(49-2) 12 * << * >> * Русский * English * Содержание * Все выпуски

Множественное встраивание водяных знаков в пространственно-частотную область изображений на основе генетического алгоритма
А.С. Мельман 1, О.О. Евсютин 1, О.Е. Сенюкова 1

1 Национальный исследовательский университет «Высшая школа экономики»,
101000, Россия, г. Москва, ул. Мясницкая, д. 20

  PDF, 1025 kB

DOI: 10.18287/2412-6179-CO-1481

Страницы: 273-281.

Аннотация:
Повсеместное использование цифрового контента повышает актуальность защиты прав авторов и обладателей такого контента, в частности, цифровых изображений. Технология цифровых водяных знаков (ЦВЗ) позволяет эффективно решать многие задачи, связанные с доказательством авторства на изображения, подтверждением их подлинности и отслеживанием незаконного копирования. Эффективный алгоритм встраивания ЦВЗ требует достижения высоких показателей незаметности и робастности, что является сложной задачей, так как улучшение одного из этих показателей обычно приводит к ухудшению другого. В этом исследовании для решения данной задачи предложен новый алгоритм невидимого встраивания ЦВЗ в гибридную пространственно-частотную область изображений, основанный на множественном встраивании и метаэвристической оптимизации. Встраивание битов ЦВЗ выполняется путём изменения блока пикселей изображения в соответствии с некоторой матрицей изменений, которая выбирается адаптивно для каждого блока с помощью генетического алгоритма. На этапе извлечения значение каждого бита ЦВЗ определяется с помощью всех встроенных копий, причём ни оригинальное изображение, ни оригинальный ЦВЗ не требуются для извлечения данных. Результаты экспериментов показывают, что предложенный алгоритм отличается высокой незаметностью и устойчивостью к ряду атак обработки изображений.

Ключевые слова:
защита информации, цифровые водяные знаки, обработка изображений, генетический алгоритм, множественное встраивание.

Благодарности
Данная работа является результатом исследовательского проекта, реализуемого в рамках Программы фундаментальных исследований Национального исследовательского университета «Высшая школа экономики» (НИУ ВШЭ).

Цитирование:
Мельман, А.С. Множественное встраивание водяных знаков в пространственно-частотную область изображений на основе генетического алгоритма / А.С. Мельман, О.О. Евсютин, О.Е. Сенюкова // Компьютерная оптика. – 2025. – Т. 49, № 2. – С. 273-281. – DOI: 10.18287/2412-6179-CO-1481.

Citation:
Melman AS, Evsutin OO, Senyukova OE. Multiple embedding of watermarks into a spatial-frequency domain of images based on a genetic algorithm. Computer Optics 2025; 49(2): 273-281. DOI: 10.18287/2412-6179-CO-1481.

References:
  1. Begum M, Uddin MS. Digital image watermarking techniques: A review. Information 2020; 11(2): 110. DOI: 10.3390/info11020110.
  2. Boujerfaoui S, Riad R, Douzi H, Ros F, Harba R. Image watermarking between conventional and learning-based techniques: A literature review. Electronics 2023; 12(1): 74. DOI: 10.3390/electronics12010074.
  3. Islam M, Laskar RH. Geometric distortion correction based robust watermarking scheme in LWT-SVD domain with digital watermark extraction using SVM. Multimed Tools Appl 2018; 77(11): 14407-14434. DOI: 10.1007/s11042-017-5035-9.
  4. Hatoum MW, Darazi R, Couchot J-F. Normalized blind STDM watermarking scheme for images and PDF documents robust against fixed gain attack. Multimed Tools Appl 2020; 79(3-4): 1887-1919. DOI: 10.1007/s11042-019-08242-4.
  5. Li Y-M, Wei D, Zhang L. Double-encrypted watermarking algorithm based on cosine transform and fractional Fourier transform in invariant wavelet domain. Inf Sci 2021; 551: 205-227. DOI: 10.1016/j.ins.2020.11.020.
  6. Zhang W, Chen J, Zhang Y. Global resynchronization-based image watermarking resilient to geometric attacks. Comput Electr Eng 2018; 67: 182-194. DOI: 10.1016/j.compeleceng.2018.02.051.
  7. Parah SA, Loan NA, Shah AA, Sheikh JA, Bhat GM. A new secure and robust watermarking technique based on logistic map and modification of DC coefficient. Nonlinear Dyn 2018; 93: 1933-1951. DOI: 10.1007/s11071-018-4299-6.
  8. Mousavi SM, Naghsh A, Manaf AA, Abu-Bakar SAR. A robust medical image watermarking against salt and pepper noise for brain MRI images. Multimed Tools Appl 2017; 76(7): 10313-10342. DOI: 10.1007/s11042-016-3622-9.
  9. Lebcir M, Awang S, Benziane A. Robust blind watermarking approach against the compression for fingerprint image using 2D-DCT. Multimed Tools Appl 2022; 81(15): 20561-20583. DOI: 10.1007/s11042-022-12365-6.
  10. Chen W, Ren N, Zhu C, Zhou Q, Seppänen T, Keskinarkaus A. Screen-Cam Robust Image Watermarking with Feature-Based Synchronization. Appl Sci 2020; 10(21): 7494. DOI: 10.3390/app10217494.
  11. Hsu C-S, Tu S-F. Enhancing the robustness of image watermarking against cropping attacks with dual watermarks. Multimed Tools Appl 2020; 79(17-18): 11297-11323. DOI: 10.1007/s11042-019-08367-6.
  12. Cedillo-Hernandez M, Cedillo-Hernandez A, Garcia-Ugalde FJ. Improving DFT-Based Image Watermarking Using Particle Swarm Optimization Algorithm. Mathematics 2021; 9(15): 1795. DOI: 10.3390/math9151795.
  13. Barlaskar SA, Singh SV, Anish Monsley K, Laskar RH. Genetic algorithm based optimized watermarking technique using hybrid DCNN-SVR and statistical approach for watermark extraction. Multimed Tools Appl 2022; 81(5): 7461-7500. DOI: 10.1007/s11042-021-11798-9.
  14. Moosazadeh M, Ekbatanifard G. A new DCT-based robust image watermarking method using teaching-learning-based optimization. J Inf Secur Appl 2019; 47: 28-38. DOI: 10.1016/j.jisa.2019.04.001.
  15. Sinhal R, Ansari IA. Tunable Q-factor wavelet transform-based robust image watermarking scheme using logistic mapping and antlion optimization. Circuits Syst Signal Process 2022; 41(11): 6370-6410. DOI: 10.1007/s00034-022-02090-8.
  16. Li L, Bai R, Zhang S, Chang C-C, Shi M. Screen-shooting resilient watermarking scheme via learned invariant keypoints and QT. Sensors 2021; 21(19): 6554. DOI: 10.3390/s21196554.
  17. Melman AS, Evsutin OO. Efficient and error-free information hiding in the hybrid domain of digital images using metaheuristic optimization [In Russian]. Comput Res Model 2023; 15(1): 197-210. DOI: 10.20537/2076-7633-2023-15-1-197-210.
  18. Chen B, Wornell GW. Quantization index modulation: a class of provably good methods for digital watermarking and information embedding. IEEE Trans Inf Theory 2001; 47(4): 1423-1443. DOI: 10.1109/18.923725.
  19. Mitekin VA, Fedoseev VA. New secure QIM-based information hiding algorithms. Computer Optics 2018; 42(1): 118-127. DOI: 10.18287/2412-6179-2018-42-1-118-127.
  20. Evsutin O, Melman A, Meshcheryakov R. Algorithm of error-free information embedding into the DCT domain of digital images based on the QIM method using adaptive masking of distortions. Signal Process 2021; 179: 107811. DOI: 10.1016/j.sigpro.2020.107811.
  21. Fan X, Sayers W, Zhang S, Han Z, Ren L, Chizari H. Review and classification of bio-inspired algorithms and their applications. J Bionic Eng 2020; 17(3): 611-631. DOI: 10.1007/s42235-020-0049-9.
  22. Goldberg DE. Genetic algorithms in search, optimization and machine learning. Boston, MA: Addison-Wesley Longman Publishing Co Inc; 1989. ISBN: 978-0-201-15767-3.
  23. The USC-SIPI image database. 2024. Source: <http://sipi.usc.edu/database>.

© 2009, IPSI RAS
Россия, 443001, Самара, ул. Молодогвардейская, 151; электронная почта: journal@computeroptics.ru; тел: +7 (846) 242-41-24 (ответственный секретарь), +7 (846) 332-56-22 (технический редактор), факс: +7 (846) 332-56-20