Phát triển một số phương pháp giấu tin thuận nghịch trên ảnh đa cấp xám

ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Nguyễn Kim Sao

PHÁT TRIỂN MỘT SỐ PHƯƠNG PHÁP GIẤU TIN
THUẬN NGHỊCH TRÊN ẢNH ĐA CẤP XÁM

LUẬN ÁN TIẾN SỸ HỆ THỐNG THÔNG TIN

Hà Nội - 2020


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Nguyễn Kim Sao

PHÁT TRIỂN MỘT SỐ PHƯƠNG PHÁP GIẤU TIN
THUẬN NGHỊCH TRÊN ẢNH ĐA CẤP XÁM
Chuyên ngành: Hệ thống thông tin
Mã số: 9480104.01

LUẬN ÁN TIẾN SĨ HỆ THỐNG THÔNG TIN
NGƯỜI HƯỚNG DẪN KHOA HỌC:
1. PGS. TS. Phạm Văn Ất
2. PGS. TS. Nguyễn Ngọc Hóa

Hà Nội - 2020

i

LỜI CAM ĐOAN

Tơi xin cam đoan đây là cơng trình nghiên cứu do tôi thực hiện dưới sự hướng
dẫn của PGS. TS. Phạm Văn Ất và PGS. TS. Nguyễn Ngọc Hóa tại bộ mơn Hệ
thống thơng tin, Khoa Cơng nghệ Thông tin, Trường Đại học Công nghệ, Đại
học Quốc gia Hà Nội.
Hà Nội, ngày 20 tháng 02 năm 2020

NCS Nguyễn Kim Sao


ii

LỜI CẢM ƠN

Luận án này được thực hiện tại Trường Đại học Công nghệ - Đại học Quốc
gia Hà Nội dưới sự hướng dẫn của PGS. TS. Phạm Văn Ất và PGS. TS. Nguyễn
Ngọc Hóa. Nghiên cứu sinh xin gửi lời cảm ơn sâu sắc đến các thầy về sự giúp
đỡ, chỉ dẫn tận tình trong quá trình nghiên cứu. Các thầy là tấm gương sáng
cho tôi trong nghiên cứu chuyên môn cũng như trong cuộc sống.
Nghiên cứu sinh xin gửi lời cảm ơn đến các thầy giáo, cô giáo ở Đại học Công
nghệ đã tạo điều kiện thuận lợi và giúp đỡ nghiên cứu sinh trong thời gian học
tập tại Trường.
Nghiên cứu sinh xin gửi lời cảm ơn tới lãnh đạo Trường Đại học Giao thông
Vận tải, các đồng nghiệp tại Khoa Công nghệ thông tin, đặc biệt là Bộ môn
Mạng và các Hệ thống thông tin, Đại học Giao thông Vận tải đã tạo điều kiện
thuận lợi trong q trình tơi vừa làm nghiên cứu sinh vừa cơng tác tại Trường.
Cuối cùng nghiên cứu sinh xin bày tỏ lịng biết ơn đến gia đình và bạn bè đã

động viên, giúp đỡ về tinh thần, thời gian để nghiên cứu sinh hoàn thành luận
án.
NCS Nguyễn Kim Sao


iii

MỤC LỤC

LỜI CAM ĐOAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

i

LỜI CẢM ƠN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

ii

MỤC LỤC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

iii

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT . . . . . viii
DANH MỤC CÁC HÌNH VẼ . . . . . . . . . . . . . . . . . . . . .

xi

DANH MỤC CÁC BẢNG BIỂU . . . . . . . . . . . . . . . . . . . xii
MỞ ĐẦU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
CHƯƠNG 1. CÁC KHÁI NIỆM VÀ KIẾN THỨC CƠ SỞ

1
13

1.1

Một số khái niệm và thuật ngữ cần dùng . . . . . . . . . . . . . . 13

1.2

Một số vấn đề về giấu tin thuận nghịch . . . . . . . . . . . . . . . 15
1.2.1

Các khái niệm về giấu tin . . . . . . . . . . . . . . . . . . . 15

1.2.2

Giấu tin thuận nghịch . . . . . . . . . . . . . . . . . . . . . 19

1.2.3

Các yếu tố đánh giá chất lượng một lược đồ giấu tin thuận
nghịch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

1.2.4

Những thách thức trong xây dựng lược đồ giấu tin thuận
nghịch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

1.3

Các phương pháp dự báo

. . . . . . . . . . . . . . . . . . . . . . . 22

1.3.1

Dự báo hình thoi . . . . . . . . . . . . . . . . . . . . . . . . 23

1.3.2

Dự báo dò biên trung vị (MED) . . . . . . . . . . . . . . . 23

1.3.3

Dự báo dựa trên sắp xếp giá trị điểm ảnh PVO (Pixel
Value Ordering)

. . . . . . . . . . . . . . . . . . . . . . . . 23

1.4

Phương pháp chèn bít thấp (LSB) . . . . . . . . . . . . . . . . . . 24

1.5

Phương pháp dịch chuyển histogram (HS)

. . . . . . . . . . . . . 25

1.5.1

Cặp histogram . . . . . . . . . . . . . . . . . . . . . . . . . 25

1.5.2

Cặp giá trị (peak, zero)

. . . . . . . . . . . . . . . . . . . . 26


iv
1.5.3

Dịch chuyển histogram

. . . . . . . . . . . . . . . . . . . . 26

1.5.4

Dịch chuyển histogram trên sai số dự báo (PEHS)

1.5.5

Thủ tục nhúng và trích dữ liệu bằng phương pháp HS . . 28

1.5.6

Thách thức đối với phương pháp giấu tin thuận nghịch

. . . . 27

dựa trên HS . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
1.6

Phương pháp mở rộng hiệu . . . . . . . . . . . . . . . . . . . . . . 31
1.6.1

Giấu tin theo phương pháp mở rộng hiệu . . . . . . . . . . 31

1.6.2

Khái niệm khả mở . . . . . . . . . . . . . . . . . . . . . . . 32

1.6.3

Khái niệm khả biến

1.6.4

Khái niệm bản đồ định vị . . . . . . . . . . . . . . . . . . . 33

1.6.5

Phương pháp mở rộng sai số dự báo PEE (Prediction Error

. . . . . . . . . . . . . . . . . . . . . . 32

Expansion) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.7

Phương pháp kết hợp PEHS và PEE . . . . . . . . . . . . . . . . . 34

1.8

Kết luận Chương 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 35

CHƯƠNG 2. VẤN ĐỀ TÍCH HỢP VÀ DỊCH CHUYỂN HISTOGRAM TRÊN CÁC ĐOẠN CON
2.1

2.2

36

Các phương pháp histogram liên quan . . . . . . . . . . . . . . . . 36
2.1.1

Phương pháp Hwang

. . . . . . . . . . . . . . . . . . . . . 36

2.1.2

Phương pháp MF

2.1.3

Phương pháp Li

2.1.4

Phương pháp Qu . . . . . . . . . . . . . . . . . . . . . . . . 39

. . . . . . . . . . . . . . . . . . . . . . . 37
. . . . . . . . . . . . . . . . . . . . . . . . 38

Tích hợp thông tin phụ trong dịch chuyển histogram (Đề xuất 1)

41

2.2.1

Thuật toán nhúng tin . . . . . . . . . . . . . . . . . . . . . 41

2.2.2

Thuật tốn khơi phục dữ liệu và ảnh gốc . . . . . . . . . . 43

2.2.3

Ví dụ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

2.2.4

So sánh phương pháp đề xuất với các phương pháp Hwang
và MF . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46

2.2.5

Thử nghiệm Đề xuất 1 . . . . . . . . . . . . . . . . . . . . . 49

v
2.3

Giấu tin thuận nghịch sử dụng dịch chuyển histogram trên các
dãy con . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.3.1

Phương pháp MED-PEHS

. . . . . . . . . . . . . . . . . . 52

2.3.2

Xác định thông tin phụ . . . . . . . . . . . . . . . . . . . . 52

2.3.3

Bản đồ định vị . . . . . . . . . . . . . . . . . . . . . . . . . 54

2.3.4

Bít ưu tiên . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56

2.3.5

Khả năng nhúng . . . . . . . . . . . . . . . . . . . . . . . . 56

2.3.6

Thuật toán nhúng . . . . . . . . . . . . . . . . . . . . . . . 57

2.3.7

Thuật tốn trích . . . . . . . . . . . . . . . . . . . . . . . . 58

2.3.8

Phương pháp MED-SUB (Đề xuất 2) . . . . . . . . . . . . 59

2.4

Cải tiến phương pháp Qu (IQ) (Đề xuất 3) . . . . . . . . . . . . . 64

2.5

Thử nghiệm Đề xuất 2 và Đề xuất 3 . . . . . . . . . . . . . . . . . 65

2.6

Kết luận Chương 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

CHƯƠNG 3. THU NHỎ BẢN ĐỒ ĐỊNH VỊ TRONG PHƯƠNG
PHÁP MỞ RỘNG HIỆU TRÊN MIỀN SAI SỐ
DỰ BÁO

71

3.1

Phương pháp Sachnev . . . . . . . . . . . . . . . . . . . . . . . . . 71

3.2

Giấu tin thuận nghịch dựa trên sắp xếp các điểm ảnh theo phương
sai và độ lệch tâm (Đề xuất 4 - Phương án 1)

3.3

. . . . . . . . . . . 72

3.2.1

Thuật toán nhúng tin . . . . . . . . . . . . . . . . . . . . . 73

3.2.2

Thuật tốn trích tin và khơi phục ảnh gốc . . . . . . . . . 75

3.2.3

Thử nghiệm Đề xuất 4 - Phương án 1 . . . . . . . . . . . . 76

Giấu tin thuận nghịch dựa trên sắp xếp các điểm ảnh theo phương
sai và độ lệch tâm (Đề xuất 4 - Phương án 2)

. . . . . . . . . . . 76

3.3.1

Cải tiến phương pháp sắp xếp . . . . . . . . . . . . . . . . 76

3.3.2

Cải thiện khả năng nhúng và chất lượng ảnh . . . . . . . 79

3.3.3

Thuật toán nhúng tin . . . . . . . . . . . . . . . . . . . . . 81

3.3.4

Thuật toán trích tin và khơi phục ảnh gốc . . . . . . . . . 83

3.3.5

Nhúng tin trên toàn ảnh . . . . . . . . . . . . . . . . . . . 84


vi
3.3.6
3.4

Thử nghiệm Đề xuất 4 - Phương án 2

. . . . . . . . . . . 85

Kết luận Chương 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

CHƯƠNG 4. GIẤU TIN TRÊN CÁC ĐIỂM ẢNH LỚN NHẤT

VÀ NHỎ NHẤT CỦA MỖI KHỐI ẢNH BẰNG
PVO

89

4.1

Một số khái niệm và ký hiệu cần dùng

4.2

Các cơng trình liên quan

4.3

. . . . . . . . . . . . . . . 89

. . . . . . . . . . . . . . . . . . . . . . . 91

4.2.1

Phương pháp PVO . . . . . . . . . . . . . . . . . . . . . . . 91

4.2.2

Phương pháp IPVO . . . . . . . . . . . . . . . . . . . . . . 92

4.2.3

Phương pháp PVO-K . . . . . . . . . . . . . . . . . . . . . 92

4.2.4

Phương pháp GePVO-K

. . . . . . . . . . . . . . . . . . . 93

Giấu tin trên các điểm ảnh lớn nhất và nhỏ nhất của mỗi khối
ảnh (Đề xuất 5 - Phương án 1) . . . . . . . . . . . . . . . . . . . . 94

4.4

4.3.1

Thuật toán nhúng dữ liệu trong một khối

. . . . . . . . . 95

4.3.2

Trích tin và khôi phục ảnh gốc trên một khối

4.3.3

Bản đồ định vị và cờ

4.3.4

Thuật tốn nhúng dữ liệu trên tồn ảnh của ĐX5-PA1 . . 106

4.3.5

Thuật tốn trích dữ liệu và khơi phục ảnh gốc của ĐX5-PA1107

4.3.6

Phân tích, so sánh ĐX5-PA1 và Phương pháp GePVO-K

4.3.7

Kết quả thử nghiệm Đề xuất 5 - Phương án 1 . . . . . . . 110

. . . . . . . 99

. . . . . . . . . . . . . . . . . . . . . 104

108

Giấu tin trên các điểm ảnh lớn nhất và nhỏ nhất của mỗi khối
ảnh (Đề xuất 5 - Phương án 2) . . . . . . . . . . . . . . . . . . . . 112

4.5

4.4.1

Thuật toán nhúng tin trong một khối ảnh . . . . . . . . . . 112

4.4.2

Thuật tốn trích tin và khơi phục ảnh gốc của ĐX5-PA2 . 117

4.4.3

Thử nghiệm Đề xuất 5 - Phương án 2 . . . . . . . . . . . . 118

Kết luận Chương 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

120

TÀI LIỆU THAM KHẢO

123


vii
PHỤ LỤC

P1


viii

DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT

Viết tắt Viết đầy đủ

Ý nghĩa

LSB

Least Significant Bit

Bít thấp nhất

DE

Difference Expansion

Mở rộng hiệu

HS

Histogram Shifting

Dịch chuyển histogram

PVO

Pixel Value Ordering

Sắp xếp giá trị điểm ảnh

PEHS

Prediction-Error Histogram
Shifting

Dịch chuyển histogram sai số dự báo

MED

Median Edge Detection

PEE

Prediction Error Expansion Mở rộng sai số dự báo

peak

peak

Điểm cực đại trong biểu đồ histogram

zero

zero

Điểm trống trong biểu đồ histogram

PSNR

Peak Signal to Noise Ratio

Tỉ số nhiễu cực đại của tín hiệu

DCT

Discrete Cosine Transform

Phép biến đổi cosin rời rạc

DWT

Discrete Wavelet Transform Phép biến đổi wavelet rời rạc

SVD

MNF

Singular Value Decomposition
Nonnegative Matrix Factorization

Dò biên trung vị

Khai triển giá trị đặc trưng

Thừa số hóa ma trận không âm

QR

QR Decomposition

Đưa ma trận về dạng tam giác trên

LPP

Left Peak Point

Điểm cực đại bên trái

LZP

Left Zero Point

Điểm cực tiểu bên trái

RPP

Right Peak Point

Điểm cực đại bên phải

RZP

Right Zero Point

Điểm cực tiểu bên phải


ix
Viết tắt Viết đầy đủ

Ý nghĩa

LSP

Left Selected Point

Điểm lựa chọn bên trái

RSP

Right Selected Point

Điểm lựa chọn bên phải

PP

Peak Point

Điểm cực đại

CZP

Closest Zero Point

Điểm cực tiểu gần điểm cực đại nhất

LM

Location Map

Bản đồ định vị

ML

Map on the Left side

Bản đồ định vị bên trái

MR

Map on the Right side

Bản đồ định vị bên phải

DL

Distortion on Left side

Độ biến dạng ở bên trái

DR

Distortion on Right side

Độ biến dạng ở bên phải

pB

priority Bit

Bít ưu tiên

FL

Flat Level

Mức phẳng

OLM

Overflow Location Map

FLM

Flat Location Map

CLM

Compressed Location Map

BO
DS
MS

ĐX1

Ordinal

number

Bản đồ định vị cho các khối ảnh gây
tràn
Bản đồ định vị phân biệt khối phẳng
và khối không phẳng

of

the

Block
the Size of the Data
the Size of the compressed
Map
Đề xuất 1

Bản đồ định vị sau khi nén
Số thứ tự của khối
Kích thước của dữ liệu
Kích thước của bản đồ nén
Tích hợp thơng tin phụ trong phương
pháp dịch chuyển histogram
Áp dụng phương pháp dịch chuyển

ĐX2

Đề xuất 2

histogram trên các dãy con của dãy
sai số dự báo


x
Viết tắt Viết đầy đủ

Ý nghĩa

ĐX3

Cải tiến phương pháp Qu

Đề xuất 3

Sắp xếp các điểm ảnh theo chiều tăng
ĐX4

Đề xuất 4

của phương sai địa phương và độ lệch
tâm

ĐX5

Đề xuất 5

Giấu tin trên các điểm ảnh lớn nhất
và nhỏ nhất của các khối ảnh


xi

DANH MỤC CÁC HÌNH VẼ

Hình 1

Phạm vi nghiên cứu của luận án (đường nét đậm). . . . . .

9

Hình 1.1

Thủy vân hiện trên video . . . . . . . . . . . . . . . . . . . . 17

Hình 1.2

Sơ đồ thuật tốn của lược đồ giấu tin thuận nghịch. . . . . . 20

Hình 1.3

Dự báo hình thoi. . . . . . . . . . . . . . . . . . . . . . . . . . 23

Hình 1.4

Dự báo dị biên trung vị. . . . . . . . . . . . . . . . . . . . . . 23

Hình 1.5

Dự báo sắp xếp giá trị điểm ảnh. . . . . . . . . . . . . . . . . 23

Hình 1.6

Bít thấp của một điểm ảnh . . . . . . . . . . . . . . . . . . . 24

Hình 1.7

Histogram của ảnh Lena . . . . . . . . . . . . . . . . . . . . . 27

Hình 1.8

Sơ đồ nhúng dữ liệu dựa trên sai số dự báo. . . . . . . . . . 28

Hình 1.9

Sơ đồ trích dữ liệu dựa trên sai số dự báo. . . . . . . . . . . 28

Hình 1.10 Sơ đồ nhúng tin dựa trên dịch chuyển histogram . . . . . . . 29
Hình 1.11 Sơ đồ trích tin và khơi phục ảnh gốc dựa trên dịch chuyển
histogram . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Hình 2.1

Thứ tự duyệt dãy điểm ảnh theo phương pháp tính hiệu (sai

số dự báo) của Li . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Hình 2.2

Ngữ cảnh dự báo của phương pháp Qu . . . . . . . . . . . . 40

Hình 2.3

Các ma trận ví dụ: (a) Ảnh gốc (b) Chèn bít thấp trong

I1 và dịch chuyển histogram trên I2 (các chữ in nghiêng là giá trị

thay đổi)(c) Nhúng D (Giá trị in đậm là giá trị thay đổi) . . . . . 45
Hình 2.4

Phân tích về chất lượng ảnh của Đề xuất 1. . . . . . . . . . . 48

Hình 2.5

Các ảnh thử nghiệm của Đề xuất 1. . . . . . . . . . . . . . . 49

Hình 2.6

Một ví dụ của tiến trình tính tốn sai số dự báo. . . . . . . 53

Hình 2.7

Biểu đồ histogram sai số dự báo của ví dụ trong Hình 2.6 . 54


xii
Hình 2.8

Histogram của các chuỗi con E 0 , E 1 cho ảnh Bird và ngưỡng

t1 = 2, t2 = 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

Hình 2.9

Các ảnh thử nghiệm của đề xuất 2 và 3. . . . . . . . . . . . . 65

Hình 2.10 So sánh hiệu quả của năm phương pháp: IQ, MED-SUB,
MED-PEHS, Qu et al. [80], Li et al. [61]

. . . . . . . . . . . . . . 68

Hình 3.1

Phân loại tập điểm ảnh . . . . . . . . . . . . . . . . . . . . . 73

Hình 3.2

Độ sâu của ngữ cảnh dự báo . . . . . . . . . . . . . . . . . . 77

Hình 3.3

Các ví dụ minh họa vai trị độ sâu của ngữ cảnh dự báo . . 77

Hình 3.4

Đồ thị khả năng nhúng khi α biến thiên . . . . . . . . . . . . 78

Hình 3.5

Dãy vị trí tập chấm {(i, j)}, {ci,j } ban đầu. . . . . . . . . . . 79

Hình 3.6

Dãy {ci,j }. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79

Hình 3.7

Dãy {(i, j)} sau khi sắp xếp. . . . . . . . . . . . . . . . . . . . 79

Hình 3.8

Tính khả mở của Ii,j tại các vị trí (i, j)s ở đầu dãy. . . . . . 79

Hình 3.9

Một số ảnh thử nghiệm trong Đề xuất 4. . . . . . . . . . . . 85

Hình 4.1

Thuật tốn nhúng tin trên một khối điểm ảnh. . . . . . . . . 96

Hình 4.2

Thuật tốn nhúng tin trên các điểm ảnh lớn nhất của khối.

Hình 4.3

Nhúng trong khối khơng có dmax2 (s = 2). . . . . . . . . . . . 103

Hình 4.4

Nhúng trong khối có dmax2 (s = 4). . . . . . . . . . . . . . . . 104

Hình 4.5

Nhúng trong khối khi không thể nhúng ở bên lớn nhất (bên

97

phải). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
Hình 4.6

Trích dữ liệu ở khối ảnh chứa tin có 3 mức phẳng liên tiếp. . 104

Hình 4.7

Trích dữ liệu với cờ. . . . . . . . . . . . . . . . . . . . . . . . 105

Hình 4.8

Sơ đồ thủ tục nhúng tin ĐX5-PA1. . . . . . . . . . . . . . . . 106

Hình 4.9

Sơ đồ thủ tục trích tin và khôi phục ảnh gốc ĐX5-PA1. . . . 108

Hình 4.10 Ví dụ về nâng cao khả năng nhúng của ĐX5-PA1 . . . . . . 109
Hình 4.11 Tập ảnh thử nghiệm của Đề xuất 5. . . . . . . . . . . . . . . 110
Hình 4.12 So sánh hiệu quả giữa phương pháp ĐX5-PA1 và các phương
pháp PVO, IPVO, PVO-K, GePVO-K . . . . . . . . . . . . . . . . 116


xiii

DANH MỤC CÁC BẢNG BIỂU

Bảng 2.1

Tập thông tin bổ trợ H của Đề xuất 1 . . . . . . . . . . . . . 42

Bảng 2.2

So sánh thời gian trích peak từ ảnh chứa tin . . . . . . . . . 47

Bảng 2.3

Khả năng nhúng tin trên ảnh gốc I (mức 1) . . . . . . . . . 50

Bảng 2.4

Khả năng nhúng tin trên ảnh chứa tin I (mức 2) . . . . . . 50

Bảng 2.5

Thời gian xác định peak (tính bằng giây) . . . . . . . . . . . 51

Bảng 2.6

So sánh chất lượng ảnh qua chỉ số PSNR với yêu cầu nhúng

là 1000 bít (Đề xuất 1) . . . . . . . . . . . . . . . . . . . . . . . . . 51
Bảng 2.7

So sánh chất lượng ảnh qua chỉ số PSNR với yêu cầu nhúng

là 2000 bít (Đề xuất 1) . . . . . . . . . . . . . . . . . . . . . . . . . 51
Bảng 2.8

Tỷ số Rt với Dt = 4 . . . . . . . . . . . . . . . . . . . . . . . . 62

Bảng 2.9

Tỷ số Rt với Dt = 6 . . . . . . . . . . . . . . . . . . . . . . . . 63

Bảng 2.10 Tỷ số Rt với Dt = 8 . . . . . . . . . . . . . . . . . . . . . . . . 63
Bảng 2.11 So sánh khả năng nhúng (số bít nhúng) của Đề xuất 2, 3
và các phương pháp khác . . . . . . . . . . . . . . . . . . . . . . . . 66
Bảng 2.12 So sánh chất lượng ảnh qua chỉ số PSNR (dB) với yêu cầu
nhúng là 10000 bít (Đề xuất 2, 3) . . . . . . . . . . . . . . . . . . . 67
Bảng 2.13 So sánh chất lượng ảnh qua chỉ số PSNR (dB) với yêu cầu
nhúng là 20000 bít (Đề xuất 2, 3) . . . . . . . . . . . . . . . . . . . 67
Bảng 2.14 So sánh chất lượng ảnh qua chỉ số PSNR (dB) với yêu cầu
nhúng là 30000 bít (Đề xuất 2, 3) . . . . . . . . . . . . . . . . . . . 68
Bảng 3.1

Cấu trúc thông tin bổ trợ AI của ĐX4-PA1 . . . . . . . . . 74

Bảng 3.2

So sánh đoạn khả mở đầu tiên của ĐX4-PA1 với phương

pháp Sachnev. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Bảng 3.3

Cấu trúc thông tin bổ trợ A . . . . . . . . . . . . . . . . . . . 82


xiv
Bảng 3.4

So sánh đoạn khả mở đầu tiên của ĐX4-PA2 với phương

pháp Sachnev. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
Bảng 3.5

So sánh khả năng nhúng tối đa (số bít nhúng) của ĐX4-PA2. 86

Bảng 3.6

So sánh chất lượng ảnh (theo PSNR) của ĐX4-PA2. . . . . 87

Bảng 4.1

Thông tin phụ trợ và bản đồ . . . . . . . . . . . . . . . . . . 107

Bảng 4.2

So sánh độ dài bản đồ nén (theo số lượng bít) của ĐX5-PA1,

ĐX5-PA2 với các phương pháp liên quan (khối 2 × 2) . . . . . . . 111
Bảng 4.3

So sánh độ dài bản đồ nén (theo số lượng bít) của ĐX5-PA1,

ĐX5-PA2 với các phương pháp liên quan (khối 3 × 3) . . . . . . . 112
Bảng 4.4

So sánh khả năng nhúng (số bít nhúng) với khối ảnh kích

thước 2 × 2 (ĐX5-PA1, ĐX5-PA2) . . . . . . . . . . . . . . . . . . 113
Bảng 4.5

So sánh khả năng nhúng (số bít) với khối ảnh kích thước

3 × 3 (ĐX5-PA1, ĐX5-PA2) . . . . . . . . . . . . . . . . . . . . . . 114

Bảng 4.6

So sánh chất lượng ảnh theo chỉ số PSNR (dB) với yêu cầu

nhúng 10000 bít (khối ảnh kích thước 2 × 2) (ĐX5-PA1, ĐX5-PA2)115
Bảng 4.7

So sánh chất lượng ảnh theo chỉ số PSNR (dB) với yêu cầu

nhúng 20000 bít (khối ảnh kích thước 2 × 2) (ĐX5-PA1, ĐX5-PA2)115


1

MỞ ĐẦU

An toàn dữ liệu (data security) là một lĩnh vực quan trọng của công nghệ
thông tin với mục tiêu nghiên cứu, phát triển các phương thức ngăn chặn sự
truy cập dữ liệu bất hợp pháp nhằm sao chép trái phép hoặc làm sai lệch thơng
tin trên mạng. Có hai phương thức thường được sử dụng trong an toàn dữ liệu
là mật mã và giấu tin.
Mật mã là một quá trình chuyển đổi bản rõ thành bản mã mà khơng thể truy
cập được bởi người dùng trái phép. Mật mã gồm hai q trình: mã hóa và giải
mã. Khi mã hóa hay giải mã dữ liệu đều sử dụng khóa. Dựa trên khóa sử dụng,
mật mã được chia thành hai loại: Mật mã khóa bí mật (cịn gọi là mật mã khóa

đối xứng) và mật mã khóa cơng khai (cịn gọi là mật mã khóa bất đối xứng).
Trong mật mã khóa bí mật, sử dụng chung một khóa cho cả hai q trình mã
hóa và giải mã. Trái lại, trong mật mã khóa cơng khai, dùng khóa cơng khai để
mã hóa, khóa bí mật để giải mã.
Giấu tin là kỹ thuật nhúng dữ liệu vào một sản phẩm ảnh số (hoặc âm thanh,
video, văn bản, dữ liệu,...) nhằm truyền thông tin hoặc bảo vệ sản phẩm đó.
Giấu tin gồm hai q trình: Nhúng tin và trích tin. Để tăng tính bảo mật, một
khóa bí mật có thể được sử dụng cho cả hai giai đoạn nhúng tin và trích tin.
Với mã hóa, sản phẩm sau khi mã hóa khơng rõ nghĩa dễ gây sự tị mị, kích
thích sự tấn cơng của tin tặc. Trong khi đó, đối với giấu tin, sản phẩm chứa tin
không khác so với các sản phẩm thông thường, không gây ra sự nghi ngờ cho
tin tặc.
Giấu tin hiện vẫn nhận được nhiều sự quan tâm từ cộng đồng nghiên cứu:
trong năm năm gần đây, có hơn 13.560 công bố khoa học được ghi nhận trên
Thư viện số của IEEE 1 . Giấu tin (data hiding) được chia thành hai hướng
1
/>returnFacets=ALL&returnType=SEARCH&ranges=2015_2020_Year


2
nghiên cứu chính: giấu tin mật (steganography) và thủy vân (watermarking).
Giấu tin mật chú trọng tin giấu, các tác động đều được xem xét để đảm bảo
tin giấu không bị phát hiện hoặc sai lệch. Thủy vân lại chú trọng hơn đến sản
phẩm, tính bền vững sẽ được dùng trong bảo vệ bản quyền sản phẩm, ngược lại
tính dễ vỡ lại được dùng để xác thực tính tồn vẹn hay phát hiện giả mạo.
Đối với một số ứng dụng trong y tế, quân đội, luật pháp, giáo dục,. . . việc
khôi phục lại ảnh gốc (sau khi nhúng dữ liệu) để tiếp tục sử dụng là nhu cầu bắt
buộc. Với các trường hợp như vậy, thường phải sử dụng kỹ thuật giấu tin thuận
nghịch (reversible data hiding) hay còn gọi là giấu tin bảo toàn (lossless data
hiding). Giấu tin thuận nghịch là kỹ thuật nhúng tin mà sau khi tách thông tin

nhúng, ta khôi phục được ảnh gốc ban đầu. Khác với giấu tin bền vững, đòi hỏi
sự bền vững trước các phép tấn công, theo [83], kỹ thuật giấu tin thuận nghịch
là một kỹ thuật dễ vỡ, kỹ thuật này không quan tâm đến sự bền vững để chống
lại các cuộc tấn cơng.
Tình hình nghiên cứu trong và ngồi nước
Thuật toán giấu tin thuận nghịch đầu tiên được Barton đề xuất vào năm
1997 [15]. Ơng đề xuất nhúng thơng tin xác thực vào sản phẩm số, sau khi trích
xuất thơng tin xác thực, người nhận có thể khơi phục được sản phẩm số ban
đầu.
Giấu tin thuận nghịch dựa trên phép biến đổi modulo được Honsinger
và cộng sự [44] đưa ra vào năm 2001. Phương pháp Modulo [44] thực hiện nhúng
dữ liệu bằng phương pháp cộng modulo 256 (255 là giá trị tối đa của điểm ảnh
đa cấp xám 8 bít). Cộng modulo có thể ngăn chặn được việc tràn dữ liệu khỏi
miền điểm ảnh, nghĩa là một điểm nhỏ hơn 0 hoặc vượt quá 255 (đối với ảnh đa
cấp xám 8 bít), tuy nhiên ảnh chứa tin có chất lượng không cao, nhiều nhiễu.
Ý tưởng cộng modulo 256 để tránh hiện tượng vượt ra khỏi miền điểm ảnh, sau
này cũng được nhiều tác giả sử dụng [54, 66]. Nhược điểm lớn của phương pháp
này đó là chất lượng ảnh kém với nhiều nhiễu muối tiêu.
Phương pháp xác thực thuận nghịch dựa trên nén bảo toàn được


3
Fridrich và cộng sự [35] đề xuất. Ý tưởng của lược đồ này là tạo ra một không
gian trống bằng cách nén một mặt phẳng bít S của ảnh gốc, sau đó sử dụng
khơng gian trống tạo được để nhúng dữ liệu. Phương pháp này có ưu điểm là
chất lượng ảnh chứa tin tốt vì mỗi giá trị điểm ảnh chỉ thay đổi nhiều nhất là
một đơn vị, nếu chọn mặt phẳng S gồm bít ít ý nghĩa nhất (Least Significant
Bit - LSB) của các điểm ảnh. Tuy nhiên, khả năng nhúng tin phụ thuộc vào
miền được chọn S và thuật tốn nén. Nói chung, khả năng nhúng của thuật tốn
khơng cao và khả năng nhúng bị phụ thuộc vào đặc trưng thống kê của mỗi ảnh.

Phương pháp giấu tin dựa trên lượng tử hóa [17] là một sự mở rộng
LSB (Generalized-LSB) và ứng dụng nó trong giấu tin thuận nghịch. Ý tưởng
của phương pháp này chính là lượng tử hóa. Để khơi phục ảnh gốc, cần lưu các
giá trị dư thừa của phép lượng tử bằng cách ghép các phần dư của tất cả các
điểm ảnh thành một chuỗi nhị phân và nén chuỗi này bằng một phép nén bảo
toàn.
Nhúng tin thuận nghịch trên ảnh Jpeg nhận được sự quan tâm lớn của
các nhà nghiên cứu do tính chất phổ biến của ảnh này. Theo [83] việc nhúng tin
thuận nghịch trên ảnh Jpeg sử dụng các hệ số DCT lượng tử, bảng lượng tử và
bảng mã Huffman. Ý tưởng chung của các phương pháp là thực hiện các phép
biến đổi thuận nghịch trên ba đại lượng nêu trên. Trong [36] các tác giả đề xuất
hai phương pháp. Trong phương pháp thứ nhất, chọn ra tập L cặp chỉ số ứng
với các hệ số tần số trung. Sau đó, trích các hệ số với chỉ số tương ứng của các
khối DCT lượng tử tạo thành một dãy nhị phân và nén dãy này để nhận được
một khoảng trống chứa thủy vân. Phương pháp thứ hai độc đáo hơn, dựa trên
nhận xét các hệ số DCT bằng tích các hệ số lượng tử với giá trị lượng tử. Trong
[7, 19, 98], các tác giả đều sử dụng cách biến đổi thuận nghịch hệ số DCT lượng
tử.
Phương pháp mở rộng hiệu (DE- Difference Expansion) do Jun
Tian đề xuất [94, 95] là một trong những phương pháp giấu tin thuận nghịch
đáng được quan tâm nhất. Ý tưởng của phương pháp này là nhúng một bít trên


4
hiệu của một cặp hai điểm ảnh kề nhau. Các khái niệm khả mở, khả biến được
tác giả đưa ra. Chỉ các cặp khả mở mới có thể nhúng được một bít. Muốn trích
được dữ liệu và khơi phục ảnh gốc, thì bên nhận cần phải biết được cặp nào là
khả mở và cặp nào không khả mở. Để đạt được điều này, bản đồ định vị, được
thiết lập trong bước nhúng tin, là một dãy nhị phân nhằm xác định cặp đang
xét là khả mở hay không khả mở. Bản đồ định vị được nén và nhúng cùng dữ

liệu. Do có bản đồ định vị nên hạn chế đáng kể khả năng nhúng của phép mở
rộng hiệu.
Một hướng phát triển của phương pháp mở rộng hiệu là áp dụng trên các
khối ảnh hay véc tơ ảnh. Điều này có hai lợi ích: vì bản đồ định vị ứng với từng
khối nên kích thước giảm đáng kể, thậm chí khơng cần nén, thứ hai là trong
mỗi một khối n điểm ảnh, tạo ra được n − 1 hiệu, như vậy số hiệu sẽ tăng lên
và khả năng nhúng cũng nhiều hơn. Người đầu tiên đưa ra một phép biến đổi
nguyên trên véc tơ n điểm ảnh, mở rộng phép biến đổi hai điểm ảnh của J.Tian
là Alattar [10], sau đó áp dụng phép biến đổi này để nhúng n − 1 bít trên mỗi
véc tơ điểm ảnh. Khả năng nhúng của phương pháp Alattar được cải thiện đáng
kể. Tuy nhiên một hạn chế lớn của phương pháp này là thuật tốn kiểm tra
một véc tơ có phải là khả mở hay khơng có thời gian hàm mũ (đối với n), nên
phương pháp này chỉ có thể dùng được đối với các véc tơ điểm ảnh ứng với các
khối ảnh cấp 3 hoặc cấp 4. Điều đó hạn chế khả năng ứng dụng của phương
pháp Alattar. Trong [7, 9, 52, 56], các tác giả cũng xét mở rộng hiệu trên các
véc tơ điểm ảnh theo hướng chọn một phần tử làm cơ sở, sau đó tạo ra các hiệu
bằng cách trừ mỗi phần tử còn lại cho phần tử cơ sở. Các phương pháp khác
nhau ở cách chọn phần tử cơ sở. Một số mở rộng khác của phương pháp J.Tian
[26] để nâng cao khả năng nhúng là: nhúng hai bít trên một bộ ba điểm ảnh,
như vậy tỉ lệ nhúng là 2/3 lớn hơn so với J.Tian là 1/2; các phép biến đổi thuận
nghịch nguyên, như phép biến đổi tương phản [28], phép biến đổi thuận nghịch
nguyên dựa trên ma trận [88].
Phương pháp mở rộng sai số dự báo (PEE- Prediction Error Expansion)


5
là một hướng phát triển tiềm năng khác của DE dựa trên nhận xét: nếu hiệu
được xét càng nhỏ thì khả năng khả mở càng tăng. Trên ý tưởng này, các phương
pháp dự báo được phát triển. Trong tài liệu [91] đã sử dụng phương pháp dự
báo MED (xem Mục 1.3.2) để dự báo giá trị của mỗi điểm ảnh. Sau đó, lập sai

số dự báo: e = x − xˆ, trong đó x là giá trị gốc, xˆ là giá trị dự báo của x. Từ đó, ta
có một dãy sai số dự báo: E = (e1 , e2 , . . . eK ). Các bít dữ liệu được nhúng bằng
cách mở rộng sai số dự báo: ei = 2ei + bi . So với DE thì PEE có khả năng nhúng
cao hơn nhiều vì giá trị sai số dự báo thường nhỏ và số lượng sai số nhiều gấp
khoảng hai lần số hiệu của các cặp điểm ảnh. Trong [103] đề xuất phương pháp
tương tự nhưng sử dụng bộ dự báo hình thoi (xem Mục 1.3.1).
Bản đồ định vị là một thách thức lớn đối với các phương pháp giấu tin thuận
nghịch dựa trên DE trên hai phương diện: thứ nhất là nó chiếm khá nhiều bít
và cần phải nhúng chung với dữ liệu nên giảm đáng kể khả năng nhúng tin.
Thứ hai, việc điều khiển khả năng nhúng, tức là với một yêu cầu nhúng dữ
liệu cho trước làm sao điều khiển để nhận được độ biến đổi ảnh nhỏ nhất (chất
lượng ảnh tốt nhất). Đã có một số nghiên cứu về vấn đề này. Để điều khiển khả
năng nhúng, J.Tian [94] đã sử dụng một ngưỡng T và xây dựng bản đồ dựa trên
ngưỡng T . Tuy nhiên việc xác định T tương đối khó do bản đồ nén phụ thuộc
vào việc lựa chọn T . Theo [93], các tác giả đưa ra một cách xây dựng bản đồ
định vị tràn (overflow location map) độc lập với độ dài dữ liệu cần nhúng, vì
vậy khơng phải thực hiện nén nhiều lần. Trong [46] đã cải tiến bản đồ của [93]
bằng cách sử dụng hai ngưỡng Tl và Tr với hai ưu điểm: khả năng nén cao hơn
và độ chính xác tốt hơn.
Việc thu nhỏ bản đồ định vị là một điều mà nhiều nhà khoa học mong muốn.
Sachnev [82] đã đưa ra một nhận xét rằng nếu hiệu nằm trong một miền có độ
phẳng càng cao thì khả năng khả mở (nhúng được một bít dữ liệu) càng nhiều.
Dựa trên nhận xét này, Sachnev và cộng sự đã sử dụng phương pháp sắp xếp
các hiệu theo độ phẳng của ngữ cảnh dự báo, bằng cách đó, thì hầu hết các hiệu
khả mở sẽ được dồn lên phía trên. Như vậy, sẽ nhận được các dãy con khá dài


6
chứa toàn các hiệu khả mở bên trên. Vậy chỉ cần sử dụng một số dãy con cũng
đủ để đáp ứng yêu cầu nhúng dữ liệu. Bằng cách như vậy, [82] đã thu nhỏ đáng

kể bản đồ định vị. Thậm chí, trong nhiều trường hợp có thể loại bỏ hồn toàn
bản đồ này.
Dịch chuyển histogram cũng là một hướng nghiên cứu quan trọng về giấu
tin thuận nghịch hiện đang nhận được sự quan tâm lớn từ các nhà nghiên cứu.
Năm 2006, lần đầu tiên Ni và cộng sự [73] đã đề xuất ý tưởng này như sau:
trước hết, xây dựng histogram h(x) của ảnh gốc (x ∈ [0; 255] là một giá trị điểm
ảnh và h(x) là số lần xuất hiện của điểm ảnh có giá trị x trong ảnh gốc). Chọn
một điểm a sao cho h(a) lớn nhất và một điểm z sao cho h(z) = 0 (a thường gọi
là peakpoint và z gọi là zeropoint). Dịch chuyển các điểm lớn hơn a về bên phải
1 đơn vị nếu a < z hoặc dịch chuyển các điểm nhỏ hơn a về bên trái nếu a > z .
Để đơn giản trong trình bày, giả sử a < z . Bằng cách như vậy, a + 1 trở thành
điểm trống (h(a + 1) = 0). Bây giờ, có thể nhúng h(a) bít vào điểm a như sau:
Duyệt các điểm ảnh từ trái sang phải, trên xuống dưới. Nếu gặp một điểm có
giá trị bằng a, sẽ giữ ngun nếu bít cần nhúng là 0 và tăng 1 đơn vị nếu bít cần
nhúng là 1. Trong phương pháp này, giá trị mỗi điểm ảnh tăng hoặc giảm nhiều
nhất là một đơn vị, do đó độ biến đổi ảnh thấp, tức là chất lượng ảnh chứa tin
cao. Tuy nhiên, khả năng nhúng phụ thuộc vào độ lớn của h(a). Thường với ảnh
tự nhiên thì histogram có xu hướng bẹt. Vì vậy, h(a) thường nhỏ và khả năng
nhúng của phương pháp này không cao.
Một cải tiến quan trọng là sử dụng dự báo để xây dựng ảnh hiệu từ ảnh gốc,
sau đó thay cho việc dịch chuyển histogram trên ảnh gốc bằng việc áp dụng
histogram trên ảnh hiệu. Theo hướng này, có thể kể một số các cơng trình như
[22, 62, 66, 75, 85, 96]. Theo [62], ảnh hiệu được xác định bằng cách lấy phần tử
trước trừ phần tử sau. Để tăng khả năng nhúng, các tác giả đề xuất việc thực
hiện dịch chuyển histogram ảnh hiệu trên từng khối thay cho toàn ảnh. [96] cũng
chia ảnh thành nhiều khối. Với mỗi khối, chọn một điểm cố định làm điểm cơ
sở, ví dụ, điểm trung tâm của khối, sau đó lấy các điểm còn lại trừ điểm cơ sở


7

để tạo thành ảnh hiệu, như vậy, trong trường hợp này, điểm cơ sở chính là điểm
dự báo chung cho cả khối. Trong [75] sử dụng dự báo tuyến tính trên tồn ảnh
gốc.
Một khó khăn trong trích dữ liệu và khôi phục ảnh gốc đối với phương pháp
dịch chuyển histogram là cần phải biết các điểm peakpoint và zeropoint. Nhiều
phương pháp phải gửi các giá trị này cho người nhận như một khóa bí mật, do
đó làm mất tính chất đóng gói của phương pháp. Một số tác giả đã có những
nghiên cứu để khắc phục những tình trạng này, đơn cử như hai bài báo [37, 48].
Cuối cùng, một hướng nghiên cứu gần đây nhằm giảm độ biến đổi ảnh là các
phương pháp dịch chuyển histogram bất đối xứng [22, 23, 68, 69]. Thông thường
các histogram của ảnh hiệu thường có dạng đối xứng. Vì vậy, việc dịch chuyển
histogram sang phải hoặc trái để tạo một khoảng trống thường gây ra nhiều sự
biến đổi ảnh. Để khắc phục tình trạng này, gần đây một số nhà nghiên cứu đã
xây dựng các phép dự báo sao cho histogram sai số dự báo nghiêng hẳn về một
phía, khi đó việc dịch chuyển histogram theo phía đối diện sẽ làm ít thay đổi ảnh
hơn nhiều. Trong [22] đưa ra một sơ đồ tổng quát của histogram bất đối xứng
bằng cách xây dựng các bộ dự báo bằng max và min của các bộ dự báo khác.
Ngoài ra, do nhu cầu nâng cao chất lượng ảnh chứa tin và khả năng nhúng tin,
một số phương pháp kết hợp dịch chuyển histogram với mở rộng hiệu đã được
đề xuất [48, 92].
Nhìn chung, các phương pháp dịch chuyển histogram có ưu điểm là chất lượng
ảnh chứa tin cao vì mỗi điểm ảnh chỉ thay đổi tối đa một đơn vị, tuy nhiên độ
bảo mật của chúng cịn hạn chế vì histogram của ảnh chứa tin thường có hình
dạng bất thường so với histogram của ảnh tự nhiên.
Phương pháp giấu tin thuận nghịch dựa trên sắp xếp giá trị điểm
ảnh (PVO - Pixel Value Ordering) là một hướng nghiên cứu gần đây gây được
nhiều sự chú ý. Phương pháp này lần đầu được đề xuất bởi [61], và liên tục nhận
được sự quan tâm của các nhà nghiên cứu [31, 39, 41, 50, 57, 71, 77, 78, 80, 89,
99, 101, 102]. Trong [61], ảnh được chia thành các khối, sau đó các khối được

8
sắp xếp theo chiều tăng dần, một bít dữ liệu được nhúng vào điểm ảnh có giá
trị lớn nhất và một bít dữ liệu được nhúng vào điểm ảnh có giá trị nhỏ nhất.
Phương pháp này gọi là PVO.
Phương pháp IPVO [78] là một cải tiến của PVO, thay vì nhúng tin trên giá
trị sai số là -1 và 1 như trong PVO, phương pháp IPVO chọn sai số là 0 và 1
hoặc -1 là giá trị để nhúng tin. Phương pháp này cho chất lượng ảnh cũng như
khả năng nhúng tin cao hơn so với PVO. Một sự cải tiến nữa của PVO đó là
PVO-K [76]. Trong phương pháp này, các tác giả thực hiện nhúng một bít trên
k giá trị lớn nhất (hoặc nhỏ nhất) thay vì nhúng vào một giá trị lớn nhất (hoặc

nhỏ nhất) như PVO. Phương pháp này sẽ nhúng được ngay cả khi khối có nhiều
giá trị lớn nhất thay vì chỉ nhúng trong khối có một giá trị lớn nhất. Trong [60],
các tác giả tìm cách để nhúng k bít dữ liệu trong k giá trị lớn nhất. Tuy đây là
ý tưởng tốt, song gặp trở ngại bởi độ dài của bản đồ định vị quá lớn làm giảm
chất lượng ảnh cũng như khả năng nhúng tin. Phương pháp [77] sử dụng khối
ảnh chỉ có ba điểm ảnh và trộn khối để cố gắng tăng khả năng nhúng tin.
Một số luận án về lĩnh vực giấu tin thuật nghịch trên thế giới gần đây [8,
29, 87] cho thấy, lĩnh vực này đã và đang nhận được nhiều sự quan tâm và còn
nhiều tiềm năng phát triển.
Ở Việt Nam, có một số nhóm nghiên cứu về lĩnh vực giấu tin và thủy vân
số xuất hiện ở một số trường đại học như Trường Đại học Bách khoa Hà Nội,
Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội, Trường Đại học Giao
thông vận tải, Trường Đại học Quốc gia TP HCM,...
Trong lĩnh vực giấu tin và thủy vân, đã có một số cơng trình cơng bố trên các
tạp chí có uy tín trong nước như Tạp chí Cơng nghệ thơng tin và truyền thông
[4] và một số báo cáo khoa học trong các hội thảo quốc gia [5]. Hơn nữa, một
số luận án gần đây cũng đã quan tâm đến lĩnh vực giấu tin và thủy vân số [2,
3, 6, 7].

Như vậy có thể thấy, giấu tin, nhất là giấu tin thuận nghịch vẫn cịn tính thời
sự trong vấn đề bảo mật dữ liệu hiện nay.


9

Hình 1: Phạm vi nghiên cứu của luận án (đường nét đậm).
Mục tiêu cuả luận án:
Mục tiêu thứ nhất là tăng khả năng nhúng tin, đối với giấu tin nói chung,
giấu tin thuận nghịch nói riêng, khả năng nhúng tối đa của một lược đồ luôn
được quan tâm hàng đầu. Các phương pháp được đề xuất trong luận án luôn
quan tâm đến việc tăng khả năng nhúng trong thuật toán của mình nhưng vẫn
đảm bảo được chất lượng ảnh chấp nhận được.
Mục tiêu thứ hai là tăng chất lượng ảnh chứa tin, chất lượng ảnh chứa tin và
khả năng nhúng ln tỉ lệ nghịch với nhau, để duy trì chất lượng ảnh tốt nhất,
luận án đề xuất các lược đồ với sự biến đổi thấp để có chất lượng ảnh tốt.
Mục tiêu cuối cùng đó là giảm độ phức tạp của thuật toán giấu tin. Luận án
đã đề xuất một lược đồ thủy vân với độ phức tạp thấp hơn khá nhiều so với
thuật toán liên quan.
Phạm vi nghiên cứu của luận án
Luận án tập trung vào giấu tin thuận nghịch trên ảnh đa cấp xám. Nghiên
cứu các phương pháp giấu tin thuận nghịch dựa trên phép biến đổi histogram,
phép mở rộng sai số dự báo và phép dự báo dựa trên sắp xếp giá trị điểm ảnh
của khối (PVO - Pixel Value Ordering).
Hình 1 thể hiện phạm vi nghiên cứu của luận án (đường nét đậm) (hình được
tham khảo từ các tài liệu [20, 30])
Mặc dù chỉ xét các ảnh đa cấp xám 8 bít màu, nhưng như chỉ ra trong Mục
1.1, các kết quả của luận án dễ dàng mở rộng cho các loại ảnh khác.