Giấu tin thuận nghịch - những bước đi

Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thông vận tải

GIẤU TIN THUẬN NGHỊCH - NHỮNG BƯỚC ĐI
Nguyễn Kim Sao1
1

Trường Đại học Giao thông Vận tải, Số 3 Cầu Giấy, Hà Nội

Tóm tắt. Thủy vân thuận nghịch đã được nghiên cứu từ rất sớm, xong chỉ đầu thế kỷ
hai mươi mốt mới thực sự nở rộ. Từ đó đến nay rất nhiều cơng trình đã, đang, và tiếp
tục được nghiên cứu. Bài báo này trình bày sơ lược các kỹ thuật thủy vân thuận nghịch
kể từ những cơng trình đầu tiên, trải qua hơn hai thập kỷ đã có nhiều bước tiến về chất
lượng ảnh, khả năng nhúng và số cơng trình đồ sộ. Bài báo được chia thành ba phần,
phần I giới thiệu về khái niệm thủy vân và thủy vân thuận nghịch, phần II trình bày các
kỹ thuật thủy vân thuận nghịch và cuối cùng kết luận ở phần III.
Từ khóa: Giấu tin thuận nghịch, các kỹ thuật thủy vân, mở rộng hiệu, dự báo,
histogram.
1. GIỚI THIỆU
Bảo mật dữ liệu số là vô cùng cần thiết, đặc biệt là bảo mật dữ liệu trên đường
truyền tránh khỏi các cuộc tấn công của người dùng bất hợp pháp nhằm mục đích sao
chép trái phép hoặc làm sai lệch thơng tin. Có hai kỹ thuật dùng để bảo vệ dữ liệu
thường được sử dụng là mã hóa và giấu tin.
Mã hóa là một q trình chuyển đổi bản rõ thành bản mã mà không thể truy cập
được bởi người dùng trái phép. Bản mã là một phiên bản xáo trộn của bản rõ (dữ liệu)
được tạo bằng cách sử dụng một khóa bí mật trong thuật tốn mã hóa [19]. Tuy nhiên,
theo [8], mã hóa và các kỹ thuật điều khiển truy cập khác rất khó tuân thủ các ràng
buộc về bảo mật và bảo vệ dữ liệu hình ảnh y tế. Giấu tin, đặc biệt là thủy vân số là
một giải pháp hiệu quả trong vấn đề này. Giấu tin có thể giải quyết hiệu quả các yêu
cầu thiết yếu của y tế hoặc viễn thám bảo vệ hình ảnh bao gồm các vấn đề nhận dạng,

xác thực duy nhất, bảo vệ bản quyền và xác minh tính tồn vẹn trong q trình truyền
qua các mạng khơng an tồn và lưu trữ trong cơ sở dữ liệu lớn [26]. Bên cạnh đó, với
một văn bản 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 đã nhận được nhiều sự chú ý từ cộng đồng các nhà nghiên cứu trong hơn
hai thập kỷ qua. Giấu tin là kỹ thuật nhúng một 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 (data hiding) được chia thành hai hướng nghiên cứu chính: giấu tin mật
(steganography) và thủy vân (watermarking) (một số tài liệu phân loại giấu tin thành
giấu tin mật, thủy vân và giấu tin thuận nghịch).
Giấu tin mật chú trọng tin giấu, các tác động đều được xem xét để đảm bảo tin
-306-


Trường Đại học Giao thông vận tải

Hội nghị Khoa học công nghệ lần thứ XXII

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.
Một số các ứng dụng trong y tế, quân đội, luật pháp, giáo dục,.... ngồi khơi phục
tin giấu thì khơi phục lại ảnh gốc là nhu cầu bắt buộc. Để đạt được mục tiêu này, kỹ
thuật giấu tin thuận nghịch (Reversible Data Hiding) được sử dụng. Giấu tin thuận
nghịch là kỹ thuật nhúng tin mà sau khi tách thông tin nhúng cịn khơi phục được ảnh
gốc ban đầu.
2. CÁC KỸ THUẬT THỦY VÂN THUẬN NGHỊCH
Thuật toán giấu tin thuận nghịch đầu tiên được Barton đề xuất vào năm 1997 [2].
Ông đề xuất nhúng thông 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.
Thủy vân thuận nghịch dựa trên phép biến đổi modulo được Honsinger và cộng
sự [11] đưa ra vào năm 2001. Phương pháp Modulo [11] thực hiện nhúng thủy vân
bằng phương pháp cộng modulo 256 (255 là giá trị tối đa có thể được cho ảnh đa mức
xám 8 bít). Cộng modulo khắc phục được việc giá trị điểm ảnh chứa tin nằm ngoài giá
trị miền ảnh (0 đến 255). Tuy nhiên, chất lượng ảnh chứa tin có nhiều nhiễu muối tiêu.
Quá trình nhúng dữ liệu có thể biểu diễn một cách toán học như sau:
Ở đây,
kèm, hệ số tỉ lệ và ảnh chứa tin.

lần lượt là ảnh gốc, dữ liệu nhúng, ảnh đi

Để tránh cho các giá trị của ảnh chứa tin vượt ra ngoài miền giá trị điểm ảnh ([0;255]
đối với ảnh đa mức xám), ảnh chứa tin được cộng modulo 255 để nhận được ảnh chứa
tin cuối cùng. Điều này được thực hiện theo cơng thức:
Trong q trình khơi phục, đầu tiên trích dữ liệu nhúng E(x,y) theo cơng thức:
sau đó, điều chỉnh ảnh chứa tin theo cơng thức:

cuối cùng, khôi phục ảnh gốc:
[18] khai thác ý tưởng cộng modulo 256 cho việc nhúng tin trên từng khối như sau:

-307-


Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thơng vận tải

đầu tiên ta tính khối ảnh hiệu tuyệt đối theo công thức Db(i,j) = |Hb(i,j) − Hb(i,j + 1)|
tiếp đó ta sẽ nhúng một dãy bít vào khối Db theo phương pháp dịch chuyển histogram

để nhận được khối Db0(i,j), cuối cùng ảnh chứa tin xác định theo cơng thức:

Tính theo cơng thức trên, các giá trị Sb(i,j) có thể vượt ra ngồi điểm ảnh [0; 255] vì
vậy cần phải được chỉnh lý bằng phép cộng modulo 256: Sb(i,j) = Sb(i,j) mod 256.
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 đề xuất vào
năm 2001 bởi Fridrich và cộng sự [9]. Phương pháp này thực hiện nén một mặt phẳng
bít của ảnh gốc để tạo ra khơng gian trống để nhúng dữ liệu. Hình 1 và Hình 2 mơ tả
q trình nhúng, trích và khơi phục của thuật tốn giấu tin thuận nghịch dựa trên nén
bảo tồn.

Hình 1: Lược đồ thuật tốn nhúng dựa trên nén bảo tồn.

Hình 2: Lược đồ thuật tốn trích dựa trên nén bảo toàn.
Do mỗi điểm ảnh chỉ thay đổi tối đa một đơn vị nếu chọn mặt phẳng bít là LSB nên
chất lượng ảnh chứa tin tốt, trong trường hợp mặt phẳng bít khơng phải là LSB thì chất
lượng ảnh sẽ kém hơn. Khắc phục được chất lượng ảnh, song khả năng nhúng của
phương pháp không cao do phụ thuộc miền được chọn cũng như khả năng nén của
phương pháp nén. Một số ví dụ được thể hiện trong Bảng I.
-308-


Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thông vận tải

Nếu chọn S là dãy LSB của tất cả các điểm ảnh của một ảnh đa mức xám (8 bít
màu), và áp dụng phương pháp nén số học thì khả năng nén phụ thuộc vào tỉ lệ giữa số
lượng bít 0 và số lượng bít 1 của S. Nếu tỉ lệ này càng gần 1 thì khả năng nén càng

thấp. Qua thực nghiệm thì có kết quả sau như Bảng I.
Bảng 1: Khả năng nhúng của phương pháp nén bảo toàn

Phương pháp giấu tin dựa trên lượng tử hóa [3] được đề xuất năm 2005, phương
pháp này mở rộng phương pháp LSB (Generalized-LSB) và ứng dụng nó trong giấu tin
thuận nghịch. Các điểm ảnh được lượng tử hóa theo cơng thức:
ở đây, x là giá trị điểm ảnh, L là độ dài bước lượng tử,
là phần nguyên dưới của a.
Thủy vân (là một giá trị không âm nhỏ hơn L bít) sẽ được nhúng vào điểm ảnh x theo
công thức: xw = QL(x) + w, trong đó w là giá trị thủy vân. Để khơi phục ảnh gốc, cần
lưu các giá trị dư thừa của phép lượng tử: r = x − QL(x).
Để đạt được điều này, ta 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 là phương pháp nhúng tin thuận nghịch dựa
trên ảnh Jpeg thay vì ảnh đa mức xám. Trước hết, ta giới thiệu hai quy trình nén và giải
nén JPEG theo [35] như Hình 3, 4. Từ sơ đồ trên, hầu hết các tác giả sử dụng các hệ
số DCT lượng tử, bảng lượng tử và bảng mã Huffman, đặc biệt, các hệ số DCT lượng
tử để thực hiện việc giấu tin thuận nghịch. Trong [10] thực hiện nhúng tin trên các cặp
tần số trung và đề xuất thứ hai thực hiện chọn một giá trị lượng tử Q(i,j) chẵn ở tần số
trung, chia giá trị này cho 2, đồng thời nhân đôi các hệ số DCT lượng tử tương ứng của
tất cả các khối (điều này tương đương với việc mở rộng giá trị DCT sang trái một bít).
Sau đó ta nhúng một bít dữ liệu vào LSB của các giá trị DCT này. [35] sử dụng cách
biến đổi thuận nghịch hệ số DCT lượng tử.

-309-


Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thông vận tải

Xét một dãy các hệ số DCT lượng tử trên đường chéo chính, đi từ dưới lên trên như
Hình 5. Xét dãy
. Gọi qi là vị trí đầu tiên (tính từ d1)
mà
, khi đó việc nhúng tin trên dãy Di được thực hiện như sau:
a.

Nếu qi = 1 thì khơng nhúng

b.

nếu qi = 2 thì nhúng bít w1 theo cơng thức:

c.

Nếu qi > 2 thì nhúng hai bít w1,w2 theo cơng thức:

.

Thuật tốn này có khả năng nhúng được tối đa 10 bít trên mỗi khối DCT lượng tử.

Hình 3: Lược đồ thuật tốn nhúng dựa trên nén JPEG.

Hình 4: Lược đồ thuật tốn trích dựa trên nén JPEG.

Hình 5: Một khối DCT lượng tử và các đường chéo dùng để nhúng tin.
Phương pháp mở rộng hiệu được đề xuất bởi Jun Tian vào năm 2002 [31], [32].
Phương pháp này thực hiện nhúng một bít trên hiệu của một cặp hai điểm ảnh kề nhau
dựa trên các phép biến đổi sau:

Phép biến đổi thuận, từ một cặp điểm ảnh x, y thành hiệu và trung bình cộng:
và phép biến đổi ngược:

.

Một bít dữ liệu được nhúng vào hiệu h bằng cách mở rộng h sang bên trái như sau:
, sau đó, các điểm ảnh chứa tin
được xác định:

-310-


Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thơng vận tải

Nếu các giá trị
cịn nằm trong miền điểm ảnh [0;255] thì từ
được bít b và khơi phục điểm ảnh gốc x;y theo cơng thức:

dễ dàng trích

Điều kiện x’, y’ ∈ [0;255] được gọi là điều kiện khả mở của x,y. Như vậy 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 đều này, trong bước nhúng tin, người ta thành lập bản đồ định vị, là một dãy
nhị phân, trong đó các cặp khả mở ứng với bít 0 và trái lại ứng với bít 1.
Alattar [1] mở rộng phương pháp của Jun Tian bằng cách áp dụng trên khối ảnh và
thực hiên nhúng n − 1 bít trên mỗi khối n điểm ảnh. Khả năng nhúng nhờ đó mà tăng
cao so với phương pháp gốc. Tuy nhiên, hạn chế lớn của phương pháp chính là việc

xác định khối khả mở hay khơng có độ phức tạp lớn. [13], [14] chọn một phần tử cơ sở
rồi xét các hiệu giữa mỗi phần tử còn lại và phần tử cơ sở. Các phương pháp khác nhau
ở cách chọn phần tử cơ sở. Trong [13] phần tử cơ sở là trung tâm của khối xác định
theo công thức:

, ở đây, B là khối ảnh cấp n × n.

Phương pháp [14], [34] cho cùng một cách chọn phần tử cơ sở như sau: đầu tiên,
biến đổi khối B cấp n × n thành một véc tơ. Sắp xếp véc tơ này theo thứ tự tăng dần và
chọn phần tử trung vị làm phần tử cơ sở. Tuy nhiên phương pháp [34] có khả năng
nhúng cao hơn do mỗi khối nhúng được n − 1 bít trong khi đó phương pháp của [14]
nhúng được ít hơn do các phần tử có giá trị bằng nhau chỉ nhúng được một bít.
[6] mở rộng J.Tian để nâng cao khả năng nhúng bằng cách 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. Ví dụ cơng thức
nhúng hai bít b1,b2 trong ba điểm ảnh C1;C2;C3 của [1] thực hiện như sau:

Một hướng mở rộng khác là đề xuất các phép biến đổi thuận nghịch nguyên, chẳng
hạn [7] đưa ra phép biến đổi tương phản thuận:
,
và nghịch:
Trong [27], các tác giả đã đề xuất một phép biến đổi thuận nghịch nguyên dựa trên
ma trận D:

-311-


Hội nghị Khoa học cơng nghệ lần thứ XXII

khi đó phép biến đổi thuận thực hiện theo công thức

Trường Đại học Giao thông vận tải

và phép biến đổi ngược:

Phương pháp mở rộng sai số dự báo (PEE- Prediction Error Expansion) là một
hướng phát triển nhận được nhiều sự chú ý dựa trên nhận xét: nếu hiệu h = x−y càng
nhỏ thì khả năng để x,y khả mở càng tăng. Vì vậy, làm sao có được các hiệu càng nhỏ
càng tốt. Trên ý tưởng này, người ta đã phát triển các phương pháp dự báo. [29] đã sử
dụng phương pháp dự báo MED để dự báo giá trị của mỗi điểm ảnh. Tiếp đó, sai số dự
báo:
(trong đó, x là giá trị gốc, là giá trị dự báo của x) được sử dụng để
thực hiện nhúng tin. PEE có khả năng nhúng cao hơn nhiều so với phương pháp DE do
mỗi điểm ảnh có một giá trị dự báo, như vậy mỗi điểm ảnh sẽ có một sai số dự báo
tương ứng với một giá trị bít được nhúng thay vì cặp hai điểm ảnh như của DE. [36] sử
dụng phương pháp dự báo hình thoi cho mỗi điểm ảnh và thực hiện nhúng tương tự.
Trong phương pháp DE cũng như PEE thì bản đồ định vị là một thách thức lớn.
Nguyên do bản đồ định vị chiếm một dung lượng lớn trong không gian nhúng tin và
việc điều khiển khả năng nhúng rất khó khăn. Đã có một số nghiên cứu về vấn đề này.
Để điều khiển khả năng nhúng, J.Tian [31] đã sử dụng một ngưỡng T và xây dựng bản
đồ nhúng (embedding location map) như sau:
M(i) = 0, ứng với một hiệu khả mở và có giá trị tuyệt đối nhỏ hơn T
M(i) = 1, trong các trường hợp cịn lại.
Khi đó khả năng nhúng bằng số M(i) có giá trị bằng 0 trừ độ dài bản đồ nén. Tuy
nhiên, bản đồ nén lại phục thuộc và T, nên việc xác định T tương đối khó. Ngồi ra, số
các M(i) = 0 là tương đối nhỏ, dẫn đến khả năng nén của bản đồ không cao. Theo [30],
các tác giả đưa ra một cách xây dựng bản đồ định vị tràn (overflow location map) như
sau:
M(i) = 0, ứng với hiệu khả mở M(i) = 1, trong các trường hợp cịn lại.
So với bản đồ của Tian, thì bản đồ này có các ưu điểm sau: bản đồ này độc lập với
độ dài dữ liệu cần nhúng, vì vậy không phải thực hiện nén nhiều lần. Hơn nữa, số M(i)

có giá trị 0 nhiều hơn, do đó kích thước của bản đồ nén nhỏ hơn. Để điều khiển khả
năng nhúng, [30] cũng sử dụng một ngưỡng T, được xác định sao cho số các ei < T
bằng với tổng độ dài của bản đồ nén và dữ liệu. Trong [12] đã cải tiến bản đồ của [30]
như sau:
M(i) = 0, ứng với các hiệu khả mở và nằm trong miền [−Tl,Tr − 1] hoặc các hiệu khả
chuyển (shiftable) và nằm ngoài miền [−Tl,Tr − 1]
M(i) = 1, trong các trường hợp còn lại.
Ở đây, Te là ngưỡng trái và Tr là ngưỡng phải.

-312-


Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thông vận tải

So với bản đồ của [30], bản đồ này có hai ưu điểm, thứ nhất, do các hiệu khả mở thì
cũng khả chuyển, do đó số các . M(i) = 0 trong bản đồ này nhiều hơn và khả năng nén
cao hơn. Thứ hai, ở đây sử dụng hai ngưỡng trái và phải thay cho một ngưỡng nên đạt
được độ chính xác cao hơn.
Dịch chuyển histogram lần đầu tiên Ni và cộng sự [20] đề xuất vào năm 2006, ở
phương pháp này, 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) được xây dựng, sau
đó một điểm a được chọn 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). Trong phương pháp này, mục đích là
tạo một khơng gian histogram trống bên cạnh giá trị peakpoint là giá trị các điểm ảnh
có giá trị peakpoin +1 (hoặc peakpoint -1), để làm được điều này, các giá trị lớn hơn
peakpoint sẽ được dịch chuyển sang phải (hoặc các giá trị nhỏ hơn sẽ được dịch
chuyển sang trái). Bây giờ, ta 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

nguyên 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 như Hình
6.

Hình 7: Ngữ cảnh dự báo
Hình 6: Histogram của ảnh Barbara

Vì vậy, H(a) thường nhỏ và khả năng nhúng của phương pháp này khơng cao. Một số
cơng trình [18], [33], [17], [22], [4], [25]. Theo [18] cải tiến bằng cách thay thế
phương pháp dự báo trên ảnh gốc bằng phương pháp dự báo trên ảnh hiệu, là ảnh lấy
phần tử trước trừ phần tử sau:
và 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. Theo [33] 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 cịn lại trừ điểm cơ sở để tạo thành ảnh hiệu, như vậy, trong
trường hợp này, điểm cơ sở chính là điểm dự báo chung cho cả khối. Trong [17] đề
xuất xây dựng ảnh hiệu cho toàn ảnh gốc bằng cách lấy điểm ảnh trước trừ điểm ảnh
sau. Trong [22] sử dụng dự báo tuyến tính trên tồn ảnh gốc. Ngữ cảnh dự báo được
-313-


Trường Đại học Giao thông vận tải

Hội nghị Khoa học cơng nghệ lần thứ XXII

minh họa như Hình 7 và giá trị dự báo
định như cơng thức:

trong đó wi được xác

. Ở đây, di là khoảng cách Euclide giữa xi và x. Hình 8

cho thấy một biểu đồ histogram của ảnh hiệu rất nhọn.
Một hướng nghiên cứu gần đây nhằm tăng chất lượng ảnh nhúng tin là các phương
pháp dịch chuyển histogram bất đối xứng [5], [4]. Thông thường các histogram của
ảnh hiệu thường có dạng đối xứng như Hình 8. Để giảm thiểu sự dịch chuyển của các
điểm ảnh khơng nhúng tin, các cơng trình đã cải tiến phương pháp dự báo để biểu đồ
histogram của ảnh hiệu nghiêng hẳn về một phía như Hình 9, 10 (trong [5]), khi đó
việc dịch chuyển histogram theo từng phía ít điểm ảnh hơn sẽ giảm nhiều. Như một
phương pháp [4] thực hiện như sau:
;
trong đó Pi(x) là các cơng thức dự báo đã biết.
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
[28].

Hình 8: Histogram của
ảnh hiệu

Hình 9: Histogram bất
đối xứng (a).

Hình 10: Histogram bất
đối xứng (b).

Phương pháp giấu tin thuận nghịch dựa trên sắp xếp giá trị điểm ảnh (PVO Pixel Value Ordering). Phương pháp này lần đầu được đề xuất bởi [16], và rất nhiều
các công trình theo hướng này sau đó được cơng bố [24]. Trong [16], ảnh được chia
thành các khối, sau đó các khối được sắp xếp theo chiều tăng dần, giả sử một khối X

được
sắp
xếp
như
sau
Xσ
=
(xσ(1),xσ(2),...,xσ(n))
với
Khi đó, một bít dữ liệu b được nhúng
vào điểm ảnh có giá trị lớn nhất xσ(n) như sau:
;
với
-314-

, và nhúng ở giá trị nhỏ nhất:


Trường Đại học Giao thông vận tải

Hội nghị Khoa học công nghệ lần thứ XXII

;

với

.

Phương pháp này gọi là PVO.
Phương pháp IPVO [24] cải tiến PVO và cho chất lượng ảnh và khả năng nhúng tin

cao hơn, thay vì nhúng tin trên giá trị sai số là -1 và 1 như trong PVO, phương pháp
IPVO chọn 0 và 1 là giá trị để nhúng tin. PVO-K [21] thực hiện nhúng một bít trên k
giá trị lớn nhất (hoặc nhỏ nhất), như vậy với các khối có nhiều giá trị bằng nhau cùng
lớn nhất hoặc cùng nhỏ nhất cũng sẽ được sử dụng để nhúng tin thay vì bỏ qua như
PVO. Trong [15], 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 [23] sử dụng khối
ảnh chỉ có ba điểm ảnh và trộn khối để cố gắng tăng khả năng nhúng tin.
Dưới đây là bảng đánh giá chung về chất lượng ảnh, khả năng nhúng và độ phức tạp
tính tốn một cách tương dối cho các kỹ thuật giấu tin thuận nghịch gần đây:
Bảng 2: So sánh chung về các kỹ thuật thủy vân thuận nghịch
Nhúng tin
thuận
nghịch trên
ảnh Jpeg

Phương
pháp mở
rộng hiệu

Phương
pháp mở
rộng sai số
dự báo

Dịch
chuyển
histogram

Phương pháp giấu

tin thuận nghịch dựa
trên sắp xếp giá trị
điểm ảnh

Khả năng
nhúng

Thấp

Cao

Rất cao

Trung
bình

Trung bình

Chất lượng
ảnh

Cao

Thấp

Trung
bình

Cao

Cao

Độ phức tạp

Cao

Thấp

Thấp

Thấp

Thấp

Tiêu chí

III. KẾT LUẬN
Bài báo đã trình bày một cách tổng quan các kỹ thuật thủy vân thuận nghịch trên ảnh
số kể từ khi khái niệm này được ra đời, các kỹ thuật mở rộng sai số dự báo và
histogam sai số dự báo hoặc dựa trên ý tưởng này hiện vẫn đang nhận được rất nhiều
sự chú ý của các nhà nghiên cứu. Tuy nhiên, thủy vân thuận nghịch trên video và âm
thanh chưa được quan tâm nhiều, hy vọng với những lợi ích vủa thủy vân thuận nghịch
và tầm quan trọng của video và âm thanh thì điều này sẽ được thay đổi trong tương lai
gần.
TÀI LIỆU THAM KHẢO
[1] Adnan M Alattar. Reversible watermark using difference expansion of triplets. In
Proceedings 2003 International Conference on Image Processing (Cat. No. 03CH37429),
volume 1, pages I–501. IEEE, 2003.
-315-

Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thông vận tải

[2] James M Barton. Method and apparatus for embedding authentication information within
digital data, July 8 1997. US Patent 5,646,997.
[3] Mehmet Utku Celik, Gaurav Sharma, A Murat Tekalp, and Eli Saber. Lossless
generalized-lsb data embedding. IEEE transactions on image processing, 14(2):253–266,
2005.
[4] Sheng Chen, Xianyi Chen, and Huijuan Fu. General framework of reversible
watermarking based on asymmetric histogram shifting of prediction error. Advances in
Multimedia, 2017, 2017.
[5] Xianyi Chen, Xingming Sun, Huiyu Sun, Zhili Zhou, and Jianjun Zhang. Reversible
watermarking method based on asymmetric-histogram shifting of prediction errors. Journal of
Systems and Software, 86(10):2620– 2626, 2013.
[6] Eleftherios Chrysochos, V Fotopoulos, and Athanassios N Skodras. A new difference
expansion transform in triplets for reversible data hiding. International Journal of Computer
Mathematics, 88(10):2016– 2025, 2011.
[7] Dinu Coltuc and Jean-Marc Chassery. Very fast watermarking by reversible contrast
mapping. IEEE Signal processing letters, 14(4):255– 258, 2007.
[8] Chunhua Dong, Yen-wei Chen, Jingbing Li, and Yong Bai. Zero watermarking for
medical images based on dft and lfsr. In 2012 IEEE International Conference on Computer
Science and Automation Engineering (CSAE), volume 1, pages 22–26. IEEE, 2012.
[9] Jessica Fridrich, Miroslav Goljan, and Rui Du. Invertible authentication. In Security and
Watermarking of Multimedia contents III, volume 4314, pages 197–208. International Society
for Optics and Photonics, 2001.
[10] Jessica Fridrich, Miroslav Goljan, and Rui Du. Lossless data embedding—new paradigm
in digital watermarking. EURASIP Journal on Advances in Signal Processing,
2002(2):986842, 2002.

[11] Chris W Honsinger, Paul W Jones, Majid Rabbani, and James C Stoffel. Lossless
recovery of an original image containing embedded data, August 21 2001. US Patent
6,278,791.
[12] Yongjian Hu, Heung-Kyu Lee, and Jianwei Li. De-based reversible data hiding with
improved overflow location map. IEEE Transactions on Circuits and Systems for Video
Technology, 19(2):250–260, 2008.
[13] Masoumeh Khodaei and Karim Faez. Reversible data hiding by using modified
difference expansion. In 2010 2nd International Conference on Signal Processing Systems,
volume 3, pages V3–31. IEEE, 2010.
[14] Chih-Chiang Lee, Hsien-Chu Wu, Chwei-Shyong Tsai, and Yen-Ping Chu. Adaptive
lossless steganographic scheme with centralized difference expansion. Pattern Recognition,
41(6):2097–2106, 2008.
[15] Jianjun Li, Yun-He Wu, Chin-Feng Lee, and Chin-Chen Chang. Generalized pvo-k
embedding technique for reversible data hiding. IJ Network Security, 20(1):65–77, 2018.
-316-


Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thông vận tải

[16] Xiaolong Li, Jian Li, Bin Li, and Bin Yang. High-fidelity reversible data hiding scheme
based on pixel-value-ordering and prediction-error expansion. Signal processing, 93(1):198–
205, 2013.
[17] Yu-Chiang Li, Chia-Ming Yeh, and Chin-Chen Chang. Data hiding based on the
similarity between neighboring pixels with reversibility. Digital Signal Processing,
20(4):1116–1128, 2010.
[18] Chia-Chen Lin, Wei-Liang Tai, and Chin-Chen Chang. Multilevel reversible data hiding
based on histogram modification of difference images. Pattern Recognition, 41(12):3582–
3591, 2008.

[19] Sonali Mishra. Review of different image data hiding techniques. International Journal of
Advanced Science and Technology, 121(1):43– 54, 2018.
[20] Zhicheng Ni, Yun-Qing Shi, Nirwan Ansari, and Wei Su. Reversible data hiding. IEEE
Transactions on circuits and systems for video technology, 16(3):354–362, 2006.
[21] Bo Ou, Xiaolong Li, Yao Zhao, and Rongrong Ni. Reversible data hiding using invariant
pixel-value-ordering and prediction-error expansion. Signal processing: image
communication, 29(7):760–772, 2014.
[22] Bo Ou, Yao Zhao, and Rongrong Ni. Reversible watermarking using prediction error
histogram and blocking. In International Workshop on Digital Watermarking, pages 170–180.
Springer, 2010.
[23] Zhibin Pan and Erdun Gao. Reversible data hiding based on novel embedding structure
pvo and adaptive block-merging strategy. Multimedia Tools and Applications, pages 1–25,
2019.
[24] Fei Peng, Xiaolong Li, and Bin Yang. Improved pvo-based reversible data hiding. Digital
Signal Processing, 25:255–265, 2014.
[25] Su-Yeon Shin, Hyang-Mi Yoo, and Jae-Won Suh. Reversible watermarking based on
histogram shifting of difference image between original and predicted images. pages 147–
150. IARIA, 2014, 2014.
[26] Abhilasha Singh and Malay Kishore Dutta. A robust zero-watermarking scheme for teleophthalmological applications. Journal of King Saud University-Computer and Information
Sciences, 2017.
[27] John Stach and Adnan M Alattar. A high-capacity invertible data-hiding algorithm using
a generalized reversible integer transform. In Security, Steganography, and Watermarking of
Multimedia Contents VI, volume 5306, pages 386–396. International Society for Optics and
Photonics, 2004.
[28] Diljith M Thodi and Jeffrey J Rodriguez. Prediction-error based reversible watermarking.
In 2004 International Conference on Image Processing, 2004. ICIP’04., volume 3, pages
1549–1552. IEEE, 2004.

-317-

Hội nghị Khoa học công nghệ lần thứ XXII

Trường Đại học Giao thông vận tải

[29] Diljith M Thodi and Jeffrey J Rodríguez. Reversible watermarking by prediction-error
expansion. In 6th IEEE Southwest Symposium on Image Analysis and Interpretation, 2004.,
pages 21–25. IEEE, 2004.
[30] Diljith M Thodi and Jeffrey J Rodríguez. Expansion embedding techniques for reversible
watermarking. IEEE transactions on image processing, 16(3):721–730, 2007.
[31] Jun Tian. Reversible watermarking by difference expansion. In Proceedings of workshop
on multimedia and security, volume 19, 2002.
[32] Jun Tian. Reversible data embedding using a difference expansion. IEEE transactions on
circuits and systems for video technology, 13(8):890–896, 2003.
[33] Piyu Tsai, Yu-Chen Hu, and Hsiu-Lien Yeh. Reversible image hiding scheme using
predictive coding and histogram shifting. Signal Processing, 89(6):1129–1143, 2009.
[34] Đỗ Văn Tuấn. Kỹ thuật thủy vân và mật mã học trong xác thực, bảo vệ bản quyền dữ liệu
đa phương tiện. PhD thesis, Trường Đại học Bách Khoa Hà Nội, 2015.
[35] Kan Wang, Zhe-Ming Lu, and Yong-Jian Hu. A high capacity lossless data hiding
scheme for jpeg images. Journal of systems and software, 86(7):1965–1975, 2013.
[36] Han-Zhou Wu, Hong-Xia Wang, and Yun-Qing Shi. Ppe-based reversible data hiding. In
Proceedings of the 4th ACM Workshop on Information Hiding and Multimedia Security,
pages 187–188. ACM, 2016

-318-