Digitalni vodeni žig

1. Digitalni vodeni žig Goran Horak, Ivan Murat, Milan Domazet

2. Uvod • Digitalni vodeni žig (Digital watermark) • Informacija koja se dodaje na neki signal (sliku, zvuk, video) • Dodana informacija je “skrivena” – izvorni signal nije značajnije promjenjen • Može se detektirati i nakon što signal s vodenim žigom pretrpi razne modifikacije

3. Opis problema • Problem • Dodavanje digitalnog vodenog žiga na sliku (B/W, Color) i njegova detekcija • Primjena • Dodatne informacije (npr. autor, godina...) • Zaštita autorskih prava • Provjera autentičnosti

4. Opis problema (2) • Zahtjevi • Transparentnost za čovjekov vizualni sustav • Robusnost • Sigurnost

5. Model procesa • x – osnovni signal (slika) • m – digitalni vodeni žig • s – signal s vodenim žigom • y– signal s vodenim žigom nakon modifikacija • – estimirani vodeni žig

6. Pregled postojećih metoda • Podjela prema domeni • Prostorna domena • Transformacijska domena • Frekvencijska (DCT, DFT) • Wavelet (DWT) • Razne “egzotične” (fraktalna, kompleksna wavelet, Fresnel, Fourier-Mellin...)

7. Pregled postojećih metoda (2) • Podjela prema načinu dodavanja vodenog žiga • Linearne aditivne metode • Spread spectrum • Manipulacija bitovima male važnosti • Nelinearna kvantizacija • Podjela prema dostupnosti originala • Dostupan • Nije dostupan

8. Spread Spectrum • Linearna aditivna metoda u prostornoj domeni • Vodeni žig se raspoređuje po svim frekvencijama • Postupak dodavanja • Moduliranje informacije bijelim šumom • Dodavanje moduliranog signala izvornom signalu (slici)

9. Dodavanje vodenog žiga • vodeni žig – binarni niz: • transformacija tog niza: • slika x se dijeli u blokove xi, u svaki blok se sprema jedan bit vodenog žiga • mi’ se modulira bijelim šumom w veličine bloka slike, modulirani signal se dodaje bloku slike xi xi w

10. Detekcija vodenog žiga • Kroskorelacija bloka slike s realizacijom bijelog šuma s kojom je vodeni žig stvoren • Ako je vrijednost korelacije veća od eksperimentalno određedog praga, tj. vodeni žig je prisutan:

11. Detekcija vodenog žiga (2) • p – snaga vodenog žiga • mora biti dovoljno velika da se vodeni žig može detektirati i nakon modifikacije slike • ne smije biti prevelika da se šum ne bi vidio na slici • u našoj implementaciji se mijenja, ovisi o korelaciji šuma i bloka slike

12. Modifikacije osnovne metode • Ispis slike • Visoke frekvencije se ne mogu dobro rekonstruirati • Vodeni žig treba modelirati s obojenim šumom koji sadrži samo niske frekvencije • Stvaranje manjeg bloka bijelog šuma i iterpolacija dodavanjem nula u frekvencijsku karakteristiku w’ w dct2 idct2 dodane nule

13. Modifikacije osnovne metode (2) • JPEG kompresija • Spread spectrum nije pogodan za JPEG kompresiju • Kompresijom se gube sve informacije male snage (većina šuma koji smo dodali) • Trik – bijeli šum komprimirati JPEG-om i takvog ga dodavati na sliku • Nije savršeno, ali radi jpeg

14. Eksperimentalni rezultati • Modifikacije boje • Testna slika: dimenzije 512 x 512 pixela, boja 24 bitna, RGB • Vodeni žig, veličina bloka 32 x 32 pixela, snaga 5 original: sa vodenim žigom: razlika:

15. Dodavanje šuma: 100% do suma amplitude 100 Postotak detekcije opada daljnjim porastom suma Color balance: 98% za prikazanu sliku Plastic: 100% Gaussovo Zamućenje: 100% za r=0.3px 95% za r=0.4px 70% za r=0.5px za r>0.7px ne može se detektirati Rezultati – modifikacije boje

16. Eksperimentalni rezultati • Modifikacija geometrije • Testna slika: dimenzije 512 x 512 pixsela, boja 24 bitna, RGB • Vodeni žig: veličina bloka 24 x 24, interpolirano na 32 x 32, snaga 5 original: sa vodenim žigom: razlika:

17. Rezultati - modifikacije geometrije • Ova metoda ne podnosi promjenu geometrije • Moguće su samo vrlo male modifikacije • Može se implementirati skaliranje i rotacija šuma • Program bi bio vrlo spor (već sa pomakom blokova radi sporo) Povećanje na 516 x 516: 85% Smanjenje na 508 x 508: 84% Rotacija 0.5°: 72%

18. Rezultati - JPEG • vodeni žig 32 x 32 komprimiran JPEG-om Kvaliteta 10/100: ne može se detektirati Kvaliteta 20/100: ne može se detektirati Kvaliteta 30/100: 100% za sve kavlitete veće od 30/100

19. Rezultati - ispis • Slika 1280 x 960, Grayscale • Vodeni žig 16 x 16 interpoliran na 64 x 64, snaga 8 Original Ispisana na laserskom pisaču i skenirana: Točno pročitan, osim na mjestima gdje je nestalo tonera ;) Pretvorena u Grayscale i dodan vodeni žig Ispisana, zgužvana i skenirana: 65% (uključujući i mjesta bez tonera)

20. Ocjena metode i usporedba s ostalim metodama • Spread spectrum • Jedna od najstarijih metoda • Ne pretjerano dobra • Vodeni žig mora biti dosta snažan - vidi se • “slijepa” metoda – ne koristi karakteristike slike na koju se primjenjuje • Uz manje modifikacije može se primjeniti u raznim situacijama (bolje metode su usko specijalizirane)

21. Zaključak • Rezultati • Implementiranom metodom ne može se na sliku dodati puno podataka • Detekcija dobra, osim nakon modifikacija geometrije slike • Moguća poboljšanja • Mogućnost skaliranja i rotacije šuma prilikom detekcije • Optimiziranje koda i ubrzavanje izvođenja

22. I za kraj... • Lena Sjööblom • Playmate of the Month, studeni 1972. • Skenirana na USC, SIPI za jedan članak • Najčešće korištena slika za testiranje algoritama koji se bave obradom slike