臺灣博碩士論文加值系統

隨著網際網路、多媒體及電子商務的蓬勃發展，使用者交換資訊的方式變得越來越方便而且快速，網頁設計的方式也日趨複雜。視覺化的網頁常使用大量的影像，但是影像檔的資料量都很龐大，因此需要使用影像壓縮技術來減少檔案的空間。數位浮水印是一種普遍使用的版權認證技術，它利用資訊隱藏的方法，以保護著作者的著作權。本研究將浮水印技術與JPEG壓縮技術整合在一起，增加浮水印抵抗壓縮的能力。浮水印嵌入的方法，是使用 值(1~99)算出量化表來修改DCT的係數，修改後的係數經過JPEG壓縮處理，仍然能夠保存完整的浮水印資訊。鑑於浮水印嵌入位置的選擇是研究過程中一個很重要的步驟，所以使用基因演算法來進行搜尋，以求得浮水印嵌入的最佳位置，藉此改善嵌入浮水印後的影像品質及提高萃取出來浮水印的完整性。由研究的數據顯示應用加入基因演算法後，對PSNR值及NC值都有提昇的效果。

With the rapid growth of the Internet, Multimedia, and E-Commerce, it becomes more convenient and fast for the users to interchange the information. However, the image files are extremely huge, it is necessary to use the compression technology to reduce the file space. Digital watermarking is one of commonly used techniques to hide information in images to protect copyright. To increase the application of watermarking area, the two techniques, digital watermarking and high image compression standard of JPEG, will be integrated in the thesis. In the processing of embedding watermark, the quantization field will be obtained from Q. According to the quantization field, the coefficients of DCT will be modified in the processing of embedding the watermark. In order to embed the watermark, middle frequency and the position information of watermark are needed, and the technique of GA is used to obtain the best position for the sake of embedding watermark. By adoptting the GA algorithm, PSNR and NC value will be promoted.

中文摘要 I
Abstract II
目錄 III
表目次 VII
圖目次 VIII

第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 1
第三節 研究範圍 2
第四節 研究內容 3
第五節 研究流程 4
第二章 文獻探討 5
第一節 浮水印之研究與論述 5
第二節 基因演算法之研究與論述 6
第三節 浮水印與基因演算法研究與論述 7
第三章 研究方法 8
第一節 JPEG 8
一、 壓縮技術 8
二、 量化表(Quantization Table) 9
第二節 浮水印 14
一、 嵌入技術 14
二、 萃取技術 17
第三節 基因演算法 18
一、 初始化基因 19
二、 複製 20
三、 交配 21
四、 突變 23
五、 適應函數 24
六、 取代 24
七、 終止條件 25
第四章 研究內容 26
第一節 JPEG浮水印模組 26
第二節 基因演算法模組 34
一、 基因的設計 34
二、 交配設計 36
三、 突變設計 37
四、 適應函式 37
五、 取代 38
六、 終止條件 38
第三節 系統架構 38
第五章 實驗設計與結果 42
第一節 實驗環境 42
第二節 實驗結果比較 42
一、 JPEG 浮水印 43
二、 Q值對浮水印的影響 44
三、 基因演算與JPEG浮水印比較 48
四、 搜尋面積的比較 51
五、 適應函式的係數測試 56
六、 基因初始化的影響 58
第六章 研究結論與未來研究方向 64
第一節 研究結論 64
一、 本研究運用JPEG影像處理技術 64
二、 本研究運用基因演算法的特性 64
第二節 研究缺失與侷限 65
一、 本研究對於基因交配的方法 65
二、 本研究對於浮水印的破壞因素 65
第三節 未來展望 66
一、 改進演算技術 66
二、 本研究所預期的研究目標 66
第四節 總結 66

參考文獻 68
附錄一 71
附錄二 73
附錄三 75
附錄四 77
附錄五 77
附錄六 77

表目次
頁次
表3 1 JPEG 亮度量化表 10
表3 2 JPEG 彩度量化表 10
表5 1嵌入浮水印的影像及萃取出的浮水印 43
表5 2影像切割的實驗結果 44
表5 3 Q值與JPEG浮水印的數據 45

圖目次
頁數
圖1 1研究流程圖 4
圖2 1 LSB示意圖 5
圖3 1 JPEG 壓縮流程圖 9
圖3 2量化係數 的 JPEG 壓縮量化表之計算流程 11
圖3 3計算 JPEG 壓縮係數 值之流程 13
圖3 4一般浮水印嵌入流程 16
圖3 5一般浮水印萃取流程 18
圖3 6基因演算法之流程方塊圖 19
圖3 7單點交配示意圖 22
圖3 8兩點交配示意圖 22
圖3 9字罩交配示意圖 23
圖3 10突變示意圖 24
圖4 1 JPEG浮水印架構 27
圖4 2 DCT係數修改流程 28
圖4 3 量化值修改流程 29
圖4 4 隨機嵌入的位置 30
圖4 5 JPEG浮水印嵌入流程 31
圖4 6 浮水印取值步驟 32
圖4 7 JPEG浮水印萃取流程 33
圖4 8 選出的DCT中頻位置及編碼 35
圖4 9 交配示意圖 36
圖4 10 突變示意圖 37
圖4 11 JPEG浮水印結合基因演算法的概念架構圖 39
圖5 1 實驗平台 42
圖5 2 Lenna有無浮水印與 值變化對壓縮率的影響 46
圖5 3 Lenna有無浮水印與 值變化對PSNR的影響 46
圖5 4 Baboo 有無浮水印與 值變化對PSNR的影響 47
圖5 5 值改變與萃取浮水印NC的關係 47
圖5 6 值改變與萃取浮水印NC的關係 48
圖5 7 Lenna使用基因演算法的PSNR值變化 49
圖5 8 Baboo使用基因演算法的PSNR值變化 49
圖5 9 Lenna使用基因演算法的NC值變化 50
圖5 10 Baboo使用基因演算法的NC值變化 50
圖5 11 Lenna 的4×4搜尋與8×8搜尋的PSNR之比較 (a=1,b=0) 52
圖5 12 Baboo 的4×4搜尋與8×8搜尋的PSNR之比較 (a=0,b=1) 52
圖5 13 Lenna 的4×4搜尋與8×8搜尋的PSNR之比較 (a=0,b=1) 53
圖5 14 Baboo 的4×4搜尋與8×8搜尋的PSNR之比較 (a=0,b=1) 53
圖5 15 Lenna 的4×4搜尋與8×8搜尋的NC值之比較(a=1,b=0) 54
圖5 16 Baboo 的4×4搜尋與8×8搜尋的NC值之比較(a=1,b=0) 54
圖5 17 Lenna 的4×4搜尋與8×8搜尋的NC值之比較(a = 0,b=1) 55
圖5 18 Baboo 的4×4搜尋與8×8搜尋的NC值之比較(a = 0,b=1) 55
圖5 19 Lenna改變 值及使用不同係數 的PSNR值之比較 57
圖5 20 Peppers改變 值及使用不同係數 的PSNR值之比較 57
圖5 21 Lena改變 值及使用不同係數 的NC值之比較 58
圖5 22 Peppers改變 值及使用不同係數 的NC值之比較 58
圖5 23 Lenna使用4×4與8×8基因初始範圍的PSNR之比較 59
圖5 24 Baboo 使用4×4與8×8基因初始範圍的PSNR之比較 59
圖5 25 Lenna 使用4×4與8×8基因初始範圍的NC值之比較 60
圖5 26 Baboo 使用4×4與8×8基因初始範圍的NC值之比較 60
圖5 27 Lenna 使用4×4初始範圍與不同係數 的PSNR比較 61
圖5 28 Lenna 使用8×8初始範圍與不同係數 的PSNR之比較 61
圖5 29 Lenna 使用4×4初始範圍與不同係數 的NC值之比較 62
圖5 30 Lenna 使用8×8初始範圍與不同係數 的NC值之比較 62
圖5 31 PSNR與NC的關係圖 63

中文書籍
陳同孝、張真誠及黃國峰(民國90)。數位影像處理技術。台北：松崗。
張真誠、黃國峰及陳同孝(民國92)。電子影像技術。台北：旗標。
英文書籍
C. Darwin, (1856). On the Origin of Species by Means of Nature Selection.
D. E. Goldberg, (1989 ). Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley.
ISO DIS 10918-1, (1994). Digital Compression and Coding of Continuoustone Still Image(JPEG). CCITT Recommendation T.81.
J. H. Holland, (1975). Adaptation in Natural and Artificial Systems. University of Michigan Press, Ann Arbor, MI.
M. Mitchell, (1996). An Introduction to Genetic Algorithms. London: MIT Press.
Pan Jeng-Shyang, (2004). Intelligent Watermarking Techniques. Publisher: World Scientific Pub Co Inc.
R. C. Gonzalez, R. E. Words, (1992). Digital Image Processing. Addison-Wesley, Reading, MA.
Von Neumann, J., &A.W. Burks, (1966). Theory of self-reproducing automata. Urbana: University of Illinois Press.
W. B. Pennebaker, Joan L. Mitchell, (1993). JPEG Still Image Data Compression Standard. Van Nostrand Reinhold, New York.

期刊論文
C. T. Hsu, J. L. Wu, (1998), "DCT-based watermarking for video", IEEE Transactions on Consumer Electronics, Vol.44, No.1, pp. 206-216.
C. T. Hsu, J. L. Wu, (1999), "Hidden digital watermarks in images", IEEE Transactionson ImageProcessing, Vol.8, No. 1, pp. 58-68.
C. S. Shieh, H. C. Huang, F. H. Wang, &J. S. Pan, (2004), "Genetic Watermarking Based on Transform-Domain Techniques", Pattern Recognition, Vol.37, No.3, pp.555-565.
Gregory K. Wallace, (1991), "The JPEG Sill Picture Compression Standard", Communications of the ACM, Vol.34, No.1, pp.31-44.
I. Cox, J. Kilian, F. T. Leighton, &T. Shamoon, (1997), "Secure spread spectrum watermarking for multimedia", IEEE Transactions on Image Processing, Vol.6, No.12, pp.1673-1687.
I. Cox, M.G. J. Linnartz, (1998), "Some general methods for tampering with watermarks", IEEE Journal on Selected Areas in Communications, Vol.16,No.4, pp.587-593.
I. Rechenberg, (1965), "Cybernetic solutionpath of an experimental problem", IEEE Press, pp. 301-309.
J. R. Hernandez, M. Amado, &F. Perez-Gonzalez, (2000), "DCT-domain watermarking techniques for still images: detector performance analysis and a new structure", IEEE Transactions on Image Processing, Vol.9, No.1, pp.55-68.
K. F. Man, K. S. Tang, &S. Kwong, (1996), "Genetic algorithms : concepts and applications", IEEE Transactions Industrial Electronics, Vol.43, No. 5, pp.519-534.
L. H. Lee, Y. Fan, (2000), "Developing a self-learning adaptive genetic algorithm", Proceedings of 3rd World Congress on Intelligent Control and Automation, pp.619-624.
R. G. van Schyndel, A. Z. Tirkel, &C. F. Osborne, (1994), "A digital watermark", IEEE ICIP, Vol.II, pp.86-90.
V. Zykov, E. Mytilinaios, B. Adams, & H. Lipson, (2005), "Robotics: Self-reproducing machines", Nature, Vol.435, pp.163-164.
W.C. Chu, (2003), "DCT-based image watermarking using subsampling", IEEE Transactions on Multimedia, Vol.5, No.1, pp.34-38.

電子媒體資料
L. Berc, W. Fenner, R. Frederick et al., (1998), "RTP Payload Format for JPEG-compressed Video",取自http://xml.resource.org/public/rfc/html/rfc2435.html