Юдін О.К., Весельська О.М.

Національний авіаційний університет, Україна

Пошук можливостей для розробки сучасних ефективних методів сеганографії та стегоаналізу

Метою тез є встановлення функціональної залежність міри спотворення цифрового зображення в залежності класу зображення, окремо для кожної компоненти колірної моделі.

         Основна частина Частотні методи базуються на модифікації сигналу, що формується шляхом використання  до цифрового зображення (ЦЗ) перетворення Фур’є. Фільтр, який ослаблює високі частоти, одночасно пропускаючи низькі називається низькочастотним фільтром (НЧ). Фільтр, що ослаблює низькі частоти, одночасно пропускаючи високі – високочастотний фільтр (ВЧ). Результат лінійної фільтрації визначається функцією, де - функція фільтра,  – розмірність фільтра, - ЦЗ.

Рис.1. Структурна схема реалізації частотної фільтрації для ЦЗ

Більшість методів стеганографії забезпечують невисоку робастність до будь яких спотворень. Більш робастними до різноманітний спотворень є методи стеганографічного захисту інформації, що використовують для приховування даних частотну область [1]. Умовно поділимо цифрові зображення на класи. Визначемо їх за ознакою розподілу інтенсивностей значень пікселів та неформального визначення класів зображення за алгоритмом стиснення [2]. Клас 1. Зображення з невеликою кількістю кольорів, заповненими одним кольором. Клас 2. Зображення, з плавними переходами кольорів, побудовані на комп'ютері. Клас 3. Фотореалістичні зображення. Клас 4. Фотореалістичні зображення з накладенням ділової графіки. Характерною відмінністю ЦЗ різних класів є закони розподілення значень яскравості сусідніх пікселів.       

Для аналізу спотворення зображення після фільтрації скористаємося найбільш поширену міру PSNR (англ. Peak signal-to-noise ratio) - пікове відношення сигналу до шуму. PSNR найбільш часто використовується для вимірювання рівня спотворень при стисненні зображень [3].

Табл.1. PSNR, отримані після використання ВЧ фільтрації

PSNR т

1 Клас

2 Клас

3 клас

4 клас

%

Дцб

%

Дцб

%

Дцб

%

Дцб

RGB

16,771

53,489

16,321

53,264

20,099

55,153

11,566

50,887

R

17,97

54,088

17,90

54,053

21,755

55,981

12,568

51,388

G

20,281

55,21

16,966

53,552

21,883

56,011

12,934

51,537

B

21,205

55,706

18,064

54,135

21,666

55,937

10,995

50,601

Табл.2. PSNR, отримані після використання НЧ фільтрації

PSNR

 

1 Клас

2 Клас

3 клас

4 клас

 

%

Дцб

%

Дцб

%

Дцб

%

Дцб

 

 

 

 

 

 

 

 

 

RGB

0,598

45,402

10,519

50,363

7,78

48,993

3,324

46,765

R

0,366

45,287

9,741

49,974

7,063

48,635

2,649

46,428

G

0,376

45,257

7,571

48,855

7,261

48,7

2,696

46,417

B

0,287

45,247

9,285

49,746

7,798

49,003

3,08

46,643

Як видно з отриманих даних, значення характеристики PSNR різні для різних колірних складових зображення. В результаті використання ВЧ фільтра найменше спотворення виявлено в червоній складовій для  першого класу, в зеленій для другого класу, та в синій – для  третього та четвертого  класів. В результаті використання НЧ фільтра найменше спотворення виявлено в червоній складовій для  третього та четвертого класів, в зеленій для 2-го класу, та в синій – для  1-го класу. Реалістичних зображень, отримані за допомогою цифрового фотоапарату, тобто 3 клас, представляють більший інтерес з точки зору використання в якості ефективних контейнерів в стеганографії. Завдяки рівномірному розподілу інтенсивності пікселів та підвищенні рівню шуму при скануванні, виявлення прихованого вмісту представляє набагато вищу складність. При цьому, ще вищу таємність дозволяє забезпечити використання зображень третього класу у градаціях сірого

         Висновки. Отримано алгоритми видалення сегментів спектру трьох колірних гам та доведено, що функціональні залежності спотворення якості ЦЗ різні для червоної, зеленої і синьої складової колірної моделі. Показано, що зазначена статистика може бути базовим підґрунтям подальших досліджень для  розробки сучасних ефективних методів  стеганографії та стегоаналіза з умови вбудування контейнерів в різні колірні компоненти.

Літерарура:

1.       Гонсалес .Цифровая обработка изображений. Р. Гонсалес, Р.Вудс. – Москва: Техносфера, 2005. – 1072 с.

2.         Д.С.Ватолин. Алгоритмы cжатия изображений. Методическое пособие. – Москва: МГУ, 1999. – 76 с.

3.       Юдін О. К., Корченко О. Г., Конахович Г. Ф. Захист інформації в мережах передачі даних //К.: Вид-во ТОВ „НВП „Інтерсервіс. – 2009. Конахович Г.Ф. Компютерная стеганография. Теория и практика / Г.Ф. Конахович, Ф.Ю. Пузыренко. – К.: «МК-Пресс», 2006. – 288 с.