Tekil Değer AyrıĢımı Metodu ile Renkli Resimler Ġçin Bir Damgalama Uygulaması

Transkript

1 6 th International Advanced Technologies Symposium (IATS 11), May 2011, Elazığ, Turkey Tekil Değer AyrıĢımı Metodu ile Renkli Resimler Ġçin Bir Damgalama Uygulaması ġ. Doğan 1, T. Tuncer 2, E. Avcı 3 ve A. Gülten 4 1 Fırat Üniversitesi, Elazığ/Türkiye, sdogan@firat.edu.tr 2 Fırat Üniversitesi, Elazığ/Türkiye, tuncer.turker@gmail.com 3 Fırat Üniversitesi, Elazığ/Türkiye, eavci@firat.edu.tr 4 Fırat Üniversitesi, Elazığ/Türkiye, agulten@firat.edu.tr A Watermarking Application for Color Image with Singular Value Decomposition Method Abstract Watermarking is a very important hiding information (audio, video, color image, gray image) technique. It is commonly used on digital objects together with the advances in the technology in last few years. One of the common methods used for hiding information on image files is SVD (Singular Value Decomposition) method which is used in the frequency domain. In this study an application of SVD technique is presented in which watermark data is embedded into face images, without corrupting their features. Keywords Watermarking, Biometric, Singular Value Decomposition, Color Image. B I. GĠRĠġ ilgisayar sistemlerindeki geliģmeler paralelinde artan teknoloji kullanımı ve modern yaģamdan beklentiler her geçen gün artmaktadır. Tüm bu beklentilere cevap verme süreci olabildiğince hızlı fakat güvenilir bir Ģekilde sağlanmalıdır. Ancak güvenlik uygulamaları ile birlikte sahtecilik de gündeme gelmekte ve pek çok sistem ciddi ataklara maruz kalmaktadır. Sorunun üstesinden gelmek için, güvenlik sistemleri alıģılageldik yöntemlerin dıģında geliģtirilmeye çalıģılmıģtır. Bu kapsamda ilk akla gelen güvenlik ihlallerinden olan kart, anahtar vb. çalınması, yetkisiz Ģifre paylaģımı gibi pek çok sorunu ortadan kaldıran biyometrik yöntemler geliģtirilmiģtir [1-4]. Biyometri, kiģilerin kendilerine has fizyolojik özelliklerini ölçen ve bu özellikleri kullanarak teģhis ve doğrulama uygulamalarında kullanılan genel bir tekniktir [5]. Ayırt edici özelliğinden dolayı, kimlik belirleme uygulamalarında sıklıkla tercih edilmektedir. Biyometrik sistemler; klasik Ģifre kontrolü, kartlı geçiģ vb. tekniklerden kavram olarak çok farklıdır. Çünkü biyometrik özellikler, kiģinin değiģtirmesi veya bir baģkasına aktarması mümkün olmayan niteliktedir. Bu noktadan hareketle biyometri, güvenlik seviyesini büyük ölçüde arttıran bir tekniktir. Biyometrik sistemler, uygulamanın genel hatlarına uygun 27 olarak farklı Ģekillerde tasarlanabilmektedir. Ancak bir biyometrik sistem temelde, beģ alt sistemden oluģmaktadır. Bunlar sırasıyla: veri toplama, iletim, öznitelik çıkarımı, modelleme ve eģleģtirmedir. Veri toplama, sisteme dahil edilecek olan kullanıcıların ilgili biyometrik verilerinin kaydedilmesidir. Takip eden aģama, biyometrik verinin insan-bilgisayar etkileģimi ile sisteme sayısal olarak aktarıldığı iletimdir. Daha sonra iletilen veri, ait olduğu biyometri türüne göre iģlenecektir. Bu aģamada, veri toplama ve iletim ile elde edilen sayısal sinyaller, çeģitli sinyal iģleme teknikleri kullanılarak özniteliklerine indirgenir. Böylece giriģ verisi sadeleģtirilmiģ ve gereksiz kısımları çıkarılmıģtır. Modelleme aģamasında ise, farklı kiģilerin öznitelikleri farklı biyometrik modeller olarak sistemde depolanır. Depolama aģaması olarak da tanımlanan bu kısım, sistem kullanıcılarına ait temel veri tabanının oluģturulduğu aģamadır. Son olarak, sisteme yetki talebinde bulunan kiģinin talep anında toplanan biyometrik verisi veri tabanındaki modeller ile karģılaģtırılır. EĢleĢme durumunda yetki talebi kabul edilirken, eģleģmeme durumunda ise uygulamanın türüne göre belirlenen iģlem gerçekleģtirilecektir [6]. Biyometrik sistemlerin önemi, kiģiye has özellikler tabanlı geliģtirilmesidir. KiĢiye has özellikler ise, transferlerinin mümkün olmayıģı noktasında yüksek güvenlik sağlamaktadır. Biyometrik sistemler, fiziksel ve davranıģsal olmak üzere iki temel gruba ayrılan biyometriklerin kullanımı ile tasarlanabilir [7]. Biyometrik alanında kullanılan genel fiziksel ve davranıģsal özellikler Ģunlardır: 1. Yüz özellikleri 2. Göze ait özellikler İris Retina 3. Parmak izi 4. El Geometrisi 5. Ses özellikleri 6. El yazısı ve imza [8]. II. DAMGALAMA Damgalama logo yada gürültü Ģeklindeki bit lerin sayısal imge, video ve ses gibi çoklu ortam elemanlarına eklenerek

2 Ş. Doğan, T. Tuncer, E. Avcı, A. Gülten sahibine ait bilgilerin saklanmasıdır [9]. Damgalama yönteminde en önemli özellikler: güvenilir olması, görünmez olması, kapasitesinin yüksek olması ve saldırılara karģı dirençli olmasıdır [10]. Steganografi ile sayısal damgalama arasındaki fark ise örtü verisindeki bozulmadan kaynaklanır. Steganografide gizli mesajın gömülmesiyle örtü verisinde fark edilmeyecek derecede de olsa bozulmaya izin verilirken, damgalama uygulamalarında gizli mesaj örtü verisinin bir parçası olarak saklanır ve genellikle örtü verisinin bozulmasına izin verilmez [11]. AĢağıda ġekil 1 de damgalama yönteminin blok diyagramı verilmiģtir. Veri Damga Dijital Damgalama Gizli Anahtar Veri ġekil 1: Damgalama yönteminin blok diyagramı. Damgalama yöntemlerini aģağıdaki Tablo 3 de çeģitli Ģekilde sınıflandırabiliriz [12]: Tablo 1: En çok kullanılan damgalama yöntemleri. Kriter Doküman ÇeĢidine Göre Ġnsan Algılamasına Göre ÇalıĢma Alanına Göre Logoya Göre Bilgi ÇeĢidine Göre Çeşitler Ġmge, Video, Ses, Metin Görünür, Görünmez Uzamsal, DönüĢüm PRN, Görünür damga Kör-olmayan, Yarı-kör, Kör Ġki türlü damga vardır. Birincisi gözle görülebilir logolar ikincisi ise rastgele sayı sıralarıdır (PRN). Video damgalama araģtırma açısından daha açık bir alandır. Özellikle zamana dayalı veri olduğu için çerçeve ortalama, çerçeve düģürme ve çerçeve değiģtirme gibi saldırılar olmaktadır ve bu saldırılara karģı dayanıklı bir algoritma üretmek daha zordur [13]. Uzamsal alanlarda yapılan gömme iģleminde logo direk olarak orijinal resme eklenir. DönüĢüm alanlarında yapılan gömme iģleminde ise önce Ayrık Dalgacık DönüĢümü (DWT), Ayrık Fourier DönüĢümü (DFT), Ayrık Kosinüs DönüĢümü (DCT) ya da Tekil Değer AyrıĢımı (SVD) alanlarına çevrilen orijinal resim buradaki katsayılara eklenir. Video, ses gibi zamana bağlı elemanlarda ise sıkıģtırılmıģ alanlarında (JPEG, MPEG v.b.) gömme yapılır [14]. Kalıcılığına göre saydam damgalar dayanıklı ve kırılgan olmak üzere ikiye ayrılabilir. Dayanıklı damgalar; filtreleme, geometrik bozulma, gürültü eklenme gibi kasıtlı veya kasıtlı olmayan iģlemlere karģı dayanıklı olmaları için tasarlanmıģlardır. Telif hakkı korunması için bu tür bir damgalama yapmak gereklidir. Kırılgan damgalar veri üzerinde yapılacak iģlemler ve değiģiklikler tarafından kolayca bozulabilen damgalardır. Bu tür damgalar genel olarak doğrulama amaçlı kullanılmaktadırlar [15]. III. TEKĠL DEĞER AYRIġIMI Tekil Değer AyrıĢımı (TDA) bir lineer cebir metodudur. Verilen bir matristeki problemleri belirleyip nümerik cevaplar bulmaya yarar [16]. Bir A matrisi A =USV T olmak üzere üç ayrı matrisin çarpımına ayrıģtırılabilir. Burada U MxN ve V T NxN boyutunda ortagonal matrislerdir. S ise NxN boyutlarında bir köģegen matristir. S matrisinin köģegen elemanları A matrisinin tekil değerleri olarak adlandırılır. A matrisinin rankı r ise S=diag (β 1, β 2,, β n ) değeri β 1 β 2 β r β r+1 = β n =0 özelliğini sağlar [17]. r A u v i0 T i i i IV. UYGULANAN METOT Bu çalıģmada çoklu model biyometri uygulaması için tekil değer ayrıģımı yöntemi ile renkli resimler kullanılarak yüz resmine iris resmi gömülmüģtür. Sistemin damga gömme iģlemi için blok Ģeması ġekil 2 de gösterilmiģtir. Orijinal Resim (I) TDA (I) I=USV T S+Damga S D =S+D Damga+Resim I D =US D V T Resim Orijinal resim tekil değer ayrışımı yöntemi ile üç ayrı matrise ayrılır A matrisinin tekil değerlerini içeren S matrisine damga eklenir Damga eklenmiş S matrisi U ve V T matrisleri ile birleştirilir ġekil 2: TDA tabanlı sisteme damga ekleme iģleminin blok Ģeması Sistemin, orijinal resim ile damgalanmıģ resim ve orijinal damga ile saldırılar sonucu çıkarılan damgalar arasındaki iģaret-gürültü oranı değerleri (Peak-Signal-to-noise Ratio, PSNR) aģağıdaki denkleme göre hesaplanmıģtır. 28

3 Tekil Değer Ayrışımı Metodu ile Renkli Resimler İçin Bir Damgalama Uygulaması PSNR 10x log 1 NxN 10 N N 2 i 1 j [ I ( i, j) I ( i, j)] 1 2 ġekil 5: Orijinal Damga Damga çıkarma iģlemi için blok Ģeması ise ġekil 3 de verilmiģtir. Resim (I D ) TDA (I D ) I D =US D V T S D resme tekil değer ayrışımı yöntemi uygulanır A D matrisinin tekil değerlerini içeren S D matrisi elde edilir ġekil 6: Damga EklenmiĢ Resim için Elde Edilen PSNR: D= S D -S D S D matrisinden orijinal resmin tekil değerlerini içeren S matrisi çıkarılır Damga elde edilir ġekil 7: Orijinal Resimden Çıkarılan Damga ġekil 3: Damga çıkarma iģleminin blok Ģeması DamgalanmıĢ resimlere 4 farklı saldırı (bulanıklaģtırma, keskinleģtirme, resim döndürme ve resim ölçekleme) uygulanmıģtır. Sistem 100 birey için denenmiģtir. Elde edilen PSNR oranları dikkate aldığında sonuçların örnek çalıģmalara oranla çok baģarılı olduğu gözlenmiģtir. Sistemde kullanılan örnek bir yüz resmi için iris resmi ile damgalanmıģ ve dört farklı saldırı uygulandığında elde edilen PSNR değerleri ġekil(4-14) de verilmiģtir. Sistemde elde edilen 100 birey için ortalama PSNR değeri olarak bulunmuģtur. ġekil 8: KeskinleĢtirilmiĢ Orijinal Resim ġekil 4: Orijinal Resim ġekil 9: KeskinleĢtirilmiĢ Damga EklenmiĢ Resim için Elde Edilen PSNR:

4 Ş. Doğan, T. Tuncer, E. Avcı, A. Gülten ġekil 15: 0.5 Kat ÖlçeklendirilmiĢ Damga EklenmiĢ Resim için Elde Edilen PSNR: ġekil 10: BulanıklaĢtırılmıĢ Orijinal Resim Tablo 2: 20 birey için elde edilen PSNR değerleri Resim-Iris Resim-Iris Resim-Iris Resim-Iris ġekil 11: BulanıklaĢtırılmıĢ Damga EklenmiĢ Resim için Elde Edilen PSNR: Resim-Iris Resim-Iris Resim-Iris Resim-Iris Resim-Iris Resim-Iris Resim-Iris Resim-Iris ġekil 12: 60 o DöndürülmüĢ Orijinal Resim 13 Resim-Iris Resim-Iris Resim-Iris Resim-Iris Resim-Iris Resim-Iris Resim-Iris ġekil 13: 60 o DöndürülmüĢ Damga EklenmiĢ Orijinal Resim için Elde Edilen PSNR: Resim-Iris ġekil 14: 0.5 Kat ÖlçeklendirilmiĢ Orijinal Resim 1. Orijinal Resim (896x592) DamgalanmıĢ Resim (50x38) 2. DamgalanmıĢ Resim için PSNR 3. KeskinleĢtirilmiĢ Resim için PSNR 4. BulanıklaĢtırılmıĢ Resim için PSNR o DöndürülmüĢ Resim için PSNR Kat ÖlçeklendirilmiĢ Resim için PSNR 30

5 Tekil Değer Ayrışımı Metodu ile Renkli Resimler İçin Bir Damgalama Uygulaması V. SONUÇLAR Bu çalıģmada tekil değer ayrıģımı tabanlı renkli resim damgalama yöntemi incelenmiģtir. TDA; Ayrık Fourier DönüĢümü (AFD), Ayrık Kosinüs DönüĢümü (AKD), Ayrık Dalgacık DönüĢümü gibi saldırılara karģı daha dayanıklı olan frekans bandında yapılan damgalama yöntemlerinden biridir. GeliĢtirilen sistemde damgalanmıģ resimler 4 farklı saldırıdan (bulanıklaģtırma, keskinleģtirme, resim döndürme ve resim ölçekleme) geçirilmiģtir. Sistemde yapılan damgalama iģleminde, TDA tabanlı damgalama yöntemlerinde kullanılan ölçekleme değerine bağlı olmaksızın orijinal haliyle gömülmesi sağlanmıģtır. Böylece geliģtirilen sistemde saldırılar sonucu elde edilen resimlerin PSNR değerleri benzer çalıģmalara oranla daha yüksek ve baģarılıdır. KAYNAKLAR [1] G. Dede ve M. H. Sazlı, Biyometrik Sistemlerin Örüntü Tanıma Perspektifinden Ġncelenmesi ve SesTanıma Modülü Simülasyonu,EEBM Ulusal Kongresi, [2] R. Ryan, The Ġmportance of Biometric Standards, Biometric Technology Today, 2009(7), pp: 7-10,2009. [3] W.G. Kim, H. Lee, Multimodal Biometric Ġmage Watermarking Using Two-Stage Ġntegrity Verification, Signal Processing, 89(12),pp: , [4] R. Walter, Managing risk through the integration of physical and logical security, Biometric Technology Today, 2010 (7), pp: 6-8, [5] A.K. Jain, L. Hong, S. Pankanti, R. Bolle, An Identity-Authentication System Using Fingerprints, Proceedings of the IEEE, Vol:85-9, pp: , [6] R.P.Wildes, Iris Recognition: An Emerging Bionetric Technology Proceedings of the IEEE, Vol. 85 No [7] S.M. Matyas, J. Staptelon, A Biometric Standard for Information Management and Security, Computers and Security, 19, , [8] A. Ross, A.K., Jain, Information Fusion in Biometrics, Pattern Recognit. Lett., Vol:24-13, pp: , [9] M. Ouhsain, A. B. Hamza, Image watermarking scheme using nonnegative matrix factorization and wavelet transform, Expert Systems with Applications, 36(2)-1, pp: , [10] V. AslantaĢ ġ. Özer ve S. Öztürk, Tekil Değer Çıkarma Tabanlı Resim Damgalama Tekniklerinin KarĢılaĢtırılması, Elektrik, Elektronik ve Bilgisayar Mühendisliği Sempozyumu, Bursa, , [11] C. Shieh, et al., Genetic Watermarking Based on Transform-domain Techniques, Pattern Recognition Society, 37(3), , [12] J.S. Pan, H.C. Huang, and L.C. Jain, Intelligent Watermarking Techniques, World Scientific Publishing Company, Singapore,2004, (ISBN: ), 15. [13] E. Ganic, et al., An Optimal Watermarking Scheme Based on Singular Value Decomposition, Uniondale, Proceedings of The Iasted International Conference on Communication, Network and Information Security (CNIS 2003), 85-90, [14] K. L. Hashida and A. Shiozaki, A Method of Embedding Robust Watermarks into Digital Color Images, Ielce Trans. Fundamentals, E81(10), , [15] E. Ganic, A. Eskicioğlu, Robust DWTSVD Domain Image Watermarking: Embedding Data in All Frequencies, Magdeburg, Germany, Proceedings of The Acm Multimedıa and Security Workshop 2004, , September 20-21, [16] V. Aslantas, A singular-value decomposition-based image watermarking using genetic algorithm, AEU - International Journal of Electronics and Communications, 62 (5), pp: , [17] M.-Q. Fan, H.-X. Wang, S.-K. Li, Restudy on SVD-based watermarking scheme, Applied Mathematics and Computation, 203(2), pp: ,