چکیده:
قابلیت کشف آماری یک نهانکاو بیانکننده توانایی آن در تشخیص تصاویر پاک از تصاویر درج شده است. نهاننگاری بهینه بهگونهای باید طراحی شود که نهانکاو نتواند تصاویر درجشده را تشخیص دهد. به همین دلیل، طراحی یک الگوریتم نهاننگاری بر مبنای کاهش قابلیت کشف آماری نهانکاو، هدفی مهم در نهاننگاری است. با این حال، ایجاد رابطه دقیق بین هزینه تغییر تصویر و قابلیت کشف آماری در حالت کلی مسئلهای حل نشده است. در این مقاله با مدلسازی نهانکاو توسط مدلهای گرافیکی خاصی به نام مدلهای موضوعی، به تخمین احتمال خطای نهانکاو بهعنوان معیاری از قابلیت کشف آماری رسیدهایم. همچنین، بر اساس این معیار، تعریف جدیدی از ظرفیت نهاننگاری ارائه دادهشده و رابطه آن را با هزینه تغییر تصویر بررسی گردیده است. همچنین، نشان داده شده است که روابط ریاضی حاصل بین پارامترهای نهاننگار و نهانکاو با ملاکهای کلاسیک نظیر PSNR همخوانی دارد. سپس از رابطه هزینه تغییر تصویر و قابلیت کشف آماری به یک الگوریتم نهاننگاری مناسب رسیدهایم. با آزمون روی دادگان مناسب نشان داده شده است که الگوریتم حاصل در زمره بهترین الگوریتمهای قابل تحلیل ریاضی است. لازم به ذکر است که تمرکز این مقاله روی حل یک مسئله تئوریک و بازتعریف مفاهیم نهاننگاری است بهطوریکه روش بهینه درج برمبنای بهینهسازی فریب نهانکاو انجام گردد و نه بهصورت کلاسیک برمبنای کاهش فاصله تصویر پوشش و تصویر درجشده. با اینحال عملا به بهبود دقت اندکی در حدود 0.5 % نیز حاصل شده است.
خلاصه ماشینی:
از مهمترین این روشها میتوان به <FootNote No="141" Text="- Syndrome Trellis Coding"/>STC اشاره کرد؛ این روش، تابع اعوجاج را بهصورت جمعپذیر (نسبت به پیکسلهای تصویر) درنظر میگیرد و با استفاده از کدینگ کاغذ خیس، در تصویر بهگونهای درج میکند که اعوجاج کل کمینه شود ]36[.
در این الگوریتم هزینه تغییر هر پیکسل بهصورت مجموع وزنداری از اختلاف بین بردار ویژگیهای تصویر پوشش و تصویر درجشده (در آن پیکسل) محاسبه میشود و در آن از بردار ویژگیهای <FootNote No="143" Text="- Subtractive Pixel Adjacency Matrix"/>SPAM ]37[ استفاده شده است.
پس از معرفی مختصر مدلهای گرافیکی موردنظر در بخش سوم، بخش چهارم به مدلسازی نهانکاو توسط مدل موضوعی LDA<FootNote No="149" Text="- Latent Dirichlet Allocation Topic Model"/> و ارائه معیاری از قابلیت کشف آماری براساس این مدلسازی اختصاص داده شده است که با توجه به این معیار، تعریفی از ظرفیت بیان شده است و رابطه آن با هزینه تغییر پیکسل بررسی شده است.
در این روش، از/، یعنی تابع دیورژانس بین توابع چگالی پیکسلها در تصویر پوشش و تصویر نهاننگاریشده بهعنوان معیاری از قابلیت کشف آماری یاد شده است و قصد دارد که درج بهینه و هزینه تغییر پیکسل متناظر با آنها را به نحوی بیابد که این معیار کمینه شود ]31[.
رابطه هزینه تغییر پیکسل و قابلیت کشف آماری، با ارائه یک الگوریتم نهاننگاری براساس فریب مدل نهانکاو و آزمون آن روی یک دادگان شناختهشده بررسی شده است.
این الگوریتم براساس بیشینهکردن احتمال خطای نهانکاو، (بهعنوان معیار قابلیت کشف آماری) هزینه تغییر پیکسل را محاسبه و در تصویر درج میکند.