Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Стеганографические системы. Критерии и методическое обеспечение

Покупка
Артикул: 680422.01.99
Доступ онлайн
300 ₽
В корзину
Развитие теории и практики алгоритмов сжатия изображений приве- ло к изменению представлений о технике внедрения конфиденциальной информации. Если первоначально предлагалось вкладывать информацию в незначащие биты для уменьшения визуальной заметности, то современ- ный подход заключается во встраивании данных в наиболее существенные области изображений, разрушение которых приведет к полной деградации самого изображения. В учебно-методическом пособии обобщены самые последние результаты исследований пропускной способности сущест- вующих каналов передачи скрываемой информации с учетом воздействия на них возмущающих факторов, даны оценки стойкости стеганографиче- ских систем с использованием теоретико-сложностного подхода. Учебно-методическое пособие предназначено для студентов, аспи- рантов, научных работников, изучающих вопросы обеспечения безопасно- сти информации, а также для инженеров-проектировщиков средств обес- печения безопасности информации. Несомненный интерес оно вызовет также у специалистов в области теории информации и цифровой обработ- ки сигналов.
Стеганографические системы. Критерии и методическое обеспечение: Учебно-методическое пособие / Грибунин В.Г., Костюков В.Е., Мартынов А.П. - Саров:ФГУП"РФЯЦ-ВНИИЭФ", 2016. - 324 с.: ISBN 978-5-9515-0317-6. - Текст : электронный. - URL: https://znanium.com/catalog/product/950530 (дата обращения: 29.03.2024). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов. Для полноценной работы с документом, пожалуйста, перейдите в ридер.
 
 

 

 

ФГУП «Российский федеральный ядерный центр –  
Всероссийский научно-исследовательский институт  
экспериментальной физики» 
 
 
 
 
 
 
В. Г. Грибунин, В. Е. Костюков, А. П. Мартынов, 
Д. Б. Николаев, В. Н. Фомченко 
 
 
 
СТЕГАНОГРАФИЧЕСКИЕ СИСТЕМЫ. 
КРИТЕРИИ И МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ 
 
 
 
 
Учебно-методическое пособие 
 
 
 
Под редакцией доктора технических наук В. Г. Грибунина 
 
 
 
 
 
 
 
 
 
 
 
Саров 
2016 

 
 

 

 

УДК 004.056(075.8) 
ББК 32.81Я73 
        С79 
 
Одобрено научно-методическим советом Саровского физико-технического института 
Национального исследовательского ядерного университета «МИФИ» и ученым советом 
ФГМУ «Институт информатизации образования» Российской академии образования 
 
Рецензенты: ректор НГТУ им. Р. Е. Алексеева профессор, д-р техн. наук С. М. Дмитриев; 
декан радиофизического факультета ННГУ им. Н. И. Лобачевского профессор, д-р физ.-мат. 
наук А. В. Якимов 
 
Грибунин, В. Г., Костюков, В. Е., Мартынов, А. П., Николаев, Д. Б.,  
Фомченко, В. Н.  
Стеганографические системы. Критерии и методическое обеспечение: 
Учеб.-метод. пособие / Под ред. д-ра техн. наук В. Г. Грибунина. Саров: 
ФГУП «РФЯЦ-ВНИИЭФ», 2016. – 324 с. : ил. 
 
ISBN  978-5-9515-0317-6 
 
Развитие теории и практики алгоритмов сжатия изображений привело к изменению представлений о технике внедрения конфиденциальной 
информации. Если первоначально предлагалось вкладывать информацию 
в незначащие биты для уменьшения визуальной заметности, то современный подход заключается во встраивании данных в наиболее существенные 
области изображений, разрушение которых приведет к полной деградации 
самого изображения. В учебно-методическом пособии обобщены самые 
последние результаты исследований пропускной способности существующих каналов передачи скрываемой информации с учетом воздействия 
на них возмущающих факторов, даны оценки стойкости стеганографических систем с использованием теоретико-сложностного подхода. 
Учебно-методическое пособие предназначено для студентов, аспирантов, научных работников, изучающих вопросы обеспечения безопасности информации, а также для инженеров-проектировщиков средств обеспечения безопасности информации. Несомненный интерес оно вызовет 
также у специалистов в области теории информации и цифровой обработки сигналов. 
 
 
УДК 004.056(075.8) 
ББК 32.81Я73 
 
 
ISBN  978-5-9515- 0317-6                                              ©   ФГУП  «РФЯЦ-ВНИИЭФ», 2016 

С79 

Содержание 
 
Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 
 
1. Скрытие данных в неподвижных изображениях . . . . . . . . . . . . . . . . . . . . . . 9 
1.1. Человеческое зрение и алгоритмы сжатия изображений . . . . . . . . . . . . . . 10 
1.1.1. Свойства зрения, которые нужно учитывать при построении  
          стегоалгоритмов . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 
1.1.2. Принципы сжатия изображений . . . . . . . . . . . . . . . . . . . . . . . . . . . .  12 
1.2. Скрытие данных в пространственной области . . . . . . . . . . . . . . . . . . . . . . 18 
1.3. Скрытие данных в области преобразования . . . . . . . . . . . . . . . . . . . . . . . . 25 
1.3.1. Выбор преобразования для скрытия данных . . . . . . . . . . . . . . . . . .  25 
1.3.2. Скрытие данных в коэффициентах дискретного косинусного  
          преобразования . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  29 
Вопросы для самопроверки к разделу 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 
 
2. Обзор стегоалгоритмов встраивания информации в изображения . . . . . 37 
2.1. Аддитивные алгоритмы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 
2.1.1. Обзор алгоритмов на основе линейного встраивания данных . . . . . 37 
2.1.2. Обзор алгоритмов на основе слияния ЦВЗ и контейнера . . . . . . . .  47 
2.2. Стеганографические методы на основе квантования . . . . . . . . . . . . . . . . . 49 
2.2.1. Принципы встраивания информации с использованием  
          квантования. Дизеризованные квантователи . . . . . . . . . . . . . . . . . . . 49 
2.2.2. Обзор алгоритмов встраивания ЦВЗ с использованием  
          скалярного квантования . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  51 
2.2.3. Встраивание ЦВЗ с использованием векторного квантования . . . . 53 
2.3. Стегоалгоритмы, использующие фрактальное преобразование . . . . . . . . 55 
Вопросы для самопроверки к разделу 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 
 
3. Скрытие данных в аудиосигналах . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 
3.1. Методы кодирования с расширением спектра . . . . . . . . . . . . . . . . . . . . . . . 59 
3.2. Внедрение информации модификацией фазы аудиосигнала . . . . . . . . . . . 65 
3.3. Встраивание информации за счет изменения времени задержки 
       эхосигнала . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  67 
3.4. Методы маскирования ЦВЗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  71 
3.5. Вопросы для самопроверки к разделу 3 . . . . . . . . . . . . . . . . . . . . . . . . . . .  74 
 
4. Скрытие данных в видеопоследовательностях . . . . . . . . . . . . . . . . . . . . . . . 76 
4.1. Краткое описание стандарта MPEG и возможности внедрения данных . . . 76 
4.2. Методы встраивания информации на уровне коэффициентов . . . . . . . . . . 80 
4.3. Методы встраивания информации на уровне битовой плоскости . . . . . . . 83 

4.4. Метод встраивания информации за счет энергетической разности  
       между коэффициентами . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  86 
Вопросы для самопроверки к разделу 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 
 
5. Критерии секретности и обзор известных стегосистем с оценкой  
    эффективности их стегоанализа . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 
5.1. Критерии секретности стегосистем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 
5.2. Основные методы построения стегосистем и их стегоанализ . . . . . . . . . . 98 
5.2.1. СГ на основе вложения информации в наименьшие значащие  
          биты (СГ–НЗБ) отсчетов ПС . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 
5.2.2. Стегосистема Outguess . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99 
5.2.3. Стегосистема F5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 
5.2.4. Стегоанализ СГ–НЗБ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 
5.2.5. СГс использованием широкополосных сигналов (СГ–ШПС) . . . . 117 
5.2.6. Стегоанализ СГ–ШПС . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  119 
5.2.7. Необнаруживаемые СГ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 
5.2.8. Почти необнаруживаемые СГ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135 
5.2.9. Прочие СГ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143 
Вопросы для самопроверки к разделу 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 
 
6. Исследование и проведение анализа наиболее распространенных  
    и перспективных форматов мультимедийных файлов (JPEG,  
    JPEG-2000, MPEG-2, MPEG-4, MP3) c точки зрения внедрения  
    информации . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  147 
6.1. Описание и анализ формата JPEG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  147 
6.1.1. Структура видеокодека стандарта JPEG . . . . . . . . . . . . . . . . . . . . .  147 
6.1.2. Анализ функций восстановления местоположения значимых  
          коэффициентов преобразования и энтропийного декодирования . . . 152 
6.1.3. Анализ функций деквантования и обратного дискретного  
          косинусного преобразования . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  155 
6.2. Описание и анализ формата JPEG-2000 . . . . . . . . . . . . . . . . . . . . . . . . . . . 158 
6.3. Описание и анализ формата MPEG-2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164 
6.3.1. Краткое описание принципа работы видеокодека . . . . . . . . . . . . . . 164 
6.3.2. Кодер источника . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166 
6.3.3. Алгоритм кодирования . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168 
6.3.4. Алгоритм декодирования . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170 
6.4. Описание и анализ формата H.264 (MPEG-4 AVC/H.264) . . . . . . . . . . . . 172 
6.4.1. Обобщенная структурная схема кодека . . . . . . . . . . . . . . . . . . . . . . 172 
6.4.2. Формирование INTRA-прогноза . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175 
6.4.3. Режимы формирования прогноза для яркостных блоков  
          размером 4×4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  175 
6.4.4. Режимы формирования прогноза для яркостных блоков  
          размером 16×16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  176 

6.4.5. Режимы формирования прогноза для цветоразностных блоков  
          размером 8×8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177 
6.4.6. Преобразование, сканирование и квантование . . . . . . . . . . . . . . . . 182 
6.4.7. Деблокирующая фильтрация . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  188 
6.4.8. Энтропийное кодирование . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190 
6.4.9. Анализ возможности организации скрытого канала передачи  
          при использовании рекомендации H.264 . . . . . . . . . . . . . . . . . . . . . . 193 
6.5. Описание и анализ форматов аудиосигналов . . . . . . . . . . . . . . . . . . . . . . 194 
6.5.1. Анализ формата аудиосигналов MP3 . . . . . . . . . . . . . . . . . . . . . . . . 194 
6.5.2. Анализ формата аудиосигналов WMA . . . . . . . . . . . . . . . . . . . . . . . 198 
6.5.3. Анализ возможностей организации скрытого канала передачи  
          при использовании формата MP3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 201 
Вопросы для самопроверки к разделу 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203 
 
7. Разработка методики исследования статистических критериев оценки  
    искажений файлов-контейнеров и оценки эффективности их использо- 
    вания для выявления скрытых каналов передачи информации . . . . . . .  206 
7.1. Критерии информативности системы признаков . . . . . . . . . . . . . . . . . . .  206 
7.1.1. Выбор первичных и вторичных признаков . . . . . . . . . . . . . . . . . . . 206 
7.1.2. Достаточные статистики и мера недостаточности . . . . . . . . . . . . . 207 
7.1.3. Дивергенция Кульбака . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208 
7.1.4. Связь между энтропией и вероятностью ошибки . . . . . . . . . . . . . . 208 
7.2. Построение классификатора. Описание алгоритма SVM . . . . . . . . . . . . . 209 
7.2.1. Классификация систем классификации . . . . . . . . . . . . . . . . . . . . . . 209 
7.2.2. Основные положения теории статистического обучения . . . . . . . . 211 
7.2.3. Описание метода SVM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214 
7.3. Метрики качества изображений . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218 
7.3.1. Корреляционные метрики . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220 
7.3.2. Метрика, учитывающая контуры изображения . . . . . . . . . . . . . . . . 222 
7.3.3. Меры расстояния в спектральной области . . . . . . . . . . . . . . . . . . .  222 
7.3.4. Контекстные метрики . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  223 
7.3.5. Метрики, построенные с учетом СЧЗ . . . . . . . . . . . . . . . . . . . . . . .  224 
7.4. Статистики JPEG-файлов, используемые при стегоанализе . . . . . . . . . . 226 
7.5. Объективные метрики для оценки качества видеокодеков. . . . . . . . . . .  227 
7.5.1. Особенности человеческого зрения . . . . . . . . . . . . . . . . . . . . . . . . . 227 
7.5.2. Требования к объективным метрикам качества видео . . . . . . . . . . 228 
7.5.3. Перспективная метрика по оценке качества видеокодеков . . . . . . 229 
7.6. Формирование методики исследования статистических критериев  
       оценки искажений файлов-контейнеров и оценки эффективности  
       их использования для выявления скрытых каналов передачи  
       информации . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230 
Вопросы для самопроверки к разделу 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  233 
 

Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236 
 
Ответы на вопросы для самопроверки к разделу 1 . . . . . . . . . . . . . . . . . . . . . . . . 238 
Ответы на вопросы для самопроверки к разделу 2 . . . . . . . . . . . . . . . . . . . . . . .  251 
Ответы на вопросы для самопроверки к разделу 3 . . . . . . . . . . . . . . . . . . . . . . . . 262 
Ответы на вопросы для самопроверки к разделу 4 . . . . . . . . . . . . . . . . . . . . . . . . 267 
Ответы на вопросы для самопроверки к разделу 5 . . . . . . . . . . . . . . . . . . . . . . .  274 
Ответы на вопросы для самопроверки к разделу 6 . . . . . . . . . . . . . . . . . . . . . . .  288 
Ответы на вопросы для самопроверки к разделу 7 . . . . . . . . . . . . . . . . . . . . . . .  308 
 
Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317 
 

Введение 
 
Развитие теории и практики алгоритмов сжатия изображений привело к изменению представлений о технике внедрения конфиденциальной информации. 
Если первоначально предлагалось вкладывать информацию в незначащие биты 
для уменьшения визуальной заметности, то современный подход заключается во 
встраивании данных в наиболее существенные области изображений, разрушение которых приведет к полной деградации самого изображения. 
В большинстве методов скрытия данных в мультимедиа-сообщениях используется та или иная декомпозиция мультимедиа-контейнера. Среди всех линейных ортогональных преобразований наибольшую популярность в стеганографии получили вейвлет-преобразование и дискретное косинусное преобразование (ДКП), что отчасти объясняется их успешным применением при сжатии 
данных. Стегоалгоритм может быть весьма робастным к дальнейшей компрессии, если он будет учитывать особенности алгоритма сжатия. Еще большие 
трудности возникают с выбором преобразования при скрытии данных в видеопоследовательности. Причина заключается в том, что при сжатии видео основную роль играет кодирование векторов компенсации движения, а не только неподвижного кадра. Стеганографические методы, применяемые для встраивания 
информации в видео должны работать в реальном времени. Способы встраивания цифровых водяных знаков (ЦВЗ), работающие в реальном времени, в первую очередь, должны быть слепыми и обладать малой вычислительной сложностью. Таким образом, единственно приемлемыми являются методы, встраивающие данные непосредственно в поток сжатых данных, чтобы избежать лишних 
вычислений. 
Для стеганографических систем принято определять необнаруживаемость – 
вероятностью пропуска (т. е. отсутствием обнаружения стеганографической системы, когда она была представлена для анализа) и вероятностью ложного обнаружения (когда стеганографическая система ложно обнаруживается при ее отсутствии). 
Практические подходы оценки стойкости стегосистем основаны на их устойчивости к обнаружению разработанных к настоящему времени алгоритмов 
стеганоанализа. Данный подход учитывает, что все алгоритмы встраивания так 
или иначе вносят в стегограммы относительно использованных контейнеров те 
или иные искажения. Современные алгоритмы стеганоанализа, особенно универсальные алгоритмы, строятся как классификаторы, которые предварительно 
обучаются на множестве чистых контейнеров и множестве полученных из них 
стегограмм с использованием исследуемого алгоритма встраивания. Далее обученный классификатор пытается идентифицировать равновероятно распределенные ранее неизвестные контейнеры и стегограммы. 

Вне зависимости от используемых контейнеров и принципов построения 
классификатора получаемые при этом оценки стойкости сводятся к выяснению 
вопроса, насколько уверенно классификатор способен различать стегограммы 
и пустые контейнеры в рамках заданной для него модели. Рассмотрим становящуюся «традиционной» типовую методику исследования статистических критериев оценки искажений файлов-контейнеров и оценки эффективности их использования для выявления скрытых каналов передачи информации. 

1. Скрытие данных в неподвижных изображениях 
 
Большинство исследований посвящено использованию в качестве стегоконтейнеров изображений. Это обусловлено следующими причинами: 
– существованием практически значимой задачи защиты фотографий, картин, видео от незаконного тиражирования и распространения; 
– относительно большим объемом цифрового представления изображений, что 
позволяет внедрять ЦВЗ большого объема либо повышать робастность внедрения; 
– заранее известным размером контейнера, отсутствием ограничений, накладываемых требованиями реального времени; 
– наличием в большинстве реальных изображений текстурных областей, имеющих шумовую структуру и хорошо подходящих для встраивания информации; 
– слабой чувствительностью человеческого глаза к незначительным изменениям цветов изображения, его яркости, контрастности, содержанию в нем шума, 
искажениям вблизи контуров; 
– хорошо разработанными в последнее время методами цифровой обработки 
изображений. 
Последняя причина вызывает и значительные трудности в обеспечении робастности ЦВЗ: чем более совершенными становятся методы сжатия, тем меньше остается возможностей для встраивания посторонней информации. Развитие 
теории и практики алгоритмов сжатия изображений привело к изменению представлений о технике внедрения ЦВЗ. Если первоначально предлагалось вкладывать информацию в незначащие биты для уменьшения визуальной заметности, 
то современный подход заключается во встраивании ЦВЗ в наиболее существенные области изображений, разрушение которых приведет к полной деградации самого изображения. Не случайно поэтому стегоалгоритмы учитывают 
свойства системы человеческого зрения (СЧЗ) аналогично алгоритмам сжатия 
изображений. В стегоалгоритмах зачастую используются те же преобразования, 
что и в современных алгоритмах сжатия (ДКП в JPEG, вейвлет-преобразование 
в JPEG-2000). При этом существуют, очевидно, три возможности: вложение 
информации может производиться в исходное изображение, либо одновременно 
с осуществлением сжатия изображения-контейнера, либо в уже сжатое алгоритмом JPEG изображение. Поэтому в п. 1.1 рассмотрены свойства человеческого 
зрения и их учет в алгоритмах сжатия изображений. 
Выполнение линейных ортогональных преобразований изображений – вычислительно трудоемкий процесс, несмотря на наличие быстрых алгоритмов. 
Поэтому в некоторых случаях можно ограничиться встраиванием информации 
в пространственной области изображения. Этот, исторически первым появившийся метод рассмотрен в п. 1.2 на примере нескольких интересных алгоритмов. Более эффективные стегоалгоритмы, реализующие внедрение ЦВЗ в области преобразования, рассмотрены в п. 1.3. 

1.1. Человеческое зрение и алгоритмы сжатия изображений 

1.1.1. Свойства зрения, которые нужно учитывать при построении стегоалгоритмов. Свойства человеческого зрения можно разделить на две группы: 
низкоуровневые («физиологические») и высокоуровневые («психофизиологические»). Вплоть до середины 1990-х годов исследователи принимали во внимание, главным образом, низкоуровневые свойства зрения. В последние годы наметилась тенденция построения стегоалгоритмов с учетом и высокоуровневых 
характеристик СЧЗ. 

Свойства СЧЗ

низкоуровневые 
(«физиологические»)

высокоуровневые 
(«психофизиологические»)  

Рис. 1.1. Свойства системы человеческого зрения 
 
Выделим три наиболее важных низкоуровневых свойства, влияющих на заметность постороннего шума в изображении: чувствительность к изменению 
яркости изображения, частотная чувствительность и эффект маскирования.  
Чувствительность к изменению яркости можно определить следующим образом [1]. Испытуемому показывают некоторую однотонную картинку (рис. 1.2). 
После того как глаз адаптировался к ее освещенности I, «настроился на неё», 
постепенно изменяют яркость вокруг центрального пятна. Изменение освещенности ΔI продолжают до тех пор, пока оно не будет обнаружено. На рис. 1.3 показана зависимость минимального контраста ΔI/I от яркости I (для удобства мы 
поменяли привычное расположение осей). Как видно из рисунка, для среднего 
диапазона изменения яркости контраст примерно постоянен (аналогия с кратно-масштабным анализом и вейвлетами), тогда как для малых и больших яркостей значение порога неразличимости возрастает. Было установлено, что 
ΔI ≈ 0,01 – 0,03I для средних значений яркости. 

Io+ΔI

Io

 

Рис. 1.2. Определение чувствительности  
глаза к изменению яркости 

Низкоуровневые  
(«физиологические») 

Высокоуровневые  
(«психофизиологические») 

1~3 %

log I

ΔI / I

 

Рис. 1.3. Зависимость минимального контраста ΔI/I от яркости I  
 
Интересно заметить, что результаты новейших исследований противоречат 
«классической» точке зрения и показывают, что при малых значениях яркости 
СЧЗ порог неразличимости уменьшается, т. е. СЧЗ более чувствительна к шуму 
в этом диапазоне. 
Частотная чувствительность СЧЗ проявляется в том, что человек гораздо 
более восприимчив к низкочастотному (НЧ), чем к высокочастотному (ВЧ) шуму. Это связано с неравномерностью амплитудно-частотной характеристики 
системы зрения человека. Экспериментально ее можно определить при помощи 
того же опыта, что и при яркостной чувствительности. Но на этот раз в центральном квадрате изменяются пространственные частоты до тех пор, пока изменения не станут заметными.  
Элементы СЧЗ разделяют поступающий видеосигнал на отдельные компоненты. Каждая составляющая возбуждает нервные окончания глаза через ряд 
подканалов. Выделяемые глазом компоненты имеют различные пространственные и частотные характеристики, а также различную ориентацию (горизонтальную, вертикальную, диагональную) [2]. В случае одновременного воздействия 
на глаз двух компонентов со сходными характеристиками возбуждаются одни 
и те же подканалы. Это приводит к эффекту маскирования, заключающегося 
в увеличении порога обнаружения видеосигнала в присутствии другого сигнала, 
обладающего аналогичными характеристиками. Поэтому аддитивный шум 
гораздо заметнее на гладких участках изображения, чем на высокочастотных, 
т. е. в последнем случае наблюдается маскирование. Наиболее сильно эффект 
маскирования проявляется, когда оба сигнала имеют одинаковую ориентацию 
и местоположение. 
Можно показать, что частотная чувствительность тесно связана с яркостной. 
Известно также и выражение для определения порога маскирования на основе 
известной яркостной чувствительности, что позволяет найти метрику искажения 
изображения, учитывающую свойства СЧЗ. Такого типа математические модели 
хорошо разработаны для случая квантования коэффициентов ДКП изображения, 
так как именно оно применяется в стандарте JPEG. 

1~3 % 

log I 

Эффект маскирования в пространственной области может быть объяснен 
путем построения стохастических моделей изображения. При этом изображение 
представляется в виде марковского случайного поля, распределение вероятностей которого подчиняется, например, обобщенному гауссовскому закону. 
Таким образом, можно предложить следующую обобщенную схему внедрения данных в изображение. 
1. Выполнить фильтрацию изображения при помощи ориентированных полосовых фильтров. При этом получим распределение энергии по частотнопространственным компонентам. 
2. Вычислить порог маскирования на основе знания локальной величины 
энергии. 
3. Масштабировать значение энергии внедряемого ЦВЗ в каждом компоненте так, чтобы оно было меньше порога маскирования. 
Многие алгоритмы встраивания информации, как мы увидим, так или иначе 
используют эту схему. 
Высокоуровневые свойства СЧЗ пока редко учитываются при построении 
стегоалгоритмов. Их отличием от низкоуровневых является то, что эти свойства 
проявляются «вторично», обработавший первичную информацию от СЧЗ мозг 
выдает команды на ее «подстройку» под изображение. Перечислим основные из 
этих свойств. 
1. Чувствительность к контрасту. Высококонтрастные участки изображения, 
перепады яркости обращают на себя значительное внимание. 
2. Чувствительность к размеру. Большие участки изображения «заметнее» 
меньших размеров. Причем существует порог насыщения, когда дальнейшее 
увеличение размера не существенно. 
3. Чувствительность к форме. Длинные и тонкие объекты вызывают большее внимание, чем круглые однородные. 
4. Чувствительность к цвету. Некоторые цвета (например, красный) «заметнее» других. Этот эффект усиливается, если фон заднего плана отличается от 
цвета фигур на нем. 
5. Чувствительность к местоположению. Человек склонен в первую очередь 
рассматривать центр изображения.  
6. Люди обычно внимательнее к изображениям переднего плана, чем заднего. 
7. Если на изображении есть люди, в первую очередь человек обратит внимание на них. На фотографии человек обращает первоочередное внимание на 
лицо, глаза, рот, руки. 
8. Чувствительность к внешним раздражителям. Движение глаз наблюдателя 
зависит от конкретной обстановки, от полученных им перед просмотром или во 
время него инструкций, дополнительной информации. 
 
1.1.2. Принципы сжатия изображений. Под сжатием понимается уменьшение числа битов, требующихся для цифрового представления изображений. 
В основе сжатия лежат два фундаментальных явления: уменьшение статистической 

и психовизуальной избыточности. Можно выделить три типа статистической 
избыточности: 

− пространственная (корреляция между соседними пикселами); 
− спектральная (корреляция между соседними частотными полосами); 
− временная (корреляция между соседними кадрами – для видео). 
Велика ли статистическая избыточность в неподвижном изображении? Для 
ответа на этот вопрос попробуйте сжать картинку каким-либо архиватором – 
результаты вас разочаруют. Высокие коэффициенты сжатия достижимы лишь 
с использованием психовизуальной избыточности изображения, т. е. при пренебрежении его визуально незначимыми частями. И тут уж не обойтись без знания СЧЗ. «Выброшенные» части изображения заменяют нулями (константами) 
и, если их много, применяют кодер длин серий. В реальных алгоритмах сжатия 
осуществляют обнуление не пикселов изображения, а спектральных коэффициентов. Преимущество такого подхода заключается в том, что близкие к нулю 
спектральные коэффициенты имеют тенденцию располагаться в заранее предсказуемых областях, что приводит к появлению длинных серий нулей и повышению эффективности кодирования. Большие по величине коэффициенты 
(«значимые») подвергают более или менее точному квантованию и также сжимают кодером длин серий. Последним этапом алгоритма сжатия является применение энтропийного кодера (Хаффмана или арифметического). 
Восстановленное после сжатия изображение, естественно, отличается от исходного. При прочих равных условиях чем больше сжатие, тем больше искажение. Для оценки качества восстановленного изображения можно использовать 
меру среднеквадратического искажения, определяемую как 

(
)
2

1

1
СКО
,
N

i
i
i
x
x
N =
=
−
∑
(1.1) 

где N – число пикселов в изображении, 
, 
i
i
x
x– значения пикселов исходного и 
восстановленного изображений. Гораздо чаще применяется модификация этой 
меры – пиковое отношение сигнал/шум (ПОСШ), определяемое как 

(
)

2

2
2

1

255
ПОСШ
10log
,
N

i
i
i

N

x
x
=

=
−
∑

                                (1.2) 

где 255 – максимальное значение яркости полутонового изображения (т. е.  
8 бит/пиксел).  
Восстановленное изображение считается приемлемым, если ПОСШ ≥ 28 – 30 дБ 
(в среднем). Перечисленные объективные меры искажения не всегда коррелируют с субъективным восприятием изображений, однако ничего лучшего до сих 
пор не придумано. 
ПОСШ не всегда хорошо согласуется с визуально наблюдаемой ошибкой. 
Пусть имеются два изображения, которые полностью одинаковы, кроме небольшой области. Хотя визуально разность между этими изображениями хорошо 

Доступ онлайн
300 ₽
В корзину