Metodo di pre-warping con campi di markov per la prevenzione di attacchi a collusione nella marchiatura elettronica di immagini - Michele Fenzi - AA 2008-2009 Relatori: Prof. Vito Cappellini, Prof Alessandro Piva, Dr. Roberto Caldelli (Best Paper Award)
Metodo di pre-warping con campi di markov per la prevenzione di attacchi a collusione nella marchiatura elettronica di immagini
1. Introduzione
Metodo di Pre-warping
Risultati
Conclusioni e sviluppi
Metodo di pre-warping con campi di Markov
per la prevenzione di attacchi a collusione
nella marchiatura elettronica di immagini
Tesi di:
Michele Fenzi
Relatori:
Prof. V. Cappellini, Dr. Ing. A. Piva, Dr. Ing. R. Caldelli
Michele Fenzi Anno Accademico 2008-2009
2. Introduzione
Metodo di Pre-warping
Risultati
Conclusioni e sviluppi
Sommario
1 Introduzione
Impostazione del lavoro
Michele Fenzi Anno Accademico 2008-2009
3. Introduzione
Metodo di Pre-warping
Risultati
Conclusioni e sviluppi
Sommario
1 Introduzione
Impostazione del lavoro
2 Metodo di Pre-warping
I campi di Markov
La tecnica sviluppata
La normalizzazione
Michele Fenzi Anno Accademico 2008-2009
4. Introduzione
Metodo di Pre-warping
Risultati
Conclusioni e sviluppi
Sommario
1 Introduzione
Impostazione del lavoro
2 Metodo di Pre-warping
I campi di Markov
La tecnica sviluppata
La normalizzazione
3 Risultati
Qualità dopo il pre-warping
Analisi della qualità dopo gli attacchi a collusione
Prestazioni di rilevazione del sistema
Michele Fenzi Anno Accademico 2008-2009
5. Introduzione
Metodo di Pre-warping
Risultati
Conclusioni e sviluppi
Sommario
1 Introduzione
Impostazione del lavoro
2 Metodo di Pre-warping
I campi di Markov
La tecnica sviluppata
La normalizzazione
3 Risultati
Qualità dopo il pre-warping
Analisi della qualità dopo gli attacchi a collusione
Prestazioni di rilevazione del sistema
4 Conclusioni e sviluppi
Michele Fenzi Anno Accademico 2008-2009
6. Introduzione
Metodo di Pre-warping Impostazione del lavoro
Risultati
Conclusioni e sviluppi
Sommario
1 Introduzione
Impostazione del lavoro
2 Metodo di Pre-warping
I campi di Markov
La tecnica sviluppata
La normalizzazione
3 Risultati
Qualità dopo il pre-warping
Analisi della qualità dopo gli attacchi a collusione
Prestazioni di rilevazione del sistema
4 Conclusioni e sviluppi
Michele Fenzi Anno Accademico 2008-2009
7. Introduzione
Metodo di Pre-warping Impostazione del lavoro
Risultati
Conclusioni e sviluppi
Marchiatura elettronica
Tecnica che permette l’inserimento in dati digitali di una stringa
informativa che si può rilevare o estrarre successivamente. Si usa
in molte applicazioni tra cui: protezione IPR, controllo di copia,
fingerprinting.
Michele Fenzi Anno Accademico 2008-2009
8. Introduzione
Metodo di Pre-warping Impostazione del lavoro
Risultati
Conclusioni e sviluppi
Marchiatura elettronica
Tecnica che permette l’inserimento in dati digitali di una stringa
informativa che si può rilevare o estrarre successivamente. Si usa
in molte applicazioni tra cui: protezione IPR, controllo di copia,
fingerprinting.
Michele Fenzi Anno Accademico 2008-2009
9. Introduzione
Metodo di Pre-warping Impostazione del lavoro
Risultati
Conclusioni e sviluppi
Definizioni
Attacco a collusione: Un gruppo di utenti si coalizza
per attaccare il sistema di marchiatura. Per esempio, combinando
le proprie copie contenenti ciascuna un marchio differente allo
scopo di crearne una nuova di elevata qualità e priva di marchio.
10. Introduzione
Metodo di Pre-warping Impostazione del lavoro
Risultati
Conclusioni e sviluppi
Definizioni
Attacco a collusione: Un gruppo di utenti si coalizza
per attaccare il sistema di marchiatura. Per esempio, combinando
le proprie copie contenenti ciascuna un marchio differente allo
scopo di crearne una nuova di elevata qualità e priva di marchio.
11. Introduzione
Metodo di Pre-warping Impostazione del lavoro
Risultati
Conclusioni e sviluppi
Definizioni
Attacco a collusione: Un gruppo di utenti si coalizza
per attaccare il sistema di marchiatura. Per esempio, combinando
le proprie copie contenenti ciascuna un marchio differente allo
scopo di crearne una nuova di elevata qualità e priva di marchio.
12. Introduzione
Metodo di Pre-warping Impostazione del lavoro
Risultati
Conclusioni e sviluppi
Definizioni
Pre-warping: Modifica unica e percettivamente irrilevante
dell’immagine da applicarsi prima della marchiatura.
Garantisce una forte degradazione della qualità
dell’immagine generata da un attacco a collusione.
Michele Fenzi Anno Accademico 2008-2009
13. Introduzione
Metodo di Pre-warping Impostazione del lavoro
Risultati
Conclusioni e sviluppi
Definizioni
Pre-warping: Modifica unica e percettivamente irrilevante
dell’immagine da applicarsi prima della marchiatura.
Garantisce una forte degradazione della qualità
dell’immagine generata da un attacco a collusione.
Michele Fenzi Anno Accademico 2008-2009
14. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Sommario
1 Introduzione
Impostazione del lavoro
2 Metodo di Pre-warping
I campi di Markov
La tecnica sviluppata
La normalizzazione
3 Risultati
Qualità dopo il pre-warping
Analisi della qualità dopo gli attacchi a collusione
Prestazioni di rilevazione del sistema
4 Conclusioni e sviluppi
Michele Fenzi Anno Accademico 2008-2009
15. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Campi di Markov
La teoria dei campi di Markov (MRF) è un ramo della teoria
della probabilità e si usa nell’elaborazione delle immagini
perché definisce un modello che permette di descrivere la
coerenza tra pixel vicini attraverso i concetti di clique e
potenziale.
Michele Fenzi Anno Accademico 2008-2009
16. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Campi di Markov
La teoria dei campi di Markov (MRF) è un ramo della teoria
della probabilità e si usa nell’elaborazione delle immagini
perché definisce un modello che permette di descrivere la
coerenza tra pixel vicini attraverso i concetti di clique e
potenziale.
Per il teorema di Hammersley-Clifford, la distribuzione di
probabilità di un MRF ha la forma di una distribuzione di
Gibbs.
Michele Fenzi Anno Accademico 2008-2009
17. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Campi di Markov
La teoria dei campi di Markov (MRF) è un ramo della teoria
della probabilità e si usa nell’elaborazione delle immagini
perché definisce un modello che permette di descrivere la
coerenza tra pixel vicini attraverso i concetti di clique e
potenziale.
Per il teorema di Hammersley-Clifford, la distribuzione di
probabilità di un MRF ha la forma di una distribuzione di
Gibbs.
Un campo di Markov presenta una variazione molto liscia tra
i valori assunti dalle variabili “spazialmente vicine” del campo.
Michele Fenzi Anno Accademico 2008-2009
18. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Definizioni matematiche
Sistema di vicinanza N = {Ni |i ∈ S} (Ni è il vicino del pixel i)
Cliques C1 = {i|i ∈ S}, C2 = {(i, ˜)|˜ ∈ Ni , i ∈ S}, . . .
i i
MRF F = {F1 , F2 , . . . , Fm } (variabili aleatorie associate a ogni pixel) è un MRF se e
solo se
1 P(f ) > 0, ∀f ∈ Lm (positività)
2 P(fi |fS−{i} ) = P(fi |fNi ), ∀i ∈ S (proprietà di Markov)
1
− T U(f )
Distribuzione di Gibbs P(f ) = Z−1 × e (probabilità della configurazione di spostamento, Z
e T, costanti di normalizzazione e shaping)
Funzione energia U(f ) = c∈C Vc (f )
2 (fy −f˜ )2
Potenziale di clique V(x,y),(˜,˜) (f ) =
xy
1
2πσx σy exp{−[ (fx2σf2 ) +
−˜ x
2σ2
y
]}
x y
Michele Fenzi Anno Accademico 2008-2009
19. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
La tecnica
Si sono usati i campi di Markov per il pre-warping perché permettono
una forte regolarità del campo di spostamento da applicarsi all’immagine,
senza l’introduzione di distorsioni dannose.
Michele Fenzi Anno Accademico 2008-2009
20. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
La tecnica
Si sono usati i campi di Markov per il pre-warping perché permettono
una forte regolarità del campo di spostamento da applicarsi all’immagine,
senza l’introduzione di distorsioni dannose.
Algoritmo MRF
Michele Fenzi Anno Accademico 2008-2009
21. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
La tecnica
Si sono usati i campi di Markov per il pre-warping perché permettono
una forte regolarità del campo di spostamento da applicarsi all’immagine,
senza l’introduzione di distorsioni dannose.
Algoritmo MRF
1 Creazione di una matrice aleatoria dim × dim di elementi con
distribuzione uniforme nel range [−amp, amp].
Michele Fenzi Anno Accademico 2008-2009
22. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
La tecnica
Si sono usati i campi di Markov per il pre-warping perché permettono
una forte regolarità del campo di spostamento da applicarsi all’immagine,
senza l’introduzione di distorsioni dannose.
Algoritmo MRF
1 Creazione di una matrice aleatoria dim × dim di elementi con
distribuzione uniforme nel range [−amp, amp].
2 Iterazione di un algoritmo di approssimazione di smoothing per
rendere la matrice markoviana, considerando solo un intorno di 4
pixel dell’immagine per il potenziale di clique e la funzione energia.
Michele Fenzi Anno Accademico 2008-2009
23. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
La tecnica
Si sono usati i campi di Markov per il pre-warping perché permettono
una forte regolarità del campo di spostamento da applicarsi all’immagine,
senza l’introduzione di distorsioni dannose.
Algoritmo MRF
1 Creazione di una matrice aleatoria dim × dim di elementi con
distribuzione uniforme nel range [−amp, amp].
2 Iterazione di un algoritmo di approssimazione di smoothing per
rendere la matrice markoviana, considerando solo un intorno di 4
pixel dell’immagine per il potenziale di clique e la funzione energia.
3 Sovracampionamento della matrice di spostamento fino alla
dimensione originale dell’immagine.
Michele Fenzi Anno Accademico 2008-2009
24. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
La tecnica
Si sono usati i campi di Markov per il pre-warping perché permettono
una forte regolarità del campo di spostamento da applicarsi all’immagine,
senza l’introduzione di distorsioni dannose.
Algoritmo MRF
1 Creazione di una matrice aleatoria dim × dim di elementi con
distribuzione uniforme nel range [−amp, amp].
2 Iterazione di un algoritmo di approssimazione di smoothing per
rendere la matrice markoviana, considerando solo un intorno di 4
pixel dell’immagine per il potenziale di clique e la funzione energia.
3 Sovracampionamento della matrice di spostamento fino alla
dimensione originale dell’immagine.
4 Interpolazione dell’immagine con la matrice di spostamento.
Michele Fenzi Anno Accademico 2008-2009
25. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Esempio di campo di spostamento di Markov
Campo di spostamento di Markov
Michele Fenzi Anno Accademico 2008-2009
26. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Esempio
Immagine originale
Michele Fenzi Anno Accademico 2008-2009
27. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Esempio
Immagine pre-warpata
Michele Fenzi Anno Accademico 2008-2009
28. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Vantaggi e svantaggi
Vantaggi & Svantaggi
Michele Fenzi Anno Accademico 2008-2009
29. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Vantaggi e svantaggi
Vantaggi & Svantaggi
L’immagine pre-warpata è modificata in modo liscio.
Non si hanno distorsioni di tipo blurring, defocusing,
artefatti di blocking.
Michele Fenzi Anno Accademico 2008-2009
30. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Vantaggi e svantaggi
Vantaggi & Svantaggi
L’immagine pre-warpata è modificata in modo liscio.
Non si hanno distorsioni di tipo blurring, defocusing,
artefatti di blocking.
Le distorsioni introdotte sono evidentemente degradanti a
livello semantico:
I contorni diritti diventano piegati e/o ondulati.
I contorni rotondi diventano ellittici e/o ondulati.
Si perde la simmetria naturale negli oggetti.
Michele Fenzi Anno Accademico 2008-2009
31. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Vantaggi e svantaggi
Vantaggi & Svantaggi
L’immagine pre-warpata è modificata in modo liscio.
Non si hanno distorsioni di tipo blurring, defocusing,
artefatti di blocking.
Le distorsioni introdotte sono evidentemente degradanti a
livello semantico:
I contorni diritti diventano piegati e/o ondulati.
I contorni rotondi diventano ellittici e/o ondulati.
Si perde la simmetria naturale negli oggetti.
Á
Michele Fenzi Anno Accademico 2008-2009
32. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Vantaggi e svantaggi
Vantaggi & Svantaggi
L’immagine pre-warpata è modificata in modo liscio.
Non si hanno distorsioni di tipo blurring, defocusing,
artefatti di blocking.
Le distorsioni introdotte sono evidentemente degradanti a
livello semantico:
I contorni diritti diventano piegati e/o ondulati.
I contorni rotondi diventano ellittici e/o ondulati.
Si perde la simmetria naturale negli oggetti.
Á Inserimento di un passo di normalizzazione nell’algoritmo.
Michele Fenzi Anno Accademico 2008-2009
33. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Algoritmo di normalizzazione
L’algoritmo di normalizzazione usa l’immagine originale
in modo tale da rendere la matrice di spostamento dipendente
dall’immagine.
Michele Fenzi Anno Accademico 2008-2009
34. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Algoritmo di normalizzazione
L’algoritmo di normalizzazione usa l’immagine originale
in modo tale da rendere la matrice di spostamento dipendente
dall’immagine.
Algoritmo di normalizzazione
Michele Fenzi Anno Accademico 2008-2009
35. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Algoritmo di normalizzazione
L’algoritmo di normalizzazione usa l’immagine originale
in modo tale da rendere la matrice di spostamento dipendente
dall’immagine.
Algoritmo di normalizzazione
1 Trovare l’immagine dei contorni.
Michele Fenzi Anno Accademico 2008-2009
36. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Algoritmo di normalizzazione
L’algoritmo di normalizzazione usa l’immagine originale
in modo tale da rendere la matrice di spostamento dipendente
dall’immagine.
Algoritmo di normalizzazione
1 Trovare l’immagine dei contorni.
2 Identificare ogni singolo contorno.
Michele Fenzi Anno Accademico 2008-2009
37. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Algoritmo di normalizzazione
L’algoritmo di normalizzazione usa l’immagine originale
in modo tale da rendere la matrice di spostamento dipendente
dall’immagine.
Algoritmo di normalizzazione
1 Trovare l’immagine dei contorni.
2 Identificare ogni singolo contorno.
3 In ogni contorno, controllare che gli spostamenti di ogni pixel
siano interni a un certo range di ampiezza e direzione rispetto
al comportamento “medio” del contorno, altrimenti applicare
una normalizzazione.
Michele Fenzi Anno Accademico 2008-2009
38. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Algoritmo di normalizzazione
L’algoritmo di normalizzazione usa l’immagine originale
in modo tale da rendere la matrice di spostamento dipendente
dall’immagine.
Algoritmo di normalizzazione
1 Trovare l’immagine dei contorni.
2 Identificare ogni singolo contorno.
3 In ogni contorno, controllare che gli spostamenti di ogni pixel
siano interni a un certo range di ampiezza e direzione rispetto
al comportamento “medio” del contorno, altrimenti applicare
una normalizzazione.
4 Applicare la normalizzazione anche ai pixel vicini entro una
distanza dipendente dalla dimensione dell’immagine e
dall’intensità della distorsione iniziale.
Michele Fenzi Anno Accademico 2008-2009
39. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Algoritmo di normalizzazione
L’algoritmo di normalizzazione usa l’immagine originale
in modo tale da rendere la matrice di spostamento dipendente
dall’immagine.
Algoritmo di normalizzazione
1 Trovare l’immagine dei contorni.
2 Identificare ogni singolo contorno.
3 In ogni contorno, controllare che gli spostamenti di ogni pixel
siano interni a un certo range di ampiezza e direzione rispetto
al comportamento “medio” del contorno, altrimenti applicare
una normalizzazione.
4 Applicare la normalizzazione anche ai pixel vicini entro una
distanza dipendente dalla dimensione dell’immagine e
dall’intensità della distorsione iniziale.
5 Usare questo algoritmo in modalità multi-scale.
Michele Fenzi Anno Accademico 2008-2009
40. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Effetto della normalizzazione
Immagine pre-warpata
Michele Fenzi Anno Accademico 2008-2009
41. Introduzione I campi di Markov
Metodo di Pre-warping La tecnica sviluppata
Risultati La normalizzazione
Conclusioni e sviluppi
Effetto della normalizzazione
Immagine pre-warpata normalizzata
Michele Fenzi Anno Accademico 2008-2009
42. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Sommario
1 Introduzione
Impostazione del lavoro
2 Metodo di Pre-warping
I campi di Markov
La tecnica sviluppata
La normalizzazione
3 Risultati
Qualità dopo il pre-warping
Analisi della qualità dopo gli attacchi a collusione
Prestazioni di rilevazione del sistema
4 Conclusioni e sviluppi
Michele Fenzi Anno Accademico 2008-2009
43. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Valutazione della qualità
Molti schemi di marchiatura vengono valutati in base a
prestazioni misurate con il PSNR (Peak Signal to Noise
Ratio), ma questa metrica non è adatta al tipo di distorsione
prodotta dall’algoritmo di pre-warping proposto, a causa
dell’introduzione di distorsioni geometriche locali.
Michele Fenzi Anno Accademico 2008-2009
44. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Indice di somiglianza dei contorni
Si è usato un approccio differente, focalizzato sulla valutazione della
somiglianza dei contorni tra l’immagine di riferimento e l’immagine di
test.
Michele Fenzi Anno Accademico 2008-2009
45. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Indice di somiglianza dei contorni
Si è usato un approccio differente, focalizzato sulla valutazione della
somiglianza dei contorni tra l’immagine di riferimento e l’immagine di
test.
Indice di somiglianza dei contorni
Michele Fenzi Anno Accademico 2008-2009
46. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Indice di somiglianza dei contorni
Si è usato un approccio differente, focalizzato sulla valutazione della
somiglianza dei contorni tra l’immagine di riferimento e l’immagine di
test.
Indice di somiglianza dei contorni
1 Calcolare le immagini dei contorni per l’immagine di riferimento e
l’immagine di test.
Michele Fenzi Anno Accademico 2008-2009
47. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Indice di somiglianza dei contorni
Si è usato un approccio differente, focalizzato sulla valutazione della
somiglianza dei contorni tra l’immagine di riferimento e l’immagine di
test.
Indice di somiglianza dei contorni
1 Calcolare le immagini dei contorni per l’immagine di riferimento e
l’immagine di test.
2 Suddividere le immagini dei contorni in blocchi e calcolare la matrice
di cross-correlazione per ogni coppia di blocchi corrispondenti.
Michele Fenzi Anno Accademico 2008-2009
48. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Indice di somiglianza dei contorni
Si è usato un approccio differente, focalizzato sulla valutazione della
somiglianza dei contorni tra l’immagine di riferimento e l’immagine di
test.
Indice di somiglianza dei contorni
1 Calcolare le immagini dei contorni per l’immagine di riferimento e
l’immagine di test.
2 Suddividere le immagini dei contorni in blocchi e calcolare la matrice
di cross-correlazione per ogni coppia di blocchi corrispondenti.
3 Sommare i valori massimi di ogni blocco per ottenere un punteggio
globale.
indice ES = max(R(XE YE )B )
B
.
Michele Fenzi Anno Accademico 2008-2009
49. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Qualità dopo l’applicazione del pre-warping
dim amp Valor medio di OS
6 4 0.6144
6 5 0.5709
8 3 0.6310
8 4 0.5764
10 3 0.6120
10 5 0.5222
ES(orig_img, pw_img)
OverallScore = .
ES(orig_img, pw + n_img)
Michele Fenzi Anno Accademico 2008-2009
50. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Qualità dell’immagine dopo l’attacco a collusione
dim amp Valor medio di OS
6 3 0.4795
8 4 0.4426
10 3 0.4548
10 5 0.3927
ES(orig_img, pw + n + w + att_img)
OverallScore = .
ES(orig_img, w + att_img)
Michele Fenzi Anno Accademico 2008-2009
51. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Immagine con pre-warping dopo attacco a collusione
Immagine pre-warpata
Michele Fenzi Anno Accademico 2008-2009
52. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Immagine con pre-warping dopo attacco a collusione
Immagine pre-warpata dopo attacco a collusione
Michele Fenzi Anno Accademico 2008-2009
53. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Zoom
Michele Fenzi Anno Accademico 2008-2009
54. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Confronto presenza/assenza pre-warping dopo attacco a collusione
Immagine senza pre-warping dopo attacco a collusione
Michele Fenzi Anno Accademico 2008-2009
55. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Zoom
Michele Fenzi Anno Accademico 2008-2009
56. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Confronto presenza/assenza pre-warping dopo collusione
Immagine senza pre-warping dopo attacco a collusione
Michele Fenzi Anno Accademico 2008-2009
57. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Confronto presenza/assenza pre-warping dopo collusione
Immagine con pre-warping dopo attacco a collusione
Michele Fenzi Anno Accademico 2008-2009
58. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Zoom
Michele Fenzi Anno Accademico 2008-2009
59. Introduzione Qualità dopo il pre-warping
Metodo di Pre-warping Analisi della qualità dopo gli attacchi a collusione
Risultati Prestazioni di rilevazione del sistema
Conclusioni e sviluppi
Tasso di rilevazione corretta del marchio
Tasso di rilevazione corretta in assenza di pre-warping e attacco a media.
Tasso di rilevazione
0.584
Tasso di rilevazione corretta in presenza di pre-warping e attacco a media.
dim amp Tasso di rilevazione
6 4 0.667
8 4 0.673
8 5 0.687
10 4 0.675
Michele Fenzi Anno Accademico 2008-2009
60. Introduzione
Metodo di Pre-warping
Risultati
Conclusioni e sviluppi
Sommario
1 Introduzione
Impostazione del lavoro
2 Metodo di Pre-warping
I campi di Markov
La tecnica sviluppata
La normalizzazione
3 Risultati
Qualità dopo il pre-warping
Analisi della qualità dopo gli attacchi a collusione
Prestazioni di rilevazione del sistema
4 Conclusioni e sviluppi
Michele Fenzi Anno Accademico 2008-2009
61. Introduzione
Metodo di Pre-warping
Risultati
Conclusioni e sviluppi
Conclusioni finali
Conclusioni finali
Il metodo è robusto contro un attacco a collusione con
due sole copie.
Migliora il tasso di rilevazione corretta del marchio,
garantendo una maggiore probabilità di individuare lo
stesso dopo che si è verificato un attacco a collusione.
L’approccio è indipendente dall’algoritmo di marchiatura
usato e dal segnale di marchio.
Il lavoro è stato pubblicato nell’articolo Markov random
fields pre-warping to prevent collusion in image
transaction watermarking, M. Fenzi, H. Liu, M.
Steinebach, R. Caldelli che verrà presentato a SPPRA
2010, Innsbruck 17-19 Febbraio 2010.
Michele Fenzi Anno Accademico 2008-2009
62. Introduzione
Metodo di Pre-warping
Risultati
Conclusioni e sviluppi
Sviluppi futuri
Sviluppi futuri
Implementazioni differenti e più complesse per campi di
Markov o altre tecniche di modifica geometrica locale.
Sviluppo e valutazione con attacchi più realistici.
Estensione a immagini a soggetto specifico, e.g.,
immagini mediche o immagini di tele-rilevamento.
INIZIO
Michele Fenzi Anno Accademico 2008-2009