Multi-marcação de vídeo baseada em marca d'água LWT-SVD usando abordagem lateral
68
0
0
Texto
(2) CHARLES WAY HUN FUNG. ˜ DE VIDEO ´ ´ MULTI-MARCAC ¸ AO BASEADA EM MARCA D’AGUA LWT-SVD USANDO ABORDAGEM LATERAL. Dissertac¸a˜ o apresentada ao Programa de P´osgraduac¸a˜ o em Engenharia El´etrica e Inform´atica Industrial da Universidade Tecnol´ogica Federal do Paran´a como requisito parcial para obtenc¸a˜ o ´ do grau de “Mestre em Ciˆencias” – Area de Concentrac¸a˜ o: Telem´atica. Orientador:. CURITIBA 2012. Prof. Dr. Walter Godoy Junior.
(3)
(4)
(5) AGRADECIMENTOS. Durante o desenvolvimento deste trabalho de mestrado diversas pessoas tiveram sua parcela de colaborac¸a˜ o, auxiliando-me com as dificuldades e obst´aculos. Desta forma, demonstro minha gratid˜ao a estas pessoas. Em primeiro lugar a minha fam´ılia, pelo apoio e compreens˜ao. ` Priscila, pelo amor e paciˆencia durante o mestrado. A Ao meu orientador Dr. Walter Godoy J´unior, pela total disponibilidade ao me orientar. Aos amigos do NATEC que estiveram presentes no momentos que necessitei. Aos amigos do LVC que me valeram com novas ideias e diminu´ıram d´uvidas, em especial ao Prof. Hugo Vieira e ao estudante de mestrado Jos´e Kuiaski. Aos amigos Diogo, Liane, Alisson, Thiago e Antˆonio pelo companheirismo. ` CAPES - Coordenac¸a˜ o de Aperfeic¸oamento de Pessoal de N´ıvel Superior, pelo apoio A financeiro concedido..
(6) RESUMO. ˜ DE V´IDEO BASEADA EM MARCA D’AGUA ´ Fung, CHARLES. MULTI-MARCAC¸AO LWT-SVD USANDO ABORDAGEM LATERAL. 66 f. Dissertac¸a˜ o – Programa de P´os-graduac¸a˜ o em Engenharia El´etrica e Inform´atica Industrial, Universidade Tecnol´ogica Federal do Paran´a. Curitiba, 2012. V´ıdeos digitais se tornaram uma forma de comunicac¸a˜ o altamente utilizada na Internet. Entretanto, estes dados s˜ao facilmente copiados e distribu´ıdos. Isto se deve ao crescente n´umero de ferramentas que surgiram com este objetivo, causando quebra dos direitos autorais e distribuic¸a˜ o ilegal de conte´udo. A soluc¸a˜ o mais estudada para este problema s˜ao as marcas d’´agua digitais, que provem seguranc¸a em forma de autenticac¸a˜ o e verificac¸a˜ o de violac¸a˜ o. Neste trabalho, foi desenvolvido um novo m´etodo de inserc¸a˜ o e extrac¸a˜ o de marcas d’´agua em um v´ıdeo, usando o processo chamado abordagem lateral. Este possibilita a marcac¸a˜ o em blocos de quadros. As diversas marcas inseridas s˜ao usadas como redundˆancia para aumentar a robustez contra ataques. Os testes realizados seguiram o padr˜oes Vidmark e Stirmark, os quais demonstram a eficiˆencia do m´etodo em manter a marca d’´agua mesmo ap´os ataques. Palavras-chave: Marca d’´agua. Seguranc¸a. Wavelet. V´ıdeo. Autenticac¸a˜ o..
(7) ABSTRACT. Fung, CHARLES. MULTI-WATERMARKING BASED ON LWT-SVD WATERMARK USING SIDE VIEW . 66 f. Dissertac¸a˜ o – Programa de P´os-graduac¸a˜ o em Engenharia El´etrica e Inform´atica Industrial, Universidade Tecnol´ogica Federal do Paran´a. Curitiba, 2012. Digital videos have become the one of used way to communicate, over the Internet however these are easily copied and distributed. That happen due the growing number of tools that are created with this goal, causing breaches of copyright and illegal distribution of content. The most studied solution that can solve this problem are the digital watermarks that provide security features, like authentication and tamper detection. In this work, we developed a new method of embedding and extracting watermarks in a video using a process called side view. This process allows watermark a block of frames. The several watermarks embedded can be used like redundance to enhance the robustness of the method against attacks. The tests followed the standard benchmarks Vidmark and Stirmark, which show the ability of the method in keeping the watermark even after attacks. Keywords: Watermark. Security. Wavelet. Video. Authentication..
(8) LISTA DE FIGURAS. FIGURA 1 FIGURA 2 FIGURA 3 FIGURA 4 FIGURA 5 FIGURA 6 FIGURA 7 FIGURA 8 FIGURA 9 FIGURA 10 FIGURA 11 FIGURA 12 FIGURA 13 FIGURA 14 FIGURA 15 FIGURA 16 FIGURA 17 FIGURA 18 FIGURA 19 FIGURA 20. – – – – – – – – – – – – – – – – – – – –. FIGURA 21 FIGURA 22 FIGURA 23 FIGURA 24 FIGURA 25 FIGURA 26 FIGURA 27 FIGURA 28 FIGURA 29 FIGURA 30 FIGURA 31 FIGURA 32. – – – – – – – – – – – –. Esteganografia x Marca d’´agua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Marcas d’´agua inseridas usando LSB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Decomposic¸a˜ o em um n´ıvel aplicando DWT bidimensional . . . . . . . . . . . . . 23 Sub-bandas da DWT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 Esquema LWT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 Esquema de inserc¸a˜ o da marca d’´agua do m´etodo proposto . . . . . . . . . . . . . . 27 Marca d’´agua utilizada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Pr´e-processamento do v´ıdeo em 3 estados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 Banda marcada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Distribuic¸a˜ o uniforme dos quadros laterais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Diferenc¸as de coeficientes de visibilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Fluxograma do algoritmo de extrac¸a˜ o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 Gr´afico PSNR x Quadros do v´ıdeo 320x240 marcado . . . . . . . . . . . . . . . . . . . 36 Gr´afico PSNR x N´umero de marcas d’´agua . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38 Ru´ıdo Gaussiano aplicado nas amostras de v´ıdeo . . . . . . . . . . . . . . . . . . . . . . . 40 Marcas d’´agua recuperadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 Ru´ıdo Sal & Pimenta aplicado nas amostras de v´ıdeo . . . . . . . . . . . . . . . . . . . 42 Marcas d’´agua recuperadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 Quadros ap´os aplicac¸a˜ o de filtro de m´edia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 Marcas d’´agua recuperadas com 1,5,10,40,160 e 640 marcas - Figuras a,b,c,d,e,f m´etodo da m´edia e figuras g,h,i,j,k,l m´etodo da moda . . . . . . . . . . . . . . . . . . . 45 Quadros ap´os aplicac¸a˜ o de filtro de mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 Marcas d’´agua recuperadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 Quadros ap´os aplicac¸a˜ o de filtro gaussiano com σ =0,5 . . . . . . . . . . . . . . . . . 48 Marcas d’´agua extra´ıdas ap´os o uso de filtro gaussiano . . . . . . . . . . . . . . . . . 49 Marcas d’´agua extra´ıdas de amostras comprimidas com MPEG1 . . . . . . . . . 51 Marcas d’´agua extra´ıdas de amostras comprimidas com MPEG2 . . . . . . . . . 52 Gr´afico Correlac¸a˜ o x N´umero de Quadros Perdidos pelo m´etodo da m´edia 53 Gr´afico Correlac¸a˜ o x N´umero de Quadros Perdidos pelo m´etodo da moda 53 Gr´afico Correlac¸a˜ o x N´umero de Quadros Inseridos por media . . . . . . . . . . 55 Gr´afico Correlac¸a˜ o x N´umero de Quadros Inseridos por moda . . . . . . . . . . . 55 Gr´afico Correlac¸a˜ o x N´umero de Quadros Trocados por m´edia . . . . . . . . . . 56 Gr´afico Correlac¸a˜ o x N´umero de Quadros Trocados por moda . . . . . . . . . . . 56.
(9) LISTA DE TABELAS. TABELA 1 TABELA 2 TABELA 3 TABELA 4 TABELA 5 TABELA 6 TABELA 7 TABELA 8 TABELA 9 TABELA 10. – – – – – – – – – –. PSNR por sub-banda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Correlac¸a˜ o das marcas d’´agua recuperadas sob ru´ıdo Gaussiano . . . . . . . . . Correlac¸a˜ o das marcas d’´agua recuperadas sob ru´ıdo Sal & Pimenta . . . . . . Correlac¸a˜ o das marcas d’´agua recuperadas quando aplicado filtro de m´edia Correlac¸a˜ o das marcas d’´agua recuperadas quando aplicado filtro de mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Correlac¸a˜ o das marcas d’´agua recuperadas quando aplicado filtro gaussiano Parˆametros utilizados nas compress˜oes de v´ıdeo . . . . . . . . . . . . . . . . . . . . . . . . Correlac¸a˜ o das marcas d’´agua recuperadas sob compress˜ao MPEG 1 . . . . . Correlac¸a˜ o das marcas d’´agua recuperadas sob compress˜ao MPEG 2 . . . . . Comparativo entre m´etodos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 37 41 42 45 46 49 50 50 51 57.
(10) LISTA DE SIGLAS. LSB SVD DWT LWT SVD SVH PSNR RGB ILWT MPEG AWGN PDF. Least Significant Bit Singular Value Decomposition Transformada Wavelet Discreta Transformada Wavelet por Lifting Singular Value Decomposition Sistema Visual Humano Peak Signal-to-Noise Ratio Red-Green-Blue Inversa da Transformada Discreta Wavelet Moving Picture Experts Group Additive White Gaussian Noise Func¸a˜ o Densidade de Probabilidade.
(11) ´ LISTA DE SIMBOLOS. σi α Sw s(x) ψ j,k (x) j k LL HH LH HL P d Up Smarca LL2marca HL1marca Swext Sorig Wext N mpixel(i, j) W media W moda Cru´ıdo C R Pa Pb a b z f ∗ qtdini qtd f inal. Valores Singulares Coeficiente de visibilidade ou escala Matriz S da imagem marcada Sinal de entrada Func¸a˜ o-base da wavelet Fator de escala Fator de translac¸a˜ o Baixas frequˆencias Altas frequˆencias M´edias frequˆencias M´edias frequˆencias Operador Predic¸a˜ o Valor predito Operador Atualizar Matriz S marcada Banda LL2 marcada Banda HL1 marcada Matriz S extra´ıda Matriz S da banda HL1-LL2 do v´ıdeo original Marca d’´agua recuperada Quantidade de marcas d’´agua valor m´edio do pixel Marca d’´agua recuperada no m´etodo da m´edia Marca d’´agua recuperada no m´etodo da moda Ru´ıdo aditivo Objeto que receber´a o ru´ıdo vetor aleat´orio escolhido de alguma distribuic¸a˜ o independente de C probabilidade da intensidade a ocorrer probabilidade da intensidade b Extremo do valor de intensidade do ru´ıdo Sal & Pimenta Extremo do valor de intensidade do ru´ıdo Sal & Pimenta Valor da intensidade Filtro aplicado Convoluc¸a˜ o Quantidade de quadros inicial Quantidade de quadros final.
(12) ´ SUMARIO. ˜ 1 INTRODUC ¸ AO .............................................................. 1.1 OBJETIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.1 Objetivo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1.2 Objetivos Espec´ıficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ ............................................ 1.2 ESTRUTURA DA DISSERTAC¸AO ˜ BIBLIOGRAFICA ´ 2 REVISAO ................................................ ´ 2.1 HISTORICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ DAS METODOLOGIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 CLASSIFICAC¸AO 2.2.1 Robustez . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1.1 Fr´ageis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1.2 Semi-Fr´ageis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1.3 Robustas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 FIDELIDADE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4 CAPACIDADE DE ARMAZENAMENTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ 2.5 TIPO DE DETECC¸AO ....................................................... 2.5.1 Cega . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.2 N˜ao-Cega . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ 2.6 FORMA DE INSERC¸AO ..................................................... 2.6.1 Dom´ınio Espacial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.1.1 Bit Menos Significativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.2 Dom´ınio de Transformadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.2.1 Decomposic¸a˜ o em Valores Singulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.7 TRANSFORMADA WAVELET DISCRETA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8 TRANSFORMADA WAVELET DISCRETA POR LIFTING . . . . . . . . . . . . . . . . . . . . . 3 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ ˜ .................................................. 3.1 METODO DE MARCAC¸AO 3.1.1 Dados de Entrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Pr´e-processamento de v´ıdeo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.3 RGB para YUV . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.4 Aplicac¸a˜ o de dois n´ıveis de LWT e SVD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.5 Processo de inserc¸a˜ o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.6 Reconstruc¸a˜ o do v´ıdeo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ´ ˜ 3.2 METODO DE EXTRAC¸AO .................................................. 3.2.1 Recuperac¸a˜ o da Marca d’´agua . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.2 M´edia das marcas recuperadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.3 Moda das marcas recuperadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 RESULTADOS EXPERIMENTAIS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ DO V´IDEO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.1 ESCOLHA DA RESOLUC¸AO ˜ DA MARCA D’AGUA ´ 4.2 ESCOLHA DA SUB-BANDA DE INSERC¸AO ........... ˜ DE IMPERCEPTIBILIDADE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 AVALIAC¸AO ˜ DE ROBUSTEZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4 AVALIAC¸AO. 12 13 13 13 13 15 15 16 17 17 17 17 18 18 18 18 18 19 19 19 20 20 22 24 26 26 27 28 28 29 29 31 32 33 33 34 35 35 36 37 38.
(13) 4.4.1 Adic¸a˜ o de Ru´ıdo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1.1 Ru´ıdo Aditivo branco gaussiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.1.2 Ru´ıdo Sal & Pimenta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.2 Filtros Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.2.1 Filtro da M´edia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.2.2 Filtro da Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.2.3 Filtro Gaussiano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.3 Compress˜ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.4 Ataques nos quadros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.4.1 Perda de quadros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.4.2 Inserc¸a˜ o de quadros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.4.4.3 Transposic¸a˜ o de Quadros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˜ COM OUTROS METODOS ´ 4.5 COMPARAC¸AO .................................. ˜ 5 CONCLUSAO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ˆ REFERENCIAS ................................................................. ˜ Anexo A -- ALGORITMOS DE EXTRAC ¸ AO ..................................... ´ DAS MARCAS RECUPERADAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . A.1 MEDIA A.2 MODA DAS MARCAS RECUPERADAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 39 39 41 43 44 46 47 49 52 52 54 55 57 59 61 64 64 65.
(14) 12. 1. ˜ INTRODUC ¸ AO. Devido ao crescimento da Internet, muitas pessoas tiveram acesso a novas ferramentas para disseminar suas ideias na rede mundial. Entretanto, este conhecimento quando transmitido e´ facilmente copiado ou modificado. De fato, torna-se praticamente imposs´ıvel descobrir de onde se originou tal obra. Isto causa uma perda na credibilidade da informac¸a˜ o adquirida, sendo que as ferramentas para alterac¸a˜ o destas m´ıdias est˜ao cada vez mais acess´ıveis e simples de serem utilizadas. Para proteger o conhecimento produzido pelas pessoas estendeu-se o conceito de propriedade, de forma que este conceito n˜ao abrange apenas o meio f´ısico mas tamb´em entidades que n˜ao obrigatoriamente existem fisicamente. Este conceito recebeu o nome de propriedade intelectual, que e´ basicamente um conhecimento ou informac¸a˜ o produzida por uma pessoa. Por exemplo: m´usicas, t´ecnicas ou projetos. O problema e´ como fazer este conceito funcionar para os meios digitais, pois neste meio a fiscalizac¸a˜ o e a rastreabilidade s˜ao mais complexas de serem implementadas. Para isso e´ necess´ario um mecanismo capaz de rastrear a origem do dado digital ou prover uma forma simples de descobrir se este foi modificado. Uma soluc¸a˜ o capaz de suprir estas duas necessidades s˜ao as marcas d’´agua digitais. Estas marcas s˜ao uma pequena quantidade de informac¸a˜ o inserida na m´ıdia digital, que podem ser dados do propriet´ario ou algum padr˜ao que sofrer´a alguma modificac¸a˜ o se ocorrer algum tipo de processamento sobre o objeto marcado. As marcas d’´agua podem ser implementas sobre qualquer m´ıdia digital desde textos at´e v´ıdeos. Entretanto, para poder ser usada pela lei de propriedade intelectual, esta marcac¸a˜ o deve ter validade legal, ou seja, precisa ser idˆonea, n˜ao pode beneficiar qualquer uma das partes como evidˆencia. Para isso, as marcas d’´agua possuem uma caracter´ıstica interessante: s˜ao invis´ıveis. Al´em disso, devem ser dif´ıceis de serem removidas. De fato, para se remover a marca deve-se primeiro saber onde ela est´a e isto n˜ao e´ uma tarefa f´acil. Por isso, somente o propriet´ario sabe onde ela se encontra e como extra´ı-la, restringindo a possibilidade do roubo do bem digital. A marca d’´agua provˆe a garantia de que o objeto marcado e´ original. Como exemplo pode-se citar.
(15) 13. uma m´usica que tem diversas vers˜oes. Entretanto, apenas aquela que tiver a marca d’´agua com os dados do cantor e da gravadora ter´a a comprovac¸a˜ o de autenticidade. Neste trabalho e´ proposto um algoritmo para marcac¸a˜ o de v´ıdeo usando marcas LWTSVD que faz a marcac¸a˜ o de um bloco de quadros, diferente de outros m´etodos encontrados na literatura que fazem inserc¸o˜ es quadro a quadro no v´ıdeo. Al´em disso s˜ao inseridas diversas marcas semelhantes no mesmo v´ıdeo, de forma a gerar uma resiliˆencia adicional contra diversos tipos de processamentos que poderiam destruir a marca d’´agua. 1.1. OBJETIVOS. 1.1.1. OBJETIVO GERAL O objetivo deste trabalho foi estudar os diversos tipos de marca d’´agua no aˆ mbito de. imagens e v´ıdeos digitais, com base nisto elaborar um algoritmo de marcac¸a˜ o robusta de v´ıdeo e propor uma nova forma de inserc¸a˜ o e extrac¸a˜ o da marca eficiente contra efeitos de ataques. 1.1.2. OBJETIVOS ESPEC´IFICOS Alguns pontos foram cruciais para o desenvolvimento desta dissertac¸a˜ o, estes s˜ao lis-. tados a seguir: • Desenvolver um algoritmo de marcac¸a˜ o robusta de v´ıdeo. • Fazer a marcac¸a˜ o em um bloco de quadros, diferenciando dos m´etodos quadro a quadro apresentados na literatura. • Padronizac¸a˜ o dos testes com base em benchmarks. • An´alise dos algoritmos de extrac¸a˜ o de m´edia e moda dos pixels das marcas d’´agua restauradas. • Verificac¸a˜ o do desempenho da redundˆancia causada pelo aumento do n´umero de marcas d’´agua inseridas. 1.2. ˜ ESTRUTURA DA DISSERTAC¸AO Esta dissertac¸a˜ o est´a organizada como se segue: O Cap´ıtulo 2 apresenta um breve. hist´orico sobre marcas d’´agua digitais e sua relac¸a˜ o com a esteganografia. Tamb´em e´ apresentada uma classificac¸a˜ o segundo as caracter´ısticas de robustez, fidelidade, capacidade de.
(16) 14. armazenamento, tipo de detecc¸a˜ o e forma de inserc¸a˜ o. No Cap´ıtulo 3, o m´etodo proposto e´ descrito explicando detalhadamente todas as etapas do processo de inserc¸a˜ o e extrac¸a˜ o de marcas d’´agua digitais. O Cap´ıtulo 4 mostra todos os experimentos e discuss˜oes sobre o m´etodo proposto, comparando-o com os m´etodos existentes na literatura, seguindo os benchmarks Vidmark e Stirmark propostos em (HERNANDEZ-AVALOS et al., 2010; PETITCOLAS, 2000; PETITCOLAS et al., 1998). O Cap´ıtulo 5 apresenta as conclus˜oes, incluindo as considerac¸o˜ es finais e propostas para trabalhos futuros..
(17) 15. 2. 2.1. ˜ BIBLIOGRAFICA ´ REVISAO. ´ HISTORICO Os seres humanos sempre fizeram uso de t´ecnicas para ocultar informac¸o˜ es. Os pri-. meiros relatos s˜ao de Her´odoto, que raspou o cabelo de um escravo e tatuou o couro cabeludo com uma mensagem secreta. Assim que o cabelo cresceu enviou este escravo com a mensagem secreta para cidade de Mileto. Quando o escravo chegou na cidade, teve seu cabelo raspado e a mensagem foi lida. Esta mensagem encorajou os gregos a iniciarem uma revolta contra os persas (COX et al., 2008). Ainda na idade antiga, Dem´erato usou t´abuas de madeira cobertas por cera para enviar mensagens ocultas. Para isso, raspou a cera e escreveu na madeira uma mensagem, depois disso recolocou a cera por cima da madeira e escreveu sobre a cera algo que n˜ao chamasse atenc¸a˜ o. Durante os s´eculos, estas t´ecnicas se tornaram mais robustas e foram usadas em guerras entre diversas nac¸o˜ es. Nos s´eculos 19 e 20 foi utilizada a t´ecnica de troca de linhas no texto, de forma que o texto redigido tem um sentido e quando lidas apenas as linhas corretas e´ poss´ıvel compreender uma mensagem secreta. Na Primeira Guerra Mundial os alem˜aes usavam micropontos escondidos nos cantos de cartas que eram selados com amido. Esta arte de ocultar dados recebeu o nome de esteganografia, do grego steganos que significa encoberta e graphia que e´ escrita, logo esta e´ a arte de esconder informac¸o˜ es (ARNOLD et al., 2003). A marca d’´agua compartilha com a esteganografia o mesmo princ´ıpio, entretanto o conte´udo tem algum significado sobre o objeto marcado. A Figura 1 demonstra a relac¸a˜ o entre aplicac¸o˜ es, pode-se perceber que os casos denotados com o n´umero 3 s˜ao marcas que n˜ao fazem ocultamento de informac¸o˜ es. Um exemplo destas aplicac¸o˜ es s˜ao as marcas d’´agua em c´edulas de dinheiro. O primeiro ind´ıcio do uso de marcas d’´agua foi no ano de 1282 na It´alia (COX et al., 2008). Estas marcas foram criadas colocando padr˜oes de fios em moldes de papel. Estes fios eram extremamente finos, de forma que fossem semitransparentes. Em 1779, a revista Gentleman’s Megazine anunciou que John Mathison descobriu um m´etodo de inserir marcas.
(18) 16. Figura 1: Representac¸a˜ o dos conjuntos de marca d’´agua e esteganografia. Fonte: (SANS, 2008). d’´agua em pap´eis, com o objetivo de combater fraudes e pirataria. O termo marca d’´agua ou watermark do inglˆes tem origem no final do s´eculo 18, derivado do termo wasser-marke do alem˜ao. Este nome foi atribu´ıdo devido aos resultados das t´ecnicas da e´ poca quando aplicadas a papel, eram semelhantes ao efeito causado quando o papel e´ colocado em contato com a a´ gua. N˜ao se sabe ao certo quando iniciaram-se as discuss˜oes a respeito de marcas d’´agua digitais, entretanto em 1979, Szepanski (SZEPANSK, 1979) demonstrou o primeiro padr˜ao detect´avel por m´aquinas. Por´em apenas em 1988 que o termo marca d’´agua digital foi utilizado pela primeira vez, por Komatsu e Tominaga (KOMATSU; TOMINAGA, 1988). Desde 1995, o n´umero de trabalhos nesta a´ rea cresceu, sempre com foco em autenticidade de dados, verificac¸a˜ o de direitos autorais e ocultamento de informac¸a˜ o. 2.2. ˜ DAS METODOLOGIAS CLASSIFICAC¸AO Devido a` s diversas poss´ıveis aplicac¸o˜ es das marcas d’´agua digitais, h´a um grande. n´umero de abordagens utilizadas. Entretanto para agrup´a-las h´a diversas classificac¸o˜ es que s˜ao mencionadas na literatura (LIU; HE, 2005; FUNG et al., 2011; POTDAR et al., 2005). A forma mais simples e´ verificando os requisitos da aplicac¸a˜ o, os quais podem ser relacionados de acordo com as caracter´ısticas listadas: • Robustez • Fidelidade.
(19) 17. • Capacidade de Armazenamento • Tipo de Detecc¸a˜ o • Forma de Inserc¸a˜ o A seguir, as caracter´ısticas citadas s˜ao detalhadas. 2.2.1. ROBUSTEZ Esta caracter´ıstica determina a capacidade de detectar a marca d’´agua ap´os ocorrer. algum tipo de processamento no sinal marcado (COX et al., 2008). Entretanto, as marcas d’´agua n˜ao sobrevivem contra todos os tipos de ataques, dependendo da aplicac¸a˜ o, a resistˆencia pode ser otimizada para alguns tipos de ataques. Desta forma, e´ poss´ıvel especificar trˆes tipos de marcas: 2.2.1.1. ´ FRAGEIS Estas marcas s˜ao desenvolvidas com o prop´osito de n˜ao resistir a nenhum tipo de. manipulac¸a˜ o nos dados da m´ıdia marcada (ARNOLD et al., 2003), fazendo com que seus dados sejam imposs´ıveis de serem recuperados ap´os estes ataques. Devido a esta sensibilidade, estas marcas s˜ao usadas em sistemas de verificac¸a˜ o de integridade de dados. 2.2.1.2. ´ SEMI-FRAGEIS Para aplicac¸o˜ es de verificac¸a˜ o de violac¸a˜ o e autenticac¸a˜ o de dados foi desenvolvida. uma marca d’´agua que e´ resistente a ataques n˜ao intencionais como ru´ıdos (WU et al., 2005), por´em fr´agil contra processamentos intencionais. Desta forma, n˜ao h´a problema em fazer uma transmiss˜ao do objeto marcado, pois n˜ao haver´a perdas relevantes no processo de transmiss˜ao/recepc¸a˜ o. Entretanto, no caso de ocorrer algum tipo de alterac¸a˜ o nesta m´ıdia, ocorrer´a a perda da marca. 2.2.1.3. ROBUSTAS Estas marcas s˜ao projetadas para resistir aos mais diversos tipos de ataques (ARNOLD. et al., 2003), de forma que independente do tipo de ataque que ocorrer a marca d’´agua ir´a sobreviver. S˜ao usadas em controle de c´opias, pois os dados da c´opia estar˜ao no conte´udo da marca e sempre que necess´ario poder˜ao ser resgatados. Outra aplicac¸a˜ o e´ monitoramento.
(20) 18. de m´ıdia. Neste caso uma empresa pode monitorar a transmiss˜ao de uma rede de televis˜ao e verificar se o seu comercial esta sendo transmitido no hor´ario contratado. Para isso deve-se apenas verificar a presenc¸a da marca d’´agua na transmiss˜ao no hor´ario especificado. 2.3. FIDELIDADE Este requisito trata da relac¸a˜ o entre o objeto marcado e o original de acordo com o sis-. tema visual humano. Contudo, para imagens ou v´ıdeo com a inserc¸a˜ o de dados podem ocorrer pequenas alterac¸o˜ es no brilho ou no contraste. Tamb´em conhecido como invisibilidade. 2.4. CAPACIDADE DE ARMAZENAMENTO Esta caracter´ıstica est´a relacionada com a quantidade de bits que s˜ao armazenados na. m´ıdia atrav´es da marca d’´agua. A forma com que estes dados s˜ao distribu´ıdos varia de acordo com o tipo do objeto marcado. No caso de imagens, a quantidade de dados e´ est´atica. Por´em, no caso da marcac¸a˜ o de v´ıdeos a capacidade de armazenamento ser´a igual a` quantidade de bits inserida por quadro. Em arquivos de a´ udio, e´ a quantidade de dados inseridos por segundo. 2.5. ˜ TIPO DE DETECC¸AO Esta caracter´ıstica indica quais recursos s˜ao necess´arios para extrair a marca d’´agua da. m´ıdia marcada, para isso Cox e colaboradores (COX et al., 2008) fizeram uma divis˜ao em dois grupos: 2.5.1. CEGA Em detecc¸o˜ es cegas, o receptor n˜ao possui qualquer informac¸a˜ o sobre os dados origi-. nais da marca d’´agua e da m´ıdia. Devido a isto, os recursos utilizados para a extrac¸a˜ o da marca d’´agua s˜ao independentes de qualquer um destes dados. Esta detecc¸a˜ o e´ utilizada em aplicac¸o˜ es como controle de c´opias, na qual se insere uma marca diferente para cada usu´ario, deixando a cargo do receptor reconhecer e interpretar as diferentes marcas d’´agua. 2.5.2. ˜ NAO-CEGA Neste caso o receptor possui os dados originais da marca d’´agua e da m´ıdia ou alguma. informac¸a˜ o do processo de detecc¸a˜ o. Este dado e´ usado para extrair a marca d’´agua. Esta.
(21) 19. detecc¸a˜ o e´ usada para verificac¸a˜ o de violac¸a˜ o da m´ıdia marcada, determinando se houve algum tipo de modificac¸a˜ o ou processamento. 2.6. ˜ FORMA DE INSERC¸AO El-Gayyar e Gathen (EL-GAYYAR; GATHEN, 2006) mostraram que para projetar. um sistema de marca d’´agua deve-se ter uma soluc¸a˜ o de compromisso entre as caracter´ısticas b´asicas: robustez, fidelidade e capacidade de armazenamento. Qualquer eˆ nfase que se deseja dar a alguma destas caracter´ısticas ir´a prejudicar as outras, devido a isto os sistemas de marcac¸a˜ o tentam buscar um ponto de equil´ıbrio entre estas caracter´ısticas b´asicas. As duas abordagens mais comuns de inserc¸a˜ o de marcas d’´agua encontradas na literatura s˜ao apresentadas a seguir: 2.6.1. DOM´INIO ESPACIAL Esta abordagem insere a marca nos bits de informac¸a˜ o da m´ıdia a ser marcada. Por. exemplo, em imagens a marca d’´agua e´ inserida alterando-se os bits menos significativos ou alguma caracter´ıstica da imagem (ARNOLD et al., 2003), como a luminˆancia. No caso deste algoritmo de inserc¸a˜ o deve-se ter cuidado ao dimensionar o n´umero de bits usados, pois se este valor n˜ao for bem dimensionado a marca pode se tornar vis´ıvel (EL-GAYYAR; GATHEN, 2006). Para esta forma de inserc¸a˜ o h´a dois m´etodos largamente usados na literatura: 2.6.1.1. BIT MENOS SIGNIFICATIVO Esta abordagem insere os dados da marca d’´agua diretamente nos bits menos signi-. ficativos (do inglˆes, Least Significant Bit - LSB) dos dados da imagem, devido ao fato destes bits representarem a informac¸a˜ o menos relevante e sua modificac¸a˜ o dificilmente ser´a percebida. Entretanto, deve-se controlar a quantidade de bits utilizada para fazer a marcac¸a˜ o, pois quanto maior a quantidade de informac¸a˜ o mais percept´ıvel e´ a marca. A Figura 2 demonstra o resultado da inserc¸a˜ o da marca d’´agua (e) na imagem (a). Em (b) foi realizada uma binarizac¸a˜ o da imagem (e), de forma que cada pixel da marca fosse inserido no bit menos significativo de cada pixel de (a). Em (c) e´ utilizada a marca d’´agua com quatro bits por pixel, assim os quatro bits menos significativos de (a) foram substitu´ıdos pelo conte´udo da marca. Da mesma forma, em (d) foram substitu´ıdos os 6 bits menos significativos de (a) por bits da marca d’´agua. Este exemplo demonstra claramente que quanto maior o volume.
(22) 20. (a) Original. (b) um bit modificado. (c) 4 bits. (d) 6 bits. (e) Marca d’´agua. Figura 2: Marcas d’´agua inseridas usando LSB Fonte: Autoria pr´opria. de informac¸a˜ o inseridos em uma m´ıdia, menor a fidelidade da imagem resultante em relac¸a˜ o a` original. 2.6.2. DOM´INIO DE TRANSFORMADAS Estes algoritmos inserem os dados da marca d’´agua nos coeficientes de uma transfor-. mada espec´ıfica, desta forma fazendo um espalhamento dos dados no dom´ınio espacial. Esta forma de inserc¸a˜ o torna a marca d’´agua dif´ıcil de ser detectada e resistente a diversos tipos de processamento de sinal. As transformadas mais utilizadas atualmente s˜ao: Divis˜ao em valores singulares(Singular Value Decomposition - SVD), Transformada Wavelet Discreta (Discrete Wavelet Transform - DWT) e Transformada Wavelet Discreta por Lifting (Lifting Wavelet Transform - LWT). 2.6.2.1. ˜ EM VALORES SINGULARES DECOMPOSIC¸AO A decomposic¸a˜ o em valores singulares (Singular Value Decomposition - SVD) con-. siste em uma an´alise num´erica da a´ lgebra linear que, dada uma matriz A de dimens˜oes MxN, quadrada ou retangular. Pode ser expressa na multiplicac¸a˜ o de trˆes matrizes:. A = USV T. (1). Onde V e´ uma matriz ortogonal NxN, na qual as colunas representam os vetores singulares a` direita da matriz A, {v1 ,v2 ,· · · ,vn }. U e´ uma matriz ortogonal MxM, na qual as colunas representam os vetores singulares a` esquerda, {u1 ,u2 ,· · · ,un }. S e´ uma matriz diagonal que cont´em os valores singulares da matriz A, demonstrada a seguir:.
(23) 21. . σ1. 0 S= . .. 0. 0. ···. 0. . 0 .. . · · · σn. σ2 · · · .. . . . . 0. Onde σi s˜ao os valores singulares n˜ao nulos da matriz A, em que: σ1 ≥ σ2 ≥ . . . > σ p > σ p+1 > σn > 0. Com base na equac¸a˜ o 1 e´ obtido: n. A = ∑ σi ui vTi. (2). i=1. Onde ui e´ o i-´esimo termo do autovetor U, vi e´ o i-´esimo termo do autovetor de V e σi s˜ao os valores singulares. Substituindo as componentes ui e vTi por φi , obtendo a equac¸a˜ o a seguir: n. A = ∑ σi φi. (3). i=1. A equac¸a˜ o 3 mostra que a matriz A pode ser representada por um somat´orio de uma relac¸a˜ o dos valores singulares os respectivos autovetores representados pela matriz φi MxN. Estes valores da matriz S s˜ao usados na literatura para ocultar dados. Liu e Tan (LIU; TAN, 2002) definiram uma constante chamada coeficiente de escala α que relaciona duas matrizes S, uma proveniente da sub-banda utilizada (S) e outra da marca d’´agua (W ). A equac¸a˜ o a seguir demonstra esta relac¸a˜ o:. Sw = S + αW. (4). Onde Sw e´ a matriz S da imagem marcada. O coeficiente de visibilidade ou escala e´ usado para inserir os dados da matriz W na matriz da sub-banda S, quanto maior for este coeficiente mais percept´ıvel e´ a marca inserida. Para a reconstruc¸a˜ o da sub-banda marcada e´ utilizada a matriz Sw em conjunto com as matrizes U e V originais, aplicadas na equac¸a˜ o 1. Ghazy e colaboradores (GHAZY et al., 2007) dividiu a imagem a ser marcada em blocos e utilizou uma marca d’´agua baseada em SVD em cada um destes blocos. A inserc¸a˜ o em blocos resulta em um ganho na robustez devido a` redundˆancia inserida. Por´em, a diversidade de dados inseridos e´ muito menor. Ganic e Eskicioglu (GANIC; ESKICIOGLU, 2004) uniram os conceitos de marcas baseadas em SVD com transformadas wavelet, resultando em uma marca.
(24) 22. robusta, com n´ıvel de fidelidade alto e simples de ser implementada. 2.7. TRANSFORMADA WAVELET DISCRETA Esta transformada realiza uma an´alise de multi-resoluc¸a˜ o no sinal de entrada, de forma. que e´ poss´ıvel fazer uma an´alise tempo-frequˆencia do sinal variando sua resoluc¸a˜ o (DEVORE et al., 1992; ANTONINI et al., 1992). Em uma an´alise de uma dimens˜ao, o sinal s(x) e´ decomposto em func¸a˜ o da func¸a˜ o-base da wavelet ψ j,k (x), a qual e´ formada atrav´es de operac¸o˜ es de escala(j) e translac¸a˜ o(k) de uma wavelet-m˜ae ψ(x). A transformada wavelet e´ definida como: Z +∞. DW T ( j, k) = −∞. s(x)ψ j,k (x)dx,. (5). Na equac¸a˜ o 5, DW T ( j, k) representa os coeficientes da transformada com j, k ∈ Z. s(x) e´ um sinal de entrada, ψ j,k s˜ao as func¸o˜ es-base da wavelet, j e´ o fator de escala da wavelet, k e´ o fator de translac¸a˜ o da func¸a˜ o-base e x e´ o deslocamento. O conjunto de func¸o˜ es que podem existir e´ definida por fam´ılias de wavelets, dentre elas h´a: Daubechies, Haar, Symlet, Coiflets, etc. Diversas destas bases de func¸o˜ es s˜ao representadas pela equac¸a˜ o:. ψ j,k (t) = 2( j/2) ψ(2 j x − k). (6). Na equac¸a˜ o 7, a escala e´ controlada pelo fator j, considerando o espac¸o finito. Quanto maior for este valor menor ser´a a janela, em consequˆencia maior ser´a a largura de banda da func¸a˜ o no dom´ınio da frequˆencia. Por outro lado, o fator k representa a translac¸a˜ o ou a localizac¸a˜ o temporal da func¸a˜ o-base utilizada. As func¸o˜ es wavelet podem ser usadas para descrever as altas e baixas frequˆencias existentes em uma imagem. Com o uso de diversas escalas e deslocamentos destas func¸o˜ es e´ poss´ıvel fazer uma an´alise de multirresoluc¸a˜ o (MALLAT, 1989). Para realizar este c´alculo, s˜ao implementados bancos de filtros que aplicam a DWT unidimensional primeiramente nas linhas da imagem e depois na coluna das imagens, como apresentado na figura a seguir: A Figura 3 apresenta a decomposic¸a˜ o bidimensional DWT usando bancos de filtros, o primeiro est´agio atua com um filtro passa-baixa (FPB) e passa-alta (FPA) nas linhas da imagem. Em seguida, s˜ao aplicados os filtros nas colunas, resultando nas sub-bandas da imagem: baixas frequˆencias LL, altas frequˆencias HH da imagem e m´edias frequˆencias LH e HL. Como podese verificar no diagrama, ap´os a passagem por cada um destes filtros a amostra da imagem tem as dimens˜oes reduzidas em um fator de dois (MENDES, 2008)..
(25) 23. Figura 3: Decomposic¸a˜ o em um n´ıvel aplicando DWT bidimensional Fonte: Autoria pr´opria. A Figura 4(a) apresenta as sub-bandas de uma imagem, sendo a banda LL1 decomposta em outro n´ıvel da DWT, formando novas sub-bandas de segundo n´ıvel. Estas novas sub-bandas apresentam caracter´ısticas semelhantes as de primeiro n´ıvel. Na Figura 4(b). (a) Sub-bandas da DWT. (b) DWT aplicada em uma imagem. Figura 4: Sub-bandas da DWT Fonte: Autoria pr´opria. Nas marcas d’´agua baseadas em DWT, a marcac¸a˜ o e´ feita sobre uma ou diversas subbandas, de forma que sejam aproveitadas as caracter´ısticas das bandas marcadas. Na Figura 4(b), a banda LL possui uma vers˜ao reduzida da imagem original, esta sub-banda e´ denominada de banda de aproximac¸a˜ o. Esta banda concentra quase toda a energia existente na imagem (GONZALEZ; WOODS, 1992), ou seja, os componentes de baixa frequˆencia cont´em grande parte do conte´udo da imagem. Enquanto que nas demais sub-bandas est˜ao presentes os componentes de detalhe ou alta frequˆencia. Nesta abordagem e´ poss´ıvel explorar o sistema visual humano (SVH), pois como as regi˜oes de baixa frequˆencia possuem grande parte da energia da imagem, em outras palavras, o conte´udo da mesma. Por outro lado, em regi˜oes de m´edia e alta.
(26) 24. frequˆencia h´a incidˆencia apenas dos detalhes da imagem, que s˜ao pouco percebidos pelo SVH. Algumas t´ecnicas descritas na literatura usam a DWT para inserc¸a˜ o da marca d’´agua (RAJAB et al., 2008; JINYU et al., 2010), estas t´ecnicas fazem a marcac¸a˜ o alterando os coeficientes das bandas de m´edias e altas frequˆencias. Alterando os detalhes das imagens h´a possibilidade de n˜ao haver diferenc¸a percept´ıvel pelo SVH, dependendo do n´ıvel de fidelidade que se deseja implantar no sistema. 2.8. TRANSFORMADA WAVELET DISCRETA POR LIFTING Tamb´em chamada de segunda gerac¸a˜ o da wavelet (DAUBECHIES; SWELDENS, 1997),. esta transformada est´a substituindo em diversas aplicac¸o˜ es a DWT devido a baixo consumo de mem´oria e f´acil implementac¸a˜ o. A figura 5 apresenta o diagrama em blocos desta transformada.. Figura 5: Diagrama em blocos da LWT. Fonte: Autoria pr´opria. O sinal x de entrada, com suas respectivas amostras xk , com k ∈ Z. E´ aplicado no sistema que possui trˆes estados bem definidos: Separac¸a˜ o (Split), Previs˜ao (Prediction) e Atualizac¸a˜ o (Update). No estado de Separac¸a˜ o as amostras de x s˜ao divididas em dois grupos: Pares (x p ) e ´ımpares (xi ), cada um destes grupos cont´em metade do n´umero de amostras. Normalmente, estes grupos s˜ao altamente correlacionados, por isso pode-se utilizar um conjunto para prever o outro. Com este conceito implementa-se um operador previs˜ao P que e´ utilizado usando amostras pares para prever as amostras ´ımpares e vice-versa. Por´em, este c´alculo n˜ao precisa ser exato, por isso e´ necess´ario armazenar a diferenc¸a ou detalhe atrav´es da equac¸a˜ o 7 (DAUBECHIES; SWELDENS, 1997):. d = xi − P(x p ). (7). Para um bom preditor, o valor de d deve ser pequeno em relac¸a˜ o a xi . Como exemplo, pode-se utilizar a wavelet de Haar que faz a prever de uma amostra ´ımpar calculando a diferenc¸a entre a pr´opria amostra e uma amostra par x p vizinha (SWELDENS; SCHRODER,.
(27) 25. 1996). Aplicando este contexto na equac¸a˜ o 7 e´ obtida a equac¸a˜ o 8:. di = xi − x p. (8). O coeficiente d possibilita uma compreens˜ao da estrutura do sinal de origem. Podese verificar pelas equac¸o˜ es 7 e 8 que se a func¸a˜ o original for localmente linear o c´alculo da previs˜ao de d e´ zero para estes pontos (DAUBECHIES; SWELDENS, 1997). Esta operac¸a˜ o de calcular a predic¸a˜ o e guardar a diferenc¸a e´ chamada de passo lifting. Com isto, verifica-se uma transformada de (x p ,xi ) para (x p ,d), entretanto para uso em wavelets e´ necess´ario obter informac¸o˜ es sobre o espectro do sinal resultante. Devido a sub-amostragem decorrida do estado de Divis˜ao, x p n˜ao tem o mesmo espectro que x. Para corrigir este problema no estado de Atualizac¸a˜ o, as amostras de ´ındice par s˜ao substitu´ıdas por coeficientes de baixa frequˆencia s que s˜ao obtidos atrav´es do uso do operador Atualizar ( U p) que e´ aplicado sobre detalhes, seguindo a equac¸a˜ o a seguir (DAUBECHIES; SWELDENS, 1997):. s = x p +U p(d). (9). Aplicando-se o exemplo da wavelet Haar resulta na equac¸a˜ o a seguir:. sk = x2k + dk /2. (10). Os estados de Predic¸a˜ o e Atualizac¸a˜ o s˜ao sempre invers´ıveis, de forma que sempre e´ poss´ıvel recuperar os dados do sinal de entrada. Uma aplicac¸a˜ o desta transformada em conjunto com SVD e´ encontrado em (LOUKHAOUKHA; CHOUINARD, 2009), onde s˜ao aplicados dois n´ıveis de LWT, em seguida aplicado SVD em trˆes sub-bandas de segundo n´ıvel. Assim a marca d’´agua e´ inserida na matriz S de cada uma destas bandas..
(28) 26. 3. METODOLOGIA. Neste cap´ıtulo e´ descrito o m´etodo proposto de inserc¸a˜ o de marcas d’´agua em um v´ıdeo hospedeiro, o qual e´ uma generalizac¸a˜ o dos sistemas apresentados em (FUNG; GODOY, 2011b, 2011a) que fazem apenas uma marcac¸a˜ o usando abordagem lateral, este conceito ser´a descrito com maiores detalhes na sec¸a˜ o 3.1.2. O v´ıdeo resultante deste processo n˜ao deve possuir nenhuma diferenc¸a aparente em relac¸a˜ o ao original, de forma que seja dif´ıcil para um ser humano distinguir estas diferenc¸as a olho n´u. Para isso, as marcac¸o˜ es devem ser realizadas tomando como base o sistema visual humano e m´etricas como PSNR (Peak Signal-to-Noise Ratio) (WU et al., 2007). Al´em de invis´ıveis, as marcas devem ser robustas e resistentes a diversos tipos de processamento, os quais s˜ao chamados de ataques no aˆ mbito de marcas d’´agua digitais. 3.1. ´ ˜ METODO DE MARCAC¸AO O diagrama em blocos do sistema de marcac¸a˜ o proposto e´ apresentado na Figura 6,. onde h´a trˆes entradas: o v´ıdeo original, a marca d’´agua e o n´umero de marcac¸o˜ es, resultando em uma sa´ıda que e´ o v´ıdeo marcado com a quantidade de marcas d’´agua determinadas na entrada. O objetivo da inserc¸a˜ o de diversas marcas iguais no v´ıdeo e´ a obtenc¸a˜ o de redundˆancia na hora da extrac¸a˜ o, sendo que os m´etodos utilizados para isso s˜ao: M´edia e a moda matem´atica dos pixels de mesma posic¸a˜ o. Devido a redundˆancia causada pela quantidade de marcas d’´agua, e´ poss´ıvel o uso destes m´etodos de extrac¸a˜ o aumentem o poder de recuperac¸a˜ o do processo de extrac¸a˜ o. Desta forma e´ poss´ıvel baixar o valor do coeficiente de visibilidade mantendo a qualidade da marca extra´ıda. A seguir, ser˜ao descritos os blocos do esquema da figura 6:.
(29) 27. Figura 6: Esquema de inserc¸a˜ o da marca d’´agua do m´etodo proposto Fonte: Autoria pr´opria. 3.1.1. DADOS DE ENTRADA O v´ıdeo de entrada a ser marcado, tamb´em chamado de v´ıdeo de cobertura (COX et al.,. 2008), possui resoluc¸a˜ o 640x480 com 120 quadros. O v´ıdeo pode possuir mais quadros, por´em o m´etodo faz marcac¸a˜ o em blocos de 120 quadros. Caso possua menos quadros a marcac¸a˜ o n˜ao ser´a realizada neste bloco. O v´ıdeo tamb´em deve ser colorido em um sistema de cor que seja poss´ıvel converter para YUV, no caso deste trabalho foram usados v´ıdeos no sistema RGB. As marcas d’´agua utilizadas s˜ao imagens de 30x120 pixels em n´ıveis de cinza. Cada pixel da marca d’´agua e´ um n´umero inteiro de 0 a 255, sendo valores menores pr´oximos ao preto e maiores pr´oximos ao branco. O parˆametro de entrada n´umero de marcas e´ um dado estritamente importante, devido ao fato de indicar a quantidade de redundˆancia que a marca d’´agua possuir´a e ainda poder´a ser determinante na qualidade do v´ıdeo. A figura 7 mostra a marca d’´agua utilizada..
(30) 28. Figura 7: Marca d’´agua utilizada Fonte: Autoria pr´opria. 3.1.2. ´ PRE-PROCESSAMENTO DE V´IDEO O pr´e-processamento muda as referˆencias do v´ıdeo original para a forma de abordagem. lateral. Na Figura 8 s˜ao apresentados os passos realizados na convers˜ao, em 1 e´ apresentado o v´ıdeo original com as dimens˜oes do quadro sendo LxA por N quadros. Em 2 e´ realizada uma rotac¸a˜ o no plano NxL, de forma que agora o plano AxN seja o frontal. No terceiro passo o v´ıdeo e´ basicamente o mesmo que em 2, por´em com os quadros sendo representados pelo plano AxN e o n´umero de quadros representado pela L. Para evitar confus˜ao com os quadros do v´ıdeo normal e abordagem lateral, este quadro ser´a chamado de quadro lateral.. Figura 8: Pr´e-processamento do v´ıdeo em 3 estados Fonte: Autoria pr´opria. Com esta mudanc¸a de referˆencia o v´ıdeo adquire uma caracter´ıstica interessante: qualquer marcac¸a˜ o realizada em algum quadro lateral deste v´ıdeo alterado, resulta em uma marcac¸a˜ o de todo o bloco de quadros do v´ıdeo original. 3.1.3. RGB PARA YUV O modelo RGB e´ o padr˜ao usado nas amostras de v´ıdeo utilizadas, por´em quando com-. parado ao modelo YUV, a componente Y concentra a maior parte da energia do sinal (GONZALEZ; WOODS, 1992). Devido ao fato desta componente possuir grande parte da energia, uma pequena variac¸a˜ o nesta componente e´ pouco percept´ıvel, tornando-a ideal para ocultar dados. A equac¸a˜ o 11 e´ usada para fazer a convers˜ao de RGB para YUV (WANG et al., 2001):.
(31) 29. . Y. . . 0, 299. 0, 587. 0, 114. . . R. . U = −0, 147 −0, 289 0, 436 × G V 0, 615 −0, 515 −0, 100 B. (11). A equac¸a˜ o 11 e´ usada pixel a pixel nas trˆes componentes R, G e B. Em v´ıdeos, esta convers˜ao e´ usada em todos os quadros, de forma semelhante a imagens. Ap´os a convers˜ao, todos os quadros das componentes Y, U e V s˜ao ordenados e o v´ıdeo e´ remontado. As marcas d’´agua ser˜ao inseridas na componente Y, pois possui a maior parte da energia do quadro (GONZALEZ; WOODS, 1992). 3.1.4. ˜ DE DOIS N´IVEIS DE LWT E SVD APLICAC¸AO A marca d’´agua n˜ao pode ser inserida em qualquer sub-banda de frequˆencia, pois. regi˜oes de baixa frequˆencia (sub-banda LL) cont´em os coeficientes do quadro que se sofrerem uma pequena modificac¸a˜ o podem danificar o quadro, de forma a comprometer a fidelidade. Contudo regi˜oes de alta frequˆencia (sub-banda HH) sofrem grandes influˆencias de processamentos como: Compress˜oes, filtragem e adic¸a˜ o de ru´ıdo (LIU; HE, 2005). A faixa de frequˆencia escolhida foi a HL1-LL2, ou seja, foi escolhida a banda de baixa frequˆencia (LL2) das m´edias frequˆencia (HL1). A decis˜ao foi baseada no resultado PSNR m´edio que v´ıdeo de cobertura ap´os a inserc¸a˜ o de uma marca d’´agua. Este resultado pode ser consultado na sec¸a˜ o 4.2. A LWT e´ aplicada em dois n´ıveis nos quadros laterais como mostrado na Figura 9, inicialmente na sub-banda HL1 e em seguida na banda LL2 nos quadros selecionados do v´ıdeo em abordagem lateral. A propriedade de escala da wavelet faz com que cada sub-banda seja 1/4 do tamanho original por n´ıvel, ou seja, a dimens˜ao da sub-banda obtida ap´os a aplicac¸a˜ o de dois n´ıveis da wavelet e´ 30x120. Este tamanho se deve a` a´ rea do quadro lateral 120x480, quando reduzidos a 1/4 resultam em uma banda de dimens˜oes 30x120. Com a sub-banda escolhida dos quadros laterais, aplica-se a decomposic¸a˜ o em valores singulares (SVD), resultando em um conjunto de trˆes matrizes: Uy , Sy , Vy por quadro lateral. Em seguida, esta mesma decomposic¸a˜ o e´ aplicada na marca d’´agua, resultando em: Uw , Sw e Vw . 3.1.5. ˜ PROCESSO DE INSERC¸AO No processo de inserc¸a˜ o ser˜ao verificados o n´umero de marcas, para assim fazer uma. distribuic¸a˜ o uniforme dos quadros laterais marcados selecionados. A Figura 10 apresenta um.
(32) 30. Figura 9: Banda marcada Fonte: Autoria pr´opria. exemplo da selec¸a˜ o de quadros, neste caso h´a 12 quadros laterais dentre estes quatro foram selecionados para receberem a marca d’´agua. Para cumprir com a distribuic¸a˜ o uniforme, a cada trˆes quadros laterais um foi marcado, como mostrado na Figura 10.. Figura 10: Distribuic¸a˜ o uniforme dos quadros laterais Fonte: Autoria pr´opria. A inserc¸a˜ o e´ realizada usando a equac¸a˜ o 12:. Smarca = Sy + αSw. (12). Onde Smarca e´ a matriz S marcada e α e´ o coeficiente de visibilidade da marca d’´agua. Deve-se atentar neste momento para a ”forc¸a”com que a marca ser´a colocada no v´ıdeo, pois valores muito altos de α podem comprometer a fidelidade, ou seja, a marca ser´a vis´ıvel. Na figura 11 pode-se verificar a influˆencia do coeficiente de visibilidade, tomando como referˆencia o quadro original em (a). A imagem apresentada em (b) possui um baixo coeficiente, logo a marca e´ invis´ıvel para o sistema visual humano. Entretanto para o quadro em (c), devido ao alto valor do coeficiente de visibilidade, h´a inserc¸a˜ o de artefatos na imagem, de forma que a qualidade e´ prejudicada e torna explicita a inserc¸a˜ o de dados no v´ıdeo..
(33) 31. (a) Quadro original. (b) Quadro marcado com α = 0,1. (c) Quadro marcado com α = 10. Figura 11: Diferenc¸as de coeficientes de visibilidade Fonte: Autoria pr´opria. 3.1.6. ˜ DO V´IDEO RECONSTRUC¸AO A reconstruc¸a˜ o tem in´ıcio assim que todos os quadros laterais selecionados para marcac¸a˜ o. forem marcados em suas respectivas sub-bandas HL1-LL2 na matriz S. Ap´os este processo a sub-banda LL2 de todos os quadros deve ser reconstru´ıda aplicando-se Smarca na equac¸a˜ o 1, resultando na equac¸a˜ o 13:. LL2marca = USmarcaV T. (13). Com a banda LL2marca deve-se aplicar a ILWT para se obter a banda HL1marca , para isso deve-se utilizar tamb´em as sub-bandas LH2, HL2 e HH2 do quadro original. Da mesma forma s˜ao utilizadas as outras sub-bandas restantes de primeiro n´ıvel para reconstruir o quadro lateral marcado. Assim que os quadros laterais s˜ao reconstru´ıdos deve-se reconvertˆe-los para RGB, sendo que para isso deve-se inverter a matriz da equac¸a˜ o 11 resultando em: . 1 0 1, 140 Y G = 1 −0, 395 −0, 581 × U B 1 2, 032 0 V R. . (14). A equac¸a˜ o 14 e´ usada para retornar o v´ıdeo para RGB ap´os o processo de inserc¸a˜ o de dados, da mesma forma que a equac¸a˜ o 11 e´ usada pixel a pixel em cada quadro das componentes YUV. Assim que o processo de reconstruc¸a˜ o dos quadros estiver completo e todos convertidos para RGB, deve-se reorden´a-los e remontar o bloco de quadros. Com o bloco completo aplica-se o processo inverso do pr´e-processamento, rotacionando-se o plano NxL de volta para.
(34) 32. a referˆencia natural, fazendo com que o v´ıdeo seja restaurado, mas agora marcado. 3.2. ´ ˜ METODO DE EXTRAC¸AO O algoritmo de extrac¸a˜ o tem como objetivo extrair a marca d’´agua ou o que sobrou dela. do v´ıdeo marcado. O fluxograma da figura 12 apresenta o algoritmo de extrac¸a˜ o proposto, podese verificar uma semelhanc¸a com o algoritmo de inserc¸a˜ o da marca d’´agua. Ambos m´etodos de extrac¸a˜ o e inserc¸a˜ o possuem em comum todos os estados at´e a aplicac¸a˜ o do SVD na sub-banda HL1-LL2.. Figura 12: Fluxograma do algoritmo de extrac¸a˜ o Fonte: Autoria pr´opria.
(35) 33. 3.2.1. ˜ DA MARCA D’AGUA ´ RECUPERAC¸AO A sub-banda HL1-LL2 marcada possui seus pr´oprios coeficientes e da marca d’´agua,. por´em pelo fato do m´etodo ser n˜ao-cego s˜ao necess´arios dados do v´ıdeo original e da marca d’´agua. Logo para extrair a matriz S da marca e´ usada a equac¸a˜ o a seguir:. Swext = (Smarca − Sorig )/α. (15). Onde Swext e´ a matriz S extra´ıda, Smarca e´ a matriz S da sub-banda HL1-LL2 do quadro lateral marcado, Sorig e´ a matriz S da banda HL1-LL2 do quadro do v´ıdeo original sem marcac¸a˜ o. Com a equac¸a˜ o 15 extrai-se a matriz S da marca recuperada, por´em para reconstru´ıla e´ necess´ario usar as matrizes U e V da marca d’´agua original, desta forma aplicando-se a matriz S recuperada na equac¸a˜ o 1 obt´em-se:. Wext = USwext V T. (16). Onde Wext e´ a marca d’´agua recuperada e as matrizes U e V s˜ao usadas da marca d’´agua original. O n´umero de marcas d’´agua recuperadas depende da quantidade de quadros selecionados para serem marcados. Quando o n´umero de marcas for maior que um, foram verificadas duas estrat´egias para a restaurac¸a˜ o da marca: m´edia das marcas recuperadas e moda das marcas recuperadas. 3.2.2. ´ MEDIA DAS MARCAS RECUPERADAS Nesta abordagem, a marca recuperada definitiva e´ a m´edia aritm´etica pixel a pixel. de todas as marcas d’´agua recuperadas no processo de extrac¸a˜ o. Ap´os a extrac¸a˜ o haver´a N marcas, as quais possuem dimens˜oes 30x120. Pode-se fazer uma matriz de marcas d’´agua MW[30,120,N], onde N e´ a quantidade de marcas. A equac¸a˜ o a seguir e´ aplicada em todos os pixels de posic¸a˜ o (i,j), de forma que estes valores devem ser pr´e-definidos antes do uso.. mpixel(i, j) =. 1 N ∑ MW [i, j, k] N k=0. (17). Onde mpixel(i, j) e´ o valor m´edio do pixel da posic¸a˜ o (i,j). O algoritmo que usa esta equac¸a˜ o pode ser consultado no anexo A.1, neste c´odigo as componentes ’i’ e ’j’ s˜ao usadas para indicar a posic¸a˜ o do pixel para o qual est´a sendo calculada a m´edia. Estes dados s˜ao colocados na matriz W media, a qual representa a marca d’´agua recuperada final..
(36) 34. 3.2.3. MODA DAS MARCAS RECUPERADAS Outra abordagem para recuperar a marca d’´agua e´ utilizar o valor que surge com mais. frequˆencia na respectiva posic¸a˜ o do pixel para todo o conjunto de marcas d’´agua extra´ıdas. Na estat´ıstica este valor e´ chamado de moda matem´atica de uma distribuic¸a˜ o (GUIMARAES, 2007), logo deve-se calcular a moda de cada pixel e coloc´a-la em sua respectiva posic¸a˜ o na matriz W moda. O algoritmo utilizado pode ser consultado no anexo A.2..
(37) 35. 4. RESULTADOS EXPERIMENTAIS. Neste cap´ıtulo ser˜ao apresentados e discutidos os resultados obtidos pelo sistema proposto, verificando seu desempenho nos quesitos de robustez, fidelidade e capacidade quando inseridas marcas d’´agua nos v´ıdeos de cobertura. Estes testes foram formulados tomando como base benchmarks para marcac¸a˜ o de v´ıdeo como Vidmark e Stirmark (HERNANDEZ-AVALOS et al., 2010; PETITCOLAS, 2000; PETITCOLAS et al., 1998). Estes testes s˜ao usados como padr˜ao para comparac¸a˜ o e avaliac¸a˜ o dos esquemas de marcac¸a˜ o propostos no mundo inteiro. O sistema de marcac¸a˜ o proposto e´ n˜ao-cego, logo utilizar´a os dados do v´ıdeo original e da marca d’´agua. O objetivo principal deste m´etodo e´ a verificac¸a˜ o de autenticidade e adulterac¸a˜ o dos dados. Os v´ıdeos usados nos testes s˜ao coloridos, possuem resoluc¸a˜ o de 640x480 com 120 quadros nos formatos avi e wmv, com uma taxa de 15 quadros/s. A marca d’´agua utilizada tem dimens˜ao 30x120 em n´ıveis de cinza. Os algoritmos foram implementados no software MATLAB vers˜ao 7.7.0.471/(R2008b) no sistema operacional Windows 7 32bits, em um computador com processador Intel Core2 Duo 2,53 GHz, com 3 GB de RAM. 4.1. ˜ DO V´IDEO ESCOLHA DA RESOLUC¸AO Os primeiros resultados desta pesquisa foram obtidos atrav´es da escolha da resoluc¸a˜ o.. Esta escolha se baseou nas limitac¸o˜ es do computador e do software MATLAB na gerˆencia do volume de dados de v´ıdeo. Foram realizados testes com v´ıdeo com resoluc¸a˜ o 320x240, inserindo-se apenas uma marca d’´agua resultando no gr´afico da figura 13. A marcac¸a˜ o possui um desempenho satisfat´orio (PSNR m´edio = 40,8292) para um coeficiente de visibilidade α de 0,1. Entretanto, 40dB e´ o valor limite para que o SVH n˜ao indique diferenc¸as entre o original e o modificado (SOLOMON, 2004). Este resultado tornou a inserc¸a˜ o de outras marcas invi´avel, pois a tendˆencia e´ de que quanto mais marcas forem inseridas, menor seja o PSNR. Neste caso, um pequeno aumento dos dados inseridos causaria a possibilidade da marca se tornar vis´ıvel. Outro problema do uso destes v´ıdeos e´ a quantidade de dados inseridos na marca d’´agua em relac¸a˜ o ao tamanho do quadro. Estes dados influenciam a qualidade do v´ıdeo de.
(38) 36. Figura 13: Gr´afico PSNR x Quadros do v´ıdeo 320x240 marcado Fonte: Autoria pr´opria. forma que quando inseridos na banda LL, resultava em valores de PSNR por volta 12dB. Nas faixas de m´edia frequˆencia entre 20 a 32dB e nas altas frequˆencias valores pr´oximos a 40dB. Isto tornava o processo de inserc¸a˜ o apenas v´alido para altas frequˆencias, pois em outras regi˜oes estaria vis´ıvel. Estes problemas foram resolvidos com a escolha de v´ıdeos com resoluc¸a˜ o 640x480, nestes os valores de PSNR m´edio s˜ao superiores ao encontrado anteriormente, como pode-se verificar na tabela 1. Al´em disso, nesta resoluc¸a˜ o e´ poss´ıvel usar dois n´ıveis de LWT para inserir dados, de forma que h´a um maior n´umero de sub-bandas de frequˆencia a serem escolhidas. 4.2. ˜ DA MARCA D’AGUA ´ ESCOLHA DA SUB-BANDA DE INSERC¸AO Uma das principais caracter´ısticas que devem ser levadas em considerac¸a˜ o e´ a faixa de. frequˆencia na qual a marca ser´a colocada, pois isto indicar´a o n´ıvel de invisibilidade e robustez contra determinados tipos de ataques. Como no m´etodo proposto s˜ao usadas sub-bandas de dois n´ıveis da LWT, h´a 16 possibilidades de faixas de frequˆencias que podem ser utilizadas. Para verificar qual sub-banda e´ a mais indicada para este uso foram realizados diversos experimentos, nos quais foram usados v´ıdeos 640x480 com 120 quadros com uma u´ nica marcac¸a˜ o lateral. Os dados adquiridos obtidos na tabela 1. Esta tabela apresenta apenas o resultado de um experimento, entretanto esta tabela demonstra o comportamento ocorrido com todas as amostras de v´ıdeo..
(39) 37. Tabela 1: PSNR por sub-banda Sub-banda de n´ıvel 1 Sub-banda de n´ıvel 2 PSNR m´edio HH2 49,4644 HL2 48,7079 HH1 LH2 47,1339 LL2 48,7123 HH2 47,6199 HL2 46,4305 HL1 LH2 48,1547 LL2 50,1150 HH2 47,4416 HL2 48,6174 LH1 LH2 48,7573 LL2 47,3266 HH2 48,8792 HL2 47,5152 LL1 LH2 48,3548 LL2 42,4518 O crit´erio que determinou a melhor faixa de frequˆencia foi o melhor PSNR m´edio do v´ıdeo. Desta forma escolheu-se a sub-banda HL1-LL2 para a realizac¸a˜ o dos experimentos posteriores. Este resultado e´ interessante e tamb´em esperado, pois marcac¸o˜ es realizadas em regi˜oes de baixa-frequˆencia podem influenciar na qualidade do v´ıdeo, pois a maior parte do conte´udo esta nesta regi˜ao. Enquanto que marcac¸o˜ es em altas-frequˆencias s˜ao pouco resistentes a ru´ıdos e processamentos (FUNG et al., 2011).. 4.3. ˜ DE IMPERCEPTIBILIDADE AVALIAC¸AO O objetivo deste teste foi verificar a caracter´ıstica de fidelidade do m´etodo proposto,. para isso foram realizados experimentos inserindo um n´umero determinado de marcas d’´agua em um v´ıdeo de cobertura. O resultado deste experimento e´ apresentado na figura 14. Nesta figura s˜ao apresentadas curvas que indicam a variac¸a˜ o do PSNR do v´ıdeo marcado com a quantidade de marcas inseridas. Neste experimento foram realizados marcac¸o˜ es com: 1, 2, 3, 5, 10, 20, 40, 80, 160, 320 e 640 marcas d’´agua. Sendo 640 a quantidade m´axima de marcas poss´ıveis de serem inseridas devido a` resoluc¸a˜ o do v´ıdeo. Foram realizadas marcac¸o˜ es com diferentes valores de coeficiente de visibilidade. Este resultado se mostrou interessante, devido ao fato de mostrar que a variac¸a˜ o deste coeficiente pode causar uma consider´avel mudanc¸a no PSNR. Isto se deve ao fato que os valores singulares s˜ao est´aveis e u´ nicos..
(40) 38. Figura 14: Gr´afico PSNR x N´umero de marcas d’´agua Fonte: Autoria pr´opria. Entretanto, se os coeficientes de maior valor sofrerem grandes alterac¸o˜ es, isto pode influenciar na matriz gerada. Resultando em uma sub-banda visivelmente diferente da original, causando desta forma o surgimento de artefatos no quadro ap´os reconstru´ıdo. Um resultado n˜ao esperado foi a tendˆencia do PSNR a um valor com o aumento de marcas d’´agua, era esperado que quanto maior o n´umero de marcas pior fosse o valor de PSNR. Uma poss´ıvel resposta para este fenˆomeno e´ a limitac¸a˜ o de quanto uma sub-banda pode influenciar na qualidade do v´ıdeo como um todo. 4.4. ˜ DE ROBUSTEZ AVALIAC¸AO Neste teste os v´ıdeos marcados sofrer˜ao uma s´erie de ataques e ser´a verificado se o. conte´udo da marca recuperada e´ adequado para validac¸a˜ o dos dados. Dentre estes ataques, existem os que s˜ao aplicados no aˆ mbito de imagens (HARTUNG et al., 1999; COX et al., 2008) como: adic¸a˜ o de ru´ıdo, filtragem e compress˜ao. E tamb´em foram verificados os ataques temporais, os quais ocorrem apenas em v´ıdeos devido sua caracter´ıstica dinˆamica como: perda, inserc¸a˜ o e transposic¸a˜ o de quadros, convers˜ao de taxa e compress˜ao MPEG. O parˆametro que ser´a usado para comparac¸a˜ o da marca d’´agua e´ a correlac¸a˜ o como estabelecido pelo benchmark Stirmark (PETITCOLAS, 2000), esta medida varia entre 0 e 1, sendo que quanto maior for o valor, maior a similaridade entre o objeto comparado e o original. Neste trabalho, a marca d’´agua recuperada ser´a comparada com a original estabelecendo um valor de correlac¸a˜ o, esta medic¸a˜ o e´ largamente utilizada na recomendada literatura..
Documentos relacionados
Dentre as misturas binárias estudados foi possível observar que a associação entre prednisona e ciclobenzaprina é provavelmente a mais instável devido ao aquecimento, dados este
Os maiores coeficientes da razão área/perímetro são das edificações Kanimbambo (12,75) e Barão do Rio Branco (10,22) ou seja possuem uma maior área por unidade de
O valor da reputação dos pseudônimos é igual a 0,8 devido aos fal- sos positivos do mecanismo auxiliar, que acabam por fazer com que a reputação mesmo dos usuários que enviam
No código abaixo, foi atribuída a string “power” à variável do tipo string my_probe, que será usada como sonda para busca na string atribuída à variável my_string.. O
3 O presente artigo tem como objetivo expor as melhorias nas praticas e ferramentas de recrutamento e seleção, visando explorar o capital intelectual para
¾ Segundo nível • Terceiro nível – Quarto nível A FAMÍLIA PROFIBUS A FAMÍLIA PROFIBUS PROFIBUS-FMS PROFIBUS-FMS é a solução de propósito geral para comunicação de
• A Revolução Industrial corresponde ao processo de industrialização que teve início na segunda metade do.. século XVIII no
8- Bruno não percebeu (verbo perceber, no Pretérito Perfeito do Indicativo) o que ela queria (verbo querer, no Pretérito Imperfeito do Indicativo) dizer e, por isso, fez
