KR20040033435A - 기하학적 변형에 대한 저항성을 가진 부수 정보를 이용한워터마킹 기법 - Google Patents

Abstract

본 발명은 부수정보를 이용하는 워터마크의 삽입 및 탐지 방법에 관한 발명으로서 원영상으로 노이즈(noise) 신호 E를 추출하여 사용자 키(a user key)와 삽입 메시지(embedding message)를 사용하여 주기적인 워터마크 신호 W를 생성하는 단계, 상기 노이즈 신호 E와 워터마크 신호 W를 혼합 함수(mixing function)를 사용하여 보다 높은 자체-유사성(self-similarity)을 포함하는 방식으로 노이즈 신호 E와 유사한 새로운 신호로 혼합하는 단계, 상기 혼합된 자체-유사성을 가진 새로운 신호를 최초의 이미지에서 추출된 신호 노이즈 신호 E와 대체하는 단계들을 포함하는 삽입 절차(embedding procedure)를 가지는 것을 특징으로 하며 탐지 절차는 종래의 ACF에 기초한 방식을 사용한다.

상기와 같은 방식으로 이루어지는 본 발명은 동일한 조건에서 기존의 ACF 기법보다 보다 좋은 이미지 질을 유지하면서 정점들이 보다 높은 견고성을 가지는 것으로 나타났다. 결론적으로, 결합된(기하학적 및 제거 공격) 공격에 대한 견고성이 향상되었다.

Description

기하학적 변형에 대한 저항성을 가진 부수 정보를 이용한 워터마킹 기법{GEOMETIRC TRANSFORM RESISTANT IMAGE WATERMARKING SCHEME WITH SIDE INFORMATION}

본 발명은 이미지 워터마킹 방법과 관련된다. 보다 구체적으로 향상된 자기상관함수 (an improved autocorrelation function : ACF)에 기초한 이미지 워터마킹 방법과 관련된다.

ACF에 기초한 워터마킹 기법은 기하학적 변형에 대하여 효과적인 것으로 알려져 있다[1-4]. 상기 기법은 타켓 이미지 내부로 주기적인 워터마크(a periodic watermark)를 삽입한다. 상기의 결과로서, 추출된 워터마크의 자기상관함수는 도 1에 도시된 것처럼 주기적인 정점들을 나타낸다. 도 1에서 (가) 그래프는 기학학적 변형이 없는 경우를 도시한 것이며 (나) 그래프는 10°회전된 후의 경우를 도시한 것이다. 워터마크 탐지기는 기하학적으로 변형된 이미지를 원래의 방향성과 크기를 가지도록 복원하기 위하여 정점 패턴(the peak pattern)을 사용한다.

ACF에 기초한 워터마킹 기법에 있어서, 상실된 자기상관 정점들은 워터마킹의 검출에 있어 결정적인 실패에 이르도록 할 수도 있다. 더욱이, 자기상관 정점들은 삽입된 워터마크보다 JPEG 압축과 같은 제거 공격(removal attack)에 대하여 훨씬 더 많이 영향을 받는다. 예를 들어, 자동상호관련 정점들을 제거할 만큼 강하지만, 삽입된 워터마크를 제거할 만큼 강하지는 못한 제거공격을 고려해 보자. 만약 자동상호관련 정점들이 상기와 같은 제거 공격에 의하여 워터마크가 삽입된 이미지로부터 제거되고 이미지가 기하학적으로 변형되어 버리면, 비록 워터마크 신호가 여전히 이미지 상에 존재한다고 하더라도 워터마크 검출기는 삽입된 워터마크를 탐지할 수 없다. 더욱이 상기와 같은 형태의 공격은 적용되는 제거 공격이 충분히 강하지 않고 기하학적 공격들이 이미지의 화질에는 크게 영향을 미치지 않기 때문에 이미지의 질적 성질의 저하는 크지 않다. 그러므로, ACF에 기초한 워터마킹 기법에 있어서, 정확한 자기 상관 정점 패턴은 워터마크의 검출에 있어 결정적인 역할을 한다.

본 발명은 상기와 같은 종래의 워터마킹 계획이 지닌 문제점을 해결하여 제거 공격(removal attack)에 대하여 보다 높은 강건성 또는 견고성을 가지는 워터마킹 방법을 제공하는 것을 목적으로 한다.

상기의 목적을 이루기 위하여 본 발명에서는 부수정보를 사용하는 워터마킹 메카니즘 (Watermarking with Side Information Mechanism)이 자기상관정점(autocorrelation peaks)의 견고성(robustness)을 향상시키기 위하여 사용된다. 제안된 기법은 종래의 ACF에 기초한 워터마킹에 비하여 기하학적 공격에 대하여 보다 높은 견고성을 제공한다는 것이 실험적으로 증명되었다.

본 발명은 또한 상기와 같은 견고성을 유지하면서 동일한 이미지의 질적 성질을 유지하는 것을 목적으로 한다.

상기와 같은 목적을 이루기 위하여 본 발명에서는 ACF에 기초한 워터마킹에 있어서 자기상관 정점들의 견고성을 향상시키기 위하여 부수정보를 사용하는 워터마킹 메카니즘이 사용된다. 부수정보를 사용하는 워터마킹 메카니즘은 일반적인 워터마킹 모델 중의 하나이며, 상기 모델에서는 원영상에 대한 정보가 워터마킹 삽입과정에서 충분히 이용된다[5]. 제안된 계획은 보다 견고한 자기상관 정점들을 보장하기 위하여 삽입하는 과정에서 원 영상에 관한 통계들을 보다 능동적으로 이용한다. 제안된 계획을 적용한 실험 결과로부터, 동일한 이미지의 질적 성질을 유지하면서 제안된 기법은 기존의 ACF에 기초한 워터마킹에 비하여 조합된 공격(기학학적 및 제거 공격)에 대하여 정점들을 견고하게 유지함으로서 높은 견고성을 제공한다는 것을 보여주었다.

도 1은 ACF에 기초한 워터마크의 자기상관함수(autocorrelation function)가 만드는 주기적인 정점을 도시한 것이다.

도 2는 본 발명에 따른 워터마크의 삽입절차의 전체 과정을 도시한 것이다.

도 3은 본 발명에 따른 워터마킹 계획과 종래의 ACF에 따른 워터마킹 계획의 정점들이 나타내는 자기상관성을 도시한 것이다.

아래에서 본 명세서에서 표시되는 [숫자]는 참고 문헌을 표시한다.

이하 본 발명의 구성을 도면을 중심으로 기술한다.

삽입(Embedding)

도 2는 워터마크 삽입절차의 전체적인 구조를 도시한 것이다.

도 2에 도시된 것처럼 처음에, 노이즈 신호가 위너 필터링(Weiner filtering)에 의하여 최초의 이미지로부터 추출되고 어떤 주기적인 워터마크가 사용자 키(a user key)와 삽입 메시지((embedding message)를 사용하여 생성된다. 다음 단계로, 상기 노이즈와 주기적인 워터마크는 혼합 함수(mixing function)를 사용하여 통계적(statistically)으로는 워터마크와 유사하고 인식 형태(perceptually)로서는 노이즈와 유사한 새로운 신호로 혼합된다. 혼합 과정동안, 상기 노이즈의 통계값들은 혼합된 신호가 보다 높은 자체-유사성(self-similarity)을 포함하도록 변형시키는데 이용되며, 본 명세서에서 자체-유사성이란 신호들이 동일한 크기의 블록으로 분리되는 경우 신호에 있는 모든 블록들이 서로 유사하게 되는 것을 의미하며, 상기의 결과로서 어떤 신호가 보다 많은 자체 유사성을 가지면 가질수록 보다 높은 자기상관 정점들이 만들어진다. 마지막 단계로서, 혼합된 자체-유사 신호는 원본이미지에서 추출된 노이즈를 대체한다.

상기의 전체적인 삽입절차를 구체적으로 상세하게 기술하면 아래와 같다.

1. 위너 필터(Wiener filter)를 사용하여 X×Y의 크기를 가지는 최초의 이미지 I로부터 노이즈 신호 E를 추출한다.

2. X×Y의 크기를 가지는 워터마크 신호 W를 생성한다. W는 주기성을 가진 신호로서 M×M의 크기를 가지는 기본적인 워터마크 블록 W°를 타일형식으로 반복하여 (repeatedly tiling) 생성된다. W°는 일반적인 분산 스펙트럼 방식(spread spectrum methods)으로 생성될 수도 있다. 본 발명에서는, 단순히 W°에 대하여 평균값이 0이 되며 분산이 1이 되는 가우시안 분포를 따르는 랜덤 수열(random number sequence)을 사용한다.

3. X×Y의 크기를 가지는 어떤 신호 S를 생성하며, 상기 신호는 혼합 과정에서 추출된 신호 E가 보다 높은 자체-유사성을 가지도록 만들기 위하여 사용된다. S는 또한 주기적인 형태로서 M×M의 크기를 가지는 신호 패턴 S°를 타일형태로 반복하는 방식으로 생성된다. 차후에 상세하게 S°를 생성하는 방식에 관하여 설명할 것이다.

4. 아래와 같은 혼합 함수를 사용하여 신호 E, W 및 S를 혼합한다:

E'(x, y)= α_eE(x, y) + α_wλ_w(x,y)W(x, y) + α_sλ_s(x, y) S(x, y) … (1)

상기에서 α_e, α_w, α_s는 전역 웨이팅 팩터(global weighting factors)이며, λ_w, λ_s는 지역 웨이팅 팩터(local weighting factors)를 나타낸다.

5. 최초의 이미지에서 최초로 추출된 신호 E를 혼합된 신호 E'로 대체한다:

I'(x, y) = I^*(x, y) + E'(x, y), 상기에서 I^*(x, y) = I(x, y) -E(x, y)가 된다.

혼합 함수의 주요한 기능 중의 하나는 신호 E가 보다 높은 자체-유사성을 가지도록 만드는 것이다. 상기와 같은 기능은 수정 신호(modifier signal) S에 의하여 가능하다. 어떤 신호가 자체-유사성을 가지도록 만들기 위하여, 각각의 분리된 블록 상에 있는 각각의 샘플은 모든 블록들에서 대응되는 샘플들의 통계값들에 따라서 수정되어야 한다. 예를 들어, 만약 분리된 블록 내에 있는 (i, j) 번째 샘플이 음의 값을 가지는 반면, 다른 블록들 상의 모든 (i, j) 번째 샘플들이 양의 값을 가진다면, 그 때에는 음의 값을 가지는 샘플 값을 양의 값으로 바꾼다. 상기와 같은 방식으로 신호가 보다 높은 자체-유사성을 가지도록 만들 수 있다. S°는 이러한 아이디어에 기초하여 생성된다. S°를 생성하기 전에, 방정식 (3)과 (4)를 사용하여 S'를 생성한다:

… (3)

… (4).

방정식 (3)과 (4)에서 S'는 추출된 노이즈 신호 E의 모든 분리된 블록 내의 샘플들에 대한 통계값을 나타내도록 구성된다. 예를 들어, 만약 추출된 노이즈 신호로부터의 샘플 집합, E(m+i×M, n+j×M)(0<i<X/M-1, 0<j<Y/M-1),이 음의 값들보다 더 많은 양의 값들을 포함한다면, S'(m, n)는 양의 값으로 된다. 상기와 같은 방식으로, S'(m, n)를 각각의 E(m+i×M, n+j×M)에 더하는 방식으로, E가 보다 자체-유사성을 가지도록 만들 수 있다. 그러나, 신호 S'의 에너지가 높고 불규칙적이므로, S'는 방정식 (5)를 사용하여 S°로 정규화 되어야 한다:

S°(m, n) =… (5) , 식에서 σ는 S'의 표준 편차를 나타낸다. 상기와 같은 정규화는 이미지의 질적 성질에 대하여 효과적인 통제를 가능하도록 한다.

검출(Detection)

검출 방법은 기존의 ACF에 기초한 워터마킹 검출 방법에 따른다. 검출 절차는 다음과 같다.

1. 위너 필터를 사용하여 워터마크가 삽입된(공격을 받은 것일 수도 있다) 이미지로부터 삽입된 워터마크를 추출한다. 동일한 신호 추출기가 삽입 절차에서 사용되기 때문에 혼합된 자체-유사성을 가진 신호가 추출될 것이다.

2. 추출된 워터마크의 자기상관함수를 산출한다.

3. 자기상관 정점 패턴을 사용하여, 추출된 워터마크 신호가 최초의 방향성과 크기를 가지도록 만든다.

4. 상기 방향성과 크기가 조정된 신호로부터 워터마크를 탐지하며, 탐지과정에서 상관-기반 검출기(correlation-based detector)를 사용한다.

결과(result)

제안된 기법을 기존의 ACF 기법과 비교했다. 기존의 ACF 기법들[1-4]을 살펴보면, 상기 기존의 기법들은 견고성과 이미지 질적 성질을 향상시키기 위하여 다양한 워터마크 패턴과 시각적인 마스킹 기능(visual masking functions)을 사용을 시도했다. 그러나, 상기와 같은 방식은 모두 시스템에서 기본적으로 추가모델(additive model)을 채택했다. 아래의 식 (6)은 상기 방식에서 사용된 기본적인 삽입 방법을 보여주는 것이다:

I'(x, y) = I(x, y) + αλ (x, y)W(x, y) … (6),

상기에서 I, I'는 각각 원본 및 워터마크가 삽입된 이미지를 나타내고 W는 워터마크 신호를 표시하며 α, λ 는 전역 및 지역 웨이트 팩터를 나타낸다.

공정한 비교 실험 환경을 위하여, 본 발명에서 제안된 기법과 기존의 ACF 기법 양쪽 모두에 대하여 동일한 워터마크 패턴과 동일한 지역 웨이팅 팩터를 사용하였다. [2]에서처럼 최대값이 (λ_max) 가 되도록 제한하면서, 지역 웨이팅 팩터인 λ_w, λ_s및 λ는 3×3 라플라스 필터를 이용하여 원본 이미지를 필터링하고 절대값을 취하는 방식으로 만들어졌다. α_e,α_w, α_s, α를 변화시키면서 워터마크는 양쪽 기법을 이용하여 512×512 레나 이미지(Lena image)에 삽입되었다. W^°와 S^°의 크기는 각각 64×64로 설정되었다.

도 3은 (0, 0)을 제외한 유효한 정점들 상의 평균 자기상관성 및 표시된 이미지의 PSNR을 도시한 것이다. 도 3의 (가) 그래프는 공격이 없는 상태에서의 그래프를 도시한 것이며 도 3의 (나) 그래프는 퀄러티 팩터(quality factor) 50으로 압축된 후의 그래프를 도시한 것이다. 도 3에서 ① 곡선은 본 발명에 따른 곡선을 나타낸 것이며 ②번 곡선은 종래의 ACF에 따른 곡선을 나타낸 것이다. 그래프에서 자기상관성 측정을 위하여 정규화된 상관성 척도 (normalized correlation)[5]를 사용하였다. 그래프에서 나타난 것처럼, 제안된 기법은 JPEG 압축 전후에 대하여 기존의 ACF 기반 워터마킹 기법에 비하여 보다 견고한 정점들을 나타내며, 거의 동등한 수준의 이미지 질을 유지한다는 것을 보여준다.

결합된 공격에 대한 견고성이 시험되었다. 먼저, 워터마크가 삽입된 레나 이미지가 JPEG 방식으로 압축률 50%로 압축되었다. 다음 단계로, 상기 압축된 이미지는 5°, 10°, ... , 45°만큼 회전되었다. 또한, 상기 압축된 이미지는 최초의 이미지의 크기에 대하여 75%, 80%, ... 150%로 크기를 변화시켰다.

아래의 표 1은 공격된 이미지로부터 성공한 탐지의 회수를 나타낸다. 공격은 JPEG 압축과 기하학적 공격이 결합된 것이며 나타난 결과는 제안된 기법은 보다 좋은 이미지 질을 가지면서(42.32dB 대 42.10dB) 결합된 공격에 대하여 기존의 기법에 비하여 보다 높은 견고성을 보여주었다.

	본발명에 따른 횟수	종래방법에 따른 횟수
JPEG+회전(9 이미지)	9	6
JPEG+스케일링(15이미지)	14	10

표 1

본 발명에 따른 부수정보를 사용하는 워터마킹 메카니즘을 이용한 향상된 ACF에 기초한 워터마킹은 다음과 같은 효과를 가지는 것으로 실험적으로 증명되었다. 제안된 기법은 동일한 조건에서 기존의 ACF 기법보다 보다 좋은 이미지 질을 유지하면서 자기상관 정점들이 보다 높은 견고성을 가지는 것으로 나타났다. 결론적으로, 결합된(기하학적 및 제거 공격) 공격에 대한 견고성이 향상되었다.

※본 명세서에서 사용된 참고 문헌

[1] M. Kutter, : 'Watermarking resisting to translation, rotation, and scaling.' Proc. of SPIE international Symposium on Voice, Video, and Data Communications, vol. 3528, pp. 423-431, Boston, U.S.A., Nov.1998

[2] P.-C. Su, C.-C.J.Kuo, ; 'Synchronized detection of the block-based watermark with invisible gird embedding, ' Proc. of SPIE, Security and Watermarking of Multimedia Contents III, vol. 4314, pp. 406-417, San Jose, U.S.A., Jan. 2001.

[3] S. Voloshynovskiy, F. Deguillaume and T. Pun, : 'Content adaptive watermarking based on a stochastic multiresolution image modeling, ' Tenth European Signal Processing Conference(EUSIPCO'2000), Tampere, Finland,September 5-8 2000.

[4] S. Voloshynovskiy, F.Deguillaume, T. Pun, : 'Multibit Digital Watermarking Robust Against Local Nonlinear Geometric Distortions," 2001 IEEE Int, Conf. of Image Processing(ICIP 2001), Vol. 3, pp. 999-1002, Thessalonick, Greece, Oct. 2001.

[5] I.J.Cox, M.L.Miller, A.L.McKellips, : 'Watermarking as communications with side information, ' Proceedings of the IEEE, Vol. 87, Issue 7, pp. 1127-1141, July 1999.

Claims (8)

1. 이미지 워터마킹 기법에 있어서,

   원본 이미지로부터 노이즈(noise) 신호 E를 추출하여 사용자 키(a user key)와 삽입 메시지(embedding message)를 사용하여 주기적인 워터마크 신호 W를 생성하는 단계;

   상기 노이즈 신호 E와 워터마크 신호 W를 혼합 함수(mixing function)를 사용하여 보다 높은 자체-유사성(self-similarity)을 포함하는 방식으로 노이즈 신호 E와 유사한 새로운 신호로 혼합하는 단계;

   상기 혼합된 자체-유사성을 가진 새로운 신호를 최초의 이미지에서 추출된 노이즈 신호 E와 대체하는 단계; 들을 포함하는 삽입 절차(embedding procedure)와,

   필터(filter)를 사용하여 워터마크된 이미지로부터 삽입된 워터마크를 추출하는 단계;

   상기 추출된 워터마크의 자기상관함수(autocorrelation function)를 산출하는 단계;

   상기 자기상관함수의 정점 형태(peaks pattern)를 사용하여 추출된 워터마크 신호가 원래의 방향성과 크기를 가지도록 만드는 단계;

   상기 방향성과 크기가 조정된 함수로부터 워터마크를 탐지하는 단계; 들을 포함하는 워터마크 탐지 절차(detection procedure)를 포함하는 부수정보를 이용하는 워터마킹 기법.
2. 청구항 1에 있어서,

   상기 워터마크 신호 W는 주기적 신호로서 M×M의 크기를 가지는 기본적인 워터마크 블록 W°를 타일형태로 반복(repeatedly tilting) 하는 방식으로 생성되는 것을 특징으로 하는 부수정보를 이용하는 워터마킹 기법.
3. 청구항 2에 있어서,

   기본적인 워터마크 블록 W°는 분산 스펙트럼 방식으로 생성되는 것을 특징으로 하는 부수정보를 이용하는 워터마킹 기법.
4. 청구항 2에 있어서,

   기본적인 워터마크 블록 W°는 가우시안 분포를 따르는 랜덤 수열을 이용하여 생성되는 것을 특징으로 하는 부수정보를 이용하는 워터마킹 기법.
5. 청구항 1에 있어서,

   새로운 신호로 혼합하는 단계에서 보다 높은 자체 유사성을 가지도록 하기 위하여 X×Y의 크기를 가지며 주기적인 형태로서 M×M의 크기를 가지는 신호 패턴 S°를 반복하여 경사지도록 하는 방식으로 생성되는 수정 신호(modifier signal) S를 사용하는 것을 특징으로 부수정보를 이용하는 워터마킹 기법.
6. 청구항 5에 있어서,

   E'(x, y)= α_eE(x, y) + α_wλ_w(x,y)W(x, y) + α_sλ_s(x, y) S(x, y)로 표시되며,

   상기에서 α_e, α_w, α_s는 전역 웨이팅 팩터(global weighting factors)이며, λ_w, λ_s는 지역 웨이팅 팩터(local weighting factors)를 나타내는 혼합 함수를 사용하여 신호 E, W, S를 혼합하는 것을 특징으로 하는 부수정보를 이용하는 워터마킹 기법.
7. 청구항 5에 있어서,

   수정 신호 S는 추출된 노이즈 신호 E의 모든 분리된 블록 내의 샘플들에 대한 통계값을 나타내는 신호 S'를 각각의 신호 E에 더하는 방식으로 먼저 S°를 생성하여 만들어지는 것을 특징으로 하는 부수정보를 이용하는 워터마킹 기법.
8. 청구항 7에 있어서,

   상기 S'는 S'의 표준편차를 이용하여 S°로 정규화 되는 것을 특징으로 하는 부수정보를 이용하는 워터마킹 기법.