JP4298588B2 - 情報検出装置および情報検出方法 - Google Patents

Description

本発明は、文字領域を有する文書画像に対し、人間が視認できない、もしくは視認が困難な形で埋め込まれた情報を検出するための情報検出装置および情報検出方法に関する。

近年、画像や音声などのデジタルデータに人間が知覚できない程度のデータ操作で情報を埋め込む技術の開発が進められている。この技術は例えば、予めデータに著作権情報を埋め込んでおくことでコピーされたデータから著作権者を特定することを可能とし、インターネットで授受が行われるデジタルデータの不正コピー抑止に利用することができる。
本発明が対象とする文書画像への情報埋め込み・検出に関する分野では、次のような従来技術が存在する。

特開２０００−９９５０１「文書データへの情報の埋め込み方法およびシステム」では、ＰＤＦやＰＳなどの文書ファイルに対して、情報を埋め込む方法が示されている。この発明では、レイアウトを解析し、擬似乱数から指定される位置の文字を抽出し、その相対位置を制御することで情報の埋め込みが行われる。

特開２００１−７８００６「白黒２値文書画像への透かし情報埋め込み・検出方法及びその装置」では、２値画像である文書画像への情報の埋め込み・検出を扱っている。文書画像の構造解析術を用いて画像を小区画に分解し、複数の小区画で１つのグループを構成し、グループごとの特徴量の比較で情報の埋め込み・検出を行っている。
また特開２００２−２３２６７９「画像処理方法及び装置及びコンピュータプログラム及び記憶媒体」は、隣接する文字間隔の和と差の比率の量子化を用いて情報の埋め込みを行うものである。
特開２０００−９９５０１ 特開２００１−７８００６ 特開２００２−２３２６７９

これらの発明は、文書画像の構造解析術を用いて情報埋め込み箇所を精度よく抽出し、１つの情報に対して埋め込み箇所を冗長に与えることで、情報の検出にロバスト性を持たせている。しかし、これらは情報を埋め込んだ画像を印刷した後、再びスキャンし情報を取り出すという使用法に関しては、情報埋め込み量及び情報検出の安定性に限界がある。
本発明は、文字領域を有する文書画像に対し、人間が視認できない、もしくは視認が困難な形での埋め込まれている情報を適切に検出することができる情報検出装置および情報検出方法を提供することを目的としている。

本発明は、情報が埋め込まれた文書画像をスキャナで読み取り、その読取文書画像に埋め込まれた情報を検出する情報検出装置であって、任意の特徴量が設定された試験画像を前記スキャナで読み取り、その読み込まれた画像データの特徴量の値と、前記試験画像における設定値との対応関係から補正関数を同定する補正関数同定手段と、前記補正関数同定手段が同定した補正関数を、前記スキャナの識別情報と関連付けて記憶する補正関数記憶手段と、前記文書画像中の文字領域を検出する文字領域検出手段と、検出された文字領域を複数の小領域に分割する文字領域分割手段と、前記小領域の特徴量と抽出する特徴量抽出手段と、前記文書情報を読み取ったスキャナの識別情報に関連付けて前記補正関数記憶手段に記憶されている補正関数を読み出し、その読み出した補正関数を用いて、前記特徴量抽出手段が抽出した特徴量を補正する補正演算手段と、前記補正演算手段により補正された特徴量と、擬似乱数列から決定される値とを比較して、前記小領域に埋め込まれた情報の値を判定する情報値判定手段とを備えたものである。

また、情報が埋め込まれた文書画像をスキャナで読み取り、その読取文書画像に埋め込まれた情報を検出する情報検出方法であって、任意の特徴量が設定された試験画像を前記スキャナで読み取り、その読み込まれた画像データの特徴量の値と、前記試験画像における設定値との対応関係から補正関数を同定する補正関数同定ステップと、前記補正関数同定ステップが同定した補正関数を、前記スキャナの識別情報と関連付けて記憶する補正関数記憶ステップと、前記文書画像中の文字領域を検出する文字領域検出ステップと、検出された文字領域を複数の小領域に分割する文字領域分割ステップと、前記小領域の特徴量と抽出する特徴量抽出ステップと、前記文書情報を読み取ったスキャナの識別情報に関連付けて前記補正関数記憶ステップに記憶されている補正関数を読み出し、その読み出した補正関数を用いて、前記特徴量抽出ステップが抽出した特徴量を補正する補正演算ステップと、前記補正演算ステップにより補正された特徴量と、擬似乱数列から決定される値とを比較して、前記小領域に埋め込まれた情報の値を判定する情報値判定ステップとを備えたものである。

したがって、本発明によれば、文字領域を有する文書画像に対し、人間が視認できない、もしくは視認が困難な形での埋め込まれている情報を、文書画像の読み取りに用いられたスキャナの特性に合わせて、適切に検出することができるという効果を得る。

以下、本発明の実施形態を図面を参照して説明する。

本実施形態では、日本語で構成された横書きの段組みの存在しない文字と図形からなる白黒２値文書画像に対して、情報埋め込み・検出を行う方法及びこの方法を実施するための装置を示す。なお、以下の説明では、情報埋め込みに利用する特徴量として、行単位の黒画素数を用いることとする。
〔情報埋め込み・検出方法〕
まず、本発明の情報埋め込み方法、情報検出方法について説明する。
＜情報埋め込み＞
図１に本発明の実施形態における情報埋め込み方法のフロー図を示す。この情報埋め込み方法は、以下のステップによって実現される。

処理ステップＳ１０１では、文書の印刷を指示する。

処理ステップＳ１０２では、文書画像から文字領域と図形領域の切り分けを行い、画像中から文字領域を検出する。

処理ステップＳ１０３では、文字領域を複数の小領域に分割する。本実施形態では行単位の分割を行う。このために、まず、水平方向に黒画素を足し合わせたヒストグラムを作成し、このヒストグラムがある閾値を超えてから、閾値以下になるまでの部分に行があると判定し、その行を囲む外接矩形を小領域として扱う。

処理ステップＳ１０４では、小領域の特徴量の抽出を行う。ここでは、特徴量を領域内の黒画素の数とし、その個数を数え上げる。

処理ステップＳ１０５では、擬似乱数を発生させる。この擬似乱数の系列の種類は鍵情報として記憶しておく。

処理ステップＳ１０６では、埋め込む情報と擬似乱数の値を加味して特徴量の設定値を算出する。ここでは次のような方法をとる。まず処理ステップＳ１０５で発生させた擬似乱数をａで割った剰余をｂとする。特徴量の値をｘ、量子化単位をｑとし、情報「１」を埋め込む際はｑの奇数の倍数にｂを足したもののうち最もｘに近い値、情報「０」を埋め込む際はｑの偶数の倍数にｂを足したもののうち最もｘに近い値を設定値とする。

処理ステップＳ１０７では、処理ステップＳ１０６で算出した設定値に特徴量を増減させる。特徴量である黒画素数を人間の視覚的な劣化をできるかぎり少なくするように増減させる。ここでは次の２つのポリシーで、画素改変の優先度を決定する。（１）人間の視覚上改変の気づきにくい複雑な画素変化をするブロックを優先する。（２）できるだけ複雑度の変化の少ない改変を行う。具体的には複雑度は３×３のブロック内の４近傍の輪郭長を用いる。ブロック内の輪郭長を１、ブロック中心の画素を反転させることで変化する輪郭量の差分（絶対値）を△とし、Ｊ＝Ｌ−０．６５×△の値をブロック内中心の画素の改変の優先度とする。図４はＬ、△の例を示している。

図中、白丸（○）で示した部分が輪郭にあたり、この個数が輪郭長となる。左の図の中心画素を反転させたものが右図となり、この場合△は２であり優先度は、７−０．６５×２＝−６と算出できる。

以上のような手順で優先度を算出し、この優先度の値が大きいブロックから順に目的の黒画素数となるまで改変を繰り返す。ここで画素の改変は黒画素を増加させる場合はブロック中心が白のブロックのみを対象とし、黒画素を減少させる場合はブロック中心が黒のブロックのみを対象とする。

処理ステップＳ１０８では、すべての小領域での特徴量操作を終えたか否かを判定し、すべて小領域での操作を終えていれば処理ステップＳ１０９へ進み、まだ操作を終えていない小領域があれば処理ステップＳ１０４へ進む。

処理ステップＳ１０９では、特徴量操作の施された文書画像を印刷し処理を終える。

以上の手順によって、情報が埋め込まれる前の文書画像および情報が埋め込まれた文書画像の例を図５（Ａ），（Ｂ）に示す。

また、図６（Ａ），（Ｂ）に、情報が埋め込まれる前の文書画像、本情報埋め込み方法において量子化単位ｑ＝１０００、擬似乱数列ｂｎ＝｛２０，−２４，−３｝とし、ビット列「１１１」を埋め込んだ例を示す。
＜情報検出＞
次に、図２に本発明の実施形態における情報検出方法のフロー図を示す。この情報検出方法は、以下のステップによって実現される。

処理ステップＳ２０１では、文書をスキャナでスキャンし、文書画像として取り込む。この際、適当な閾値によって２値化処理を施しておく。

処理ステップＳ２０２では、文書画像から文字領域と図形領域の切り分けを行う。

処理ステップＳ２０３では、処理ステップＳ１０３と同様の方法により文字領域を複数の小領域に分割する。

処理ステップＳ２０４では、処理ステップＳ１０４と同様の方法により小領域の特徴量の抽出を行う。

処理ステップＳ２０５では、事前に求めた補正関数を用いて特徴量の値を補正する。この補正関数の同定法は処理ステップＳ３０１−３０９で後述する。

処理ステップＳ２０６では、処理ステップＳ１０５で記憶した鍵を用いて擬似乱数を発生させる。

処理ステップＳ２０７では、埋め込まれた情報の値を判別する。処理ステップＳ２０５で補正された特徴量ｘ′に対し、処理ステップＳ２０６で生成した擬似乱数ｂを引いた値ｘ′−ｂを処理ステップＳ１０７と同様の量子化単位ｑで割った商をｐ、剰余をｒとする。 ｐが奇数かつｒ＜ｑ／２またはｐが偶数かつｒ＞＝ｑ／２のとき情報「１」が埋め込まれていると判別し、それ以外の場合は情報「０」が埋め込まれていると判別する。
処理ステップＳ２０８では、すべての小領域での情報の判別を終えたか否かを判定し、すべて小領域での判別を終えていれば処理ステップＳ２０９へ進み、まだ判別を終えていない小領域があれば処理ステップＳ２０４へ進む。
処理ステップＳ２０９では、検出された情報を出力する。ディスプレイ上への表示、ファイル保存、印刷などを行うことができる。

図７に、図６（Ｂ）の情報を埋め込んだ画像を印刷後スキャンし、そのスキャン画像から情報を検出する処理の例を示す。図７では埋め込み時と同じ量子化単位ｑ＝１０００、擬似乱数列ｂｎ＝｛２０，−２４，−３｝を用い、情報「１１１」を検出している。
＜特徴量の補正関数の同定＞
処理ステップＳ２０５で使用する補正関数の同定法について述べる。この補正関数は画像読み取りに使用するスキャナごとに算出する。一度同定した補正関数はその後の情報検出ステップにおいて、読み取り機器に極めて大きな特性の変化が起こらない限り、永続的に使用することができる。図３にそのフロー図を示し、以下個々のステップについて説明する。

処理ステップＳ３０１では、試験画像をスキャナでスキャンし、文書画像として取り込む。この際、処理ステップＳ２０１と同様の閾値によって２値化処理を施しておく。試験画像は、日本語で構成された横書きの段組みの存在しない文字からなる白黒２値文書画像画像であり、各行の特徴量（黒画素数）が広く分布するように作成されている。また、作成時の特徴量の値は既知である。

処理ステップＳ３０２では、文書画像から文字領域と図形領域の切り分けを行う。

処理ステップＳ３０３では、処理ステップ１０３と同様の方法により文字領域を複数の小領域に分割する。
処理ステップＳ３０４では、処理ステップ１０４と同様の方法により小領域の特徴量の抽出を行う。

処理ステップＳ３０５では、すべての小領域で特徴量の抽出を終えたか否かを判定し、すべて小領域での抽出を終えていれば処理ステップＳ２０９へ進み、まだ抽出を終えていない小領域があれば処理ステップＳ２０４へ進む。

処理ステップＳ３０６では、処理ステップＳ３０４で抽出された特徴量と対応する小領域の試験画像作成時の特徴量の写像関係を最小二乗法を用いて線形近似する。図８にその一例を示す。ここで得られた関数を処理ステップＳ２０５で使用する補正関数とする。

処理ステップＳ３０７では、処理ステップＳ３０６で得られた補正関数の誤差と処理ステップＳ１０７で用いた量子化単位ｑから誤検出率を算出する。最尤推定法を用いて補正関数の誤差の確率密度分布を算出し、補正関数の出力値から±ｑ／２の区間外の確率を求め、これを誤検出率の推定値とする（図９）この誤検出率の値はディスプレイに表示することでユーザに通知し、さらにスキャナ内部、または情報検出装置内部の記憶媒体に記憶し、いつでもユーザが参照することができる。

処理ステップＳ３０８では、処理ステップＳ３０６で得られた補正関数をスキャナ内部、または情報検出装置内部の記憶媒体に記憶し、情報検出装置が情報検出時に参照できるようにする。
〔情報埋め込み・検出装置〕
以上で述べた情報埋め込み方法、検出方法を実現する装置の例を図１０に示す。

図１０において、汎用コンピュータ１０１としては、パーソナルコンピュータを用いることができる。ＣＰＵで１０２は汎用コンピュータ内部の各モジュールを制御し、記録媒体に記録されているプログラムを実行することができる。ハードディスク１０３は、画像ファイルを保管するほか、上記で述べた情報埋め込み・検出方法を実現したプログラムを記録しておくおことができるである。リムーバル記録媒体１０４は例えばフロッピーディスク、ＭＯ、ＣＤ−ＲＯＭ／Ｒ／ＲＷ、ＤＶＤ−ＲＯＭ／Ｒ／ＲＷなどであり、ハードディスク１０３と同様に画像ファイルを保管し、情報埋め込み・検出のプログラムを記録することができる。

ＲＡＭ１０５は、ＣＰＵで処理されるプログラム、画像を一時的に所持しておくことができる。ドライバ１０６は、後述する機器と汎用コンピュータとのデータの受け渡しを行うことができる。スキャナ１０７は、情報埋め込む画像、情報の埋め込まれた画像、補正関数同定用の試験画像の読み取りを行うことができる。プリンタ１０８は、情報を埋め込んだ画像を印刷することができる。モニタ１０９は画像データ、埋め込み情報、誤検出率などを表示すうことのできる。キーボード／マウス１１０は、情報埋め込み・検出のプログラム実行走査、埋め込む情報の内容を入力できる。

このような構成において情報埋め込みは次のように行われる。まず、スキャナ１０７で画像を読み込むか、ハードディスク１０３またはリムーバル記録媒体１０４に保管されている画像データを読み出しＲＡＭ１０５上に展開する。キーボード／マウス１１０からアプリケーションの起動を行ない、アプリケーション上で埋め込む情報を選択するか、キーボードで任意の情報を入力する。その後情報を埋め込む指示をキーボード／マウス１１０より与え、上記で述べた情報埋め込み方法を実現したプログラムが画像データに情報を埋め込む。情報が埋め込まれた画像はハードディスク１０３またはリムーバル記録媒体１０４に保管するか、プリンタ１０８で印刷することができる。

次に本機器構成における情報の検出について説明する。情報検出対象の画像はスキャナ１０７で読み込むか、ハードディスク１０３またはリムーバル記録媒体１０４に保管されている画像データを読み出し、ＲＡＭ１０５上に展開する。キーボード／マウス１１０からアプリケーションの起動し、情報を埋め込む指示を与えると、上記で述べた情報検出方法を実現したプログラムが作動する。検出された情報はモニタ１０９に表示するか、ハードディスク１０３またはリムーバル記録媒体１０４に保管するか、プリンタ１０８で印刷することができる。

次に本機器構成における特徴量補正関数の同定について説明する。まず、キーボード／マウス１１０からアプリケーションを起動し、予め決められた特徴量で作成された試験画像をスキャナ１０７で読み込む。読み込まれた画像データはＲＡＭ１０５上に展開されるとともに試験画像を読み込んだスキャナの機種またはＩＤが読み込まれる。補正関数同定実行の指示を与えると、上記で述べた補正関数同定方法を実現したプログラムが作動し、補正関数が同定される。同定された補正関数は読み取りに使用したスキャナの機種またはＩＤと関連付けられ、ハードディスク１０３またはリムーバル記録媒体１０４に保管される。以後、情報検出時に同じスキャナが使用された場合、その補正関数が参照され使用される。また補正関数同定時に副次的に得られた同定誤差から、このシステムにおける誤検出率が算出され、この値をモニタ１０９に表示するか、ハードディスク１０３またはリムーバル記録媒体１０４に前述の補正関数とスキャナの機種またはＩＤに関連付けて保管するか、プリンタ１０８で印刷することができる。

本発明では、情報埋め込み装置と、情報検出装置とを別体に構成することもできるし、一体のシステムとして構成することもできる。

本発明の情報埋め込み方法における処理を示すフロー図である。 本発明の情報検出における処理を示すフロー図である。 本発明における補正関数同定処理を示すフロー図である。 ３×３ブロック内の輪郭長の説明図である。 （Ａ）は情報が埋め込まれる前の画像を示す図、（Ｂ）は本発明の情報埋め込み用法により情報が埋め込まれた画像を示す図である。 （Ａ）は情報が埋め込まれる前の画像を示す図、（Ｂ）は本発明の情報埋め込み用法により情報が埋め込まれた画像おより埋め込み処理を示す図である。 情報検出処理を説明するための図である。 補正関数の同定の処理を説明するための図である。 誤検出率の推定の処理を説明するための図である。 本発明の情報埋め込み装置の概略を示す図である。

符号の説明

汎用コンピュータ １０１の
ＣＰＵ ７０２は
１０３ ハードディスク
１０４ リムーバル記録媒体
１０５ ＲＡＭ
１０６ ドライバ
１０７ スキャナ
１０８ プリンタ
１０９ モニタ
１１０ キーボード／マウス

Claims (2)

1. 情報が埋め込まれた文書画像をスキャナで読み取り、その読取文書画像に埋め込まれた情報を検出する情報検出装置であって、
   任意の特徴量が設定された試験画像を前記スキャナで読み取り、その読み込まれた画像データの特徴量の値と、前記試験画像における設定値との対応関係から補正関数を同定する補正関数同定手段と、
   前記補正関数同定手段が同定した補正関数を、前記スキャナの識別情報と関連付けて記憶する補正関数記憶手段と、
   前記文書画像中の文字領域を検出する文字領域検出手段と、
   検出された文字領域を複数の小領域に分割する文字領域分割手段と、
   前記小領域の特徴量と抽出する特徴量抽出手段と、
   前記文書情報を読み取ったスキャナの識別情報に関連付けて前記補正関数記憶手段に記憶されている補正関数を読み出し、その読み出した補正関数を用いて、前記特徴量抽出手段が抽出した特徴量を補正する補正演算手段と、
   前記補正演算手段により補正された特徴量と、擬似乱数列から決定される値とを比較して、前記小領域に埋め込まれた情報の値を判定する情報値判定手段とを備えたことを特徴とする情報検出装置。
2. 情報が埋め込まれた文書画像をスキャナで読み取り、その読取文書画像に埋め込まれた情報を検出する情報検出方法であって、
   任意の特徴量が設定された試験画像を前記スキャナで読み取り、その読み込まれた画像データの特徴量の値と、前記試験画像における設定値との対応関係から補正関数を同定する補正関数同定ステップと、
   前記補正関数同定ステップが同定した補正関数を、前記スキャナの識別情報と関連付けて記憶する補正関数記憶ステップと、
   前記文書画像中の文字領域を検出する文字領域検出ステップと、
   検出された文字領域を複数の小領域に分割する文字領域分割ステップと、
   前記小領域の特徴量と抽出する特徴量抽出ステップと、
   前記文書情報を読み取ったスキャナの識別情報に関連付けて前記補正関数記憶ステップに記憶されている補正関数を読み出し、その読み出した補正関数を用いて、前記特徴量抽出ステップが抽出した特徴量を補正する補正演算ステップと、
   前記補正演算ステップにより補正された特徴量と、擬似乱数列から決定される値とを比較して、前記小領域に埋め込まれた情報の値を判定する情報値判定ステップとを備えたことを特徴とする情報検出方法。