
Conclusion
•
Pour le moment la dimension couleur a surtout été utilisée plutôt pour minimiser
l’invisibilité d’une marque (notamment la présence de fausses couleurs), ce qui se
justifie de par la nature de cette dimension, que pour renforcer la robustesse des
algorithmes.
Kundur [2004] / composantes images ou le SVH est le plus sensible.
•
Pour le moment, peu de travaux ont portés sur l’augmentation de la capacité
d’insertion via la dimension couleur.
Soulignons les travaux précurseurs de Van Schyndel [1994] pour les images à niveau
de gris, sur la méthode LSB (Least Significant Bit).
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
Tatouage des images couleurs
References
•
•
•
•
•
•
M. Kutter, Digital signature of color images using amplitude modulation.
Proceeding of SPIE, volume 3022, pages 518–525, 1997.
M. Kutter, Watermarking resisting to translation, rotation, and scaling,
Proceeding of SPIE, volume 3528, pages 423-431, 1998.
M. Kutter, S.K. Bhattacharjee and T. Ebrahimi, Towards Second Generation
Watermarking Schemes, IEEE Proceedings of ICIP’99, volume 1, pages 320323, oct. 1999.
B. Tao and M. T. Orchard. Coding and modulation in watermarking and data
hiding. In SPIE Conference on Security and Watermarking of Multimedia
Contents, volume 3657, pages 503–510, 1999.
P. T. Yu, H. H. Tsai, and J. S. Lin. Digital watermarking based on neural
networks for color images. Signal processing, 81:663–671, 2001.
G. Voyatzis and I. Pitas. Digital image watermarking using mixing systems.
Computer and Graphics, 22(4):405–416, 1998. special issue on data security in
image communication and networking.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
Tatouage des images couleurs
References
•
•
•
•
•
•
D. Fleet and D. Heeger. Embedding invisible information in color images. In
Proc. 4th IEEE International Conference on Image Processing (ICIP’97),
volume 1, pages 532–535, Santa Barbara, USA, 1997
J.J. Chae, D. Murkherjee, and B.S. Manjunath. Color image embedding using
multidimensional lattice structures. In Proceedings of IEEE, Forum on
Research and Technology Advances in Digital Librarie, pages 319–326, Santa
Barbara, CA, Apr 1998.
A. Reed and B. Hanningan. Adaptive color watermarking. In SPIE
Proceedings, volume 4675, pages 222–229, January 2002.
G. Van Schyndel. Data hiding in angle quantisation. In SPIE Security and
Watermarking of Multimedia Contents III, pages 544–554, 2001.
A. Piva, F. Bartolini, V. Cappellini, M. Barni, Exploiting the Cross-Correlation
of RGB-Channels for Robust Watermarking of Color Images, Proceeding of
6th IEEE International Conference on Image Processing ICIP'99, Kobe, Japon,
volume 1, pp 306-310, oct. 1999.
H. H. Tsai, P. T. Yu, and C. C. Chang. A color image watermarking scheme
based on color quantization. Signal processing, 84:95–106, 2004.
Tatouage des images couleurs
References
•
•
•
•
•
L. Akarun, N. Özdilek, B. U. Öztekin, A Novel Technique for Data Hiding in
Color Paletted Images, Proceedings of the 10th European Signal Processing
Conference, EUSIPCO'00, Tampere, Finland, pp 123-126, sept. 2000.
G. Chareyron, B. Macq, and A. Trémeau. Watermaking of color images based
on segmentation of the xyz color space. In Proceedings of CGIV Conference,
pages 178–182, Aachen (GE), april 2004. IS & T.
D. Coltuc and Ph. Bolon. Robust watermarking by histogram specification. In
Proceedings of the IEEE Workshop on Multimedia and Signal Processing,
1999.
D. Coltuc, J.M. Chassery, and Ph. Bolon. Image authentication by histogram
specification. In Proceedings of the IEEE Workshop on Multimedia and Signal
Processing, pages 499–504, 2001.
D. Coltuc, J.M. Chassery, and Ph. Bolon. Fragile and robust watermarking by
histogram specification. In SPIE Conf. on Security and Watermarking of
Multimedia Contents IV, SPIE Proceedings, volume 4657, pages 701–710,
2002.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
Tatouage des images couleurs
References
•
•
•
•
H. S. Kim, H. K. Lee, H. Y. Lee, and Y. H. Ha. Digital watermarking based on
color differences. In Proc. SPIE Internet Imaging II, volume 4314, pages 10–
17, San Jose, California, 2001.
R.B. Wolfgang, C.I. Podilchuk, and E.J. Delp. The e.ect of matching watermark
and compression transforms in compressed color images. In Proceedings of the
IEEE International Conference on Image Processing (ICIP), Chicago, Illinois,
Oct. 1998.
M. Saenz, P. Salama, K. Shen, and E. J. Delp. An evaluation of color embedded
wavelet image compression techniques. In Proceedings of the SPIE/IS & T
Conference on Visual Communications and Image Processing (VCIP), pages
282–293, San Jose, CA, Jan 1999.
P. Campisi, D. Kundur, D. Hatzinakos, and A. Neri. Hiding-based compression
for improved color image coding. In SPIE Proceedings, volume 4675, pages
230–239, January 2002.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005
Tatouage des images couleurs
References
•
•
•
•
•
•
J. Vidal, M. Madueno, and E. Sayrol. Color image watermarking using channelstate knowledge. In SPIE Proceedings, volume 4675, pages 214–221, January
2002.
S. Battiato, D. Catalano, G. Gallo, R. Gennaro, Robust Watermarking for
Images based on Color Manipulation, Proceedings of the 3rd Workshop on
Information hiding, LNCS 1768, pages 302-317, Dresden, 1999.
P. Tsai, C. C. Chang, and Y. C. Hu. An adaptive two-stage edge detection
scheme for digital color images. Real-Time Imaging, 8:329–343, 2002.
N. Nikolaidis and I. Pitas. Robust image watermarking in the spatial domain.
Signal processing, 66:385–403, 1998.
D. Kundur and D. Hatzinakos. Toward robust logo watermarking using
multiresolution image fusion principles. IEEE Trans. on Multimedia, 6(1):185–
198, Feb 2004.
R. G. Van Schyndel, A. Z. Tirkel, N. Mee and C.F. Osborne, A digital
watermark, Proceedings of the IEEE International Conference on Image
Processing, volume 2, Austin USA, Nov. 1994, pp 86-90.
Ecole d’Hiver sur l’Imagerie Couleur – Lille 2005