เทคนิคของ Frequency Domain Watermarking (ลายน้ำในโดเมนความถี่)
เป้าหมายหลักของ Frequency domain watermarking คือการฝัง Watermark ใน Spectral coefficients ของภาพ Transform ที่ใช้กันมากที่สุดคือ Discrete Cosine Transform (DCT), Discrete Fourier Transform (DFT) และ Discrete Wavelet Transform (DWT)
เหตุผลหลักสำหรับ Watermarking ใน Frequency domain คือ ลักษณะของ Human Visual System (HVS) ถูกเข้าใจได้ดีกว่าโดย Spectral coefficients
- Discrete Cosine Transforms (DCT) - DCT เหมือน Fourier Transform สามารถอธิบายข้อมูลในแง่ของ Frequency space แทนที่จะเป็น Amplitude space นี่มีประโยชน์เพราะสอดคล้องกับวิธีที่มนุษย์รับรู้แสงมากกว่า ดังนั้น ส่วนที่ไม่ได้รับรู้สามารถระบุและทิ้งได้
DCT based watermarking techniques แข็งแกร่งกว่าเทคนิค Spatial domain อัลกอริทึมดังกล่าวทนทานต่อการดำเนินการประมวลผลภาพง่ายๆ เช่น Low pass filtering, การปรับ Brightness และ Contrast, Blurring ฯลฯ
อย่างไรก็ตาม พวกเขายากที่จะนำไปใช้ และมีค่าใช้จ่ายทางคำนวณมากกว่า ในเวลาเดียวกัน พวกเขาอ่อนแอต่อการโจมตีทางเรขาคณิต เช่น การหมุน Scaling, Cropping ฯลฯ
DCT domain watermarking สามารถแบ่งได้เป็น Global DCT watermarking และ Block based DCT watermarking การฝังในส่วนที่สำคัญทางการรับรู้ของภาพมีข้อได้เปรียบของตัวเอง เพราะแผนการบีบอัดส่วนใหญ่กำจัดส่วนที่ไม่สำคัญทางการรับรู้ของภาพ
มีขั้นตอนต่อไปนี้ใน DCT:
- แบ่งภาพเป็นบล็อก 8x8 ที่ไม่ทับซ้อน
- ใช้ Forward DCT กับแต่ละบล็อกเหล่านี้
- ใช้เกณฑ์การเลือกบล็อก (เช่น HVS)
- ใช้เกณฑ์การเลือก Coefficient (เช่น สูงสุด)
- ฝัง Watermark โดยการปรับเปลี่ยน Coefficient ที่เลือก
- ใช้ Inverse DCT transform บนแต่ละบล็อก
- Discrete Wavelet Transforms (DWT) - Wavelet Transform เป็นแนวทางสมัยใหม่ที่ใช้บ่อยในการประมวลผลภาพดิจิทัล การบีบอัด Watermarking ฯลฯ Transforms พัฒนาบนคลื่นเล็กๆ เรียกว่า Wavelet ของความถี่ที่เปลี่ยนแปลงและช่วงเวลาจำกัด
Wavelet transform แยกภาพออกเป็น 3 ทิศทางทางพื้นที่ ได้แก่ แนวนอน แนวตั้ง และแนวทแยง ดังนั้น Wavelets สะท้อนคุณสมบัติ Anisotropic ของ HVS อย่างแม่นยำกว่า Magnitude ของ DWT coefficients ใหญ่กว่าใน Lowest bands (LL) ที่ทุกระดับของการแยกส่วน และเล็กลงสำหรับ Bands อื่นๆ (HH, LH, และ HL)
Discrete Wavelet Transform (DWT) มักใช้ในแอปพลิเคชันการประมวลผลสัญญาณหลากหลาย รวมถึงการบีบอัดเสียงและวิดีโอ การกำจัด Noise ในเสียง และการจำลองการกระจายแอนเทนเนอร์ไร้สาย
- Discrete Fourier Transform (DFT) - สามารถเปลี่ยนฟังก์ชันต่อเนื่องเป็นองค์ประกอบความถี่ของมัน มีความทนทานต่อการโจมตีทางเรขาคณิต เช่น การหมุน Scaling, Cropping, Translation ฯลฯ
DFT แสดง Translation invariance การเปลี่ยนแปลงทางพื้นที่ในภาพส่งผลต่อคำอธิบาย Phase ของภาพ แต่ไม่ใช่คำอธิบาย Magnitude หรือการเปลี่ยนแปลงแบบ Circular ใน Spatial domain ไม่ส่งผลต่อ Magnitude ของ Fourier transform
