ETAT DE L`ART SUR LES TECHNIQUES DE TATOUAGE COULEUR

Transcription

C HAPITRE 1
E TAT DE L’ ART SUR LES TECHNIQUES
DE TATOUAGE COULEUR
1.1
Introduction
ans le cadre de la problématique sur le tatouage, de nombreuses techniques ont été développées pour les images en niveaux de gris, offrant différentes solutions. Aujourd’hui
l’étude des techniques de tatouage pour les images couleur, qui représentent le support
d’information le plus utilisé, se développe davantage. La plupart des algorithmes créés pour les
images en niveaux de gris sont bien sûr adaptables aux images couleur par leur application sur une
ou plusieurs des trois composantes de l’image. Toutefois, afin d’optimiser le tatouage des images
couleur, de nouveaux algorithmes spécifiques à la couleur ont été développés. Mais ceux-ci ne
représentent encore qu’une faible partie de la recherche menée dans ce domaine.
Afin de comprendre les évolutions des techniques de tatouage, nous exposons tout d’abord
les différentes techniques d’insertion et de détection d’une marque. Pour cela, nous étudions en
premier lieu les techniques de préparation de la signature permettant de générer le message à
intégrer. Puis nous présentons les schémas généraux effectuant cette intégration : les schémas
additifs et substitutifs. Nous terminons cette étude technique par la présentation des techniques de
tatouage les plus représentatives en les décomposant suivant leur domaine de traitement (spatial,
fréquentiel, multirésolution). Tout ceci est présenté dans le cadre des images en niveaux de gris.
Enfin, nous présentons les méthodes de tatouage tenant compte de la dimension couleur des
images. Cette étude est décomposée suivant les techniques de tatouage :
– appliquées aux images couleur indexées,
– appliquées marginalement (où les composantes couleur sont traitées indépendamment),
– exploitant les caractéristiques des images couleur.
1.2
Les techniques de tatouage en niveaux de gris
Il est difficile de réaliser une liste exhaustive de toutes les techniques de tatouage existantes,
nous tenterons donc d’illustrer quelles sont les méthodes globales, et examinerons quelques exemples.
Nous utiliserons pour cela, entre autre, les synthèses présentées dans les thèses de Patrick Bas [1]
et de Caroline Fontaine [2], que nous complétons avec l’aspect couleur. Tout d’abord, nous faisons
le point sur les traitements applicables à la marque, pour la générer ou pour la rendre plus robuste.
1
2
Chapitre 1. Etat de l’art sur les techniques de tatouage couleur
1.2.1
La marque
Les deux types de marque rencontrés en général dans les algorithmes de tatouage sont des
marques binaires (M = {0; 1}) ou des images (appelées parfois logos). Les images sont généralement de même nature que le support (des images en niveaux de gris pour les algorithmes de
marquage des images en niveaux de gris, et des images couleur ou en niveaux de gris pour les
images couleurs). La taille de ces marques va dépendre de la taille du support, de la méthode
de tatouage et de l’application souhaitée. Par exemple, pour la protection de droits d’auteurs, la
marque ou signature doit être le plus robuste possible, l’importance du ratio (taille ou capacité de
la marque) est alors moindre. En revanche, si l’objectif du tatouage est de construire un système
d’indexation, la capacité de la marque devra être maximale, au détriment de la robustesse de la
marque.
Dans ce paragraphe, nous allons présenter trois méthodes de préparation de la marque, pour la
générer ou la rendre plus robuste :
– les clés et générateurs de séquence pseudo-aléatoire,
– l’étalement de spectre,
– la redondance et les codes correcteurs d’erreur.
Clé et générateur de séquence pseudo-aléatoire
L’utilisation de clé dans la cryptographie permet de mieux contrôler les individus ayant droit
à l’accès au document. Cette clé est généralement utilisée, dans les algorithmes de tatouage, pour
déterminer la séquence constituant la signature. Cette séquence est alors générée de façon pseudoaléatoire. La plupart des langages utilisés pour implanter des algorithmes de tatouage possèdent
des fonctions, qui grâce à un nombre (qui sera la clé), permettent de contrôler la génération de la
marque.
L’étalement de spectre
L’utilisation de cette méthode, développée à l’origine par Cox [3], permet principalement de
rendre la marque robuste au bruit, ainsi qu’à l’application d’un filtre linéaire ou à la compression. Pour réaliser l’étalement de spectre d’un message L = {0; 1}, il suffit de lui appliquer une
modulation de fréquence à l’aide d’une séquence pseudo-aléatoire Sb , présentée en figure 1.1.
Par exemple, si Sb = [1 0 1] , L = [1 0 0], alors la marque M est : M = [1 0 1 0 1 0 0 1 0].
Le spectre du message L est basse fréquence, tandis que celui de M est large bande : le spectre
de L a été étalé. C’est la marque M qui sera cachée dans le document à protéger.
Pour retrouver le message LD , la mesure de corrélation entre chaque partie du signal tatoué
(dont la taille doit correspondre avec celle de Sb ) et de la porteuse donnera une réponse positive
dans le cas d’un bit 1 et une réponse négative dans le cas d’un bit 0. En réalisant autant d’opérations
de mesure de corrélation qu’il y a de segments dans la marque MD , le message binaire est alors
reformé pour obtenir LD .
La marque est particulièrement robuste au bruit, au filtrage linéaire et à la compression, puisque
le contenu fréquentiel de la signature est présent dans toute la bande fréquentielle.
1.2. Les techniques de tatouage en niveaux de gris
3
F IG . 1.1 : Principe de l’étalement de spectre
Redondance et code correcteur d’erreur
L’objectif de cette méthode est de rendre robuste la signature en ajoutant une méthode de
contrôle dans la marque. Par exemple, une simple répétition de la signature permet, lors de la détection, de diminuer les erreurs de détections. Par une opération de moyenne (et de seuillage dans
le cas d’une marque binaire), les erreurs isolées sont supprimées. Le problème de cette méthode
est qu’elle n’est pas utilisable dans les applications nécessitant un ratio important. En effet, plus
la redondance est importante, plus la marque est robuste, mais moins le ratio est important.
De la même façon, il est possible d’utiliser des codes correcteurs d’erreurs, car le tatouage peut
être considéré, dans un certain sens, comme un canal de transmission de bits. Il existe différents
codes correcteurs, utilisés dans le domaine du tatouage : codes convolutifs, BCH, code ReedSolomon et turbo codes convolutifs. Une illustration de l’utilisation des codes correcteurs dans le
tatouage est présente dans [4].
D’après C. Rey [4], et dans le cadre de la compression JPEG, les méthodes de redondance
sont généralement plus efficaces pour les plus faibles qualité de compression (inférieures à 20).
Concernant les codes correcteurs, un BCH se montre plus performant qu’un code convolutif pour
des qualités de compression inférieures à 50. Cette affirmation est inversée pour des qualités de
compression supérieures à 50.
Dans la partie suivante, nous expliquons les deux grands schémas (donnés pour l’insertion et
la détection) de tatouage : additif et substitutif.
4
F IG . 1.2 : Insertion de la signature pour des schémas additifs
F IG . 1.3 : Détection et lecture de la signature par addition
F IG . 1.4 : Principe de l’insertion par substitution
5
F IG . 1.5 : Détection et lecture de la signature par substitution
1.2.2
1.2.2.1
Schémas d’insertion de la marque
Schémas additifs
Les schémas additifs consistent à ajouter la signature à la représentation numérique de l’image.
Nous étudions par la suite le cas où la signature est générée de façon pseudo-aléatoire, sur la base
d’une clé K. La signature est transformée alors en message avant d’être ajoutée aux coefficients
de l’image. Les coefficients de l’image sont issus de l’image elle-même ou sont le résultat d’un
changement d’espace de représentation. Comme nous l’avons vu, un message binaire peut être
modulé par la signature de base : c’est le principe de l’étalement de spectre.
La détection basée sur un schéma additif est généralement réalisée à l’aide de méthodes statistiques lorsqu’il s’agit d’une technique aveugle (où l’image originale n’est pas disponible pour
la détection). Dans ce cas, une mesure de corrélation peut être par exemple effectuée.
Le schéma additif est illustré en figure 1.2 pour le cas de l’insertion et 1.3 pour le cas de la
détection.
1.2.2.2
Schémas substitutifs
Les schémas substitutifs consistent à remplacer certaines composantes de l’image par la signature. La signature à insérer est obtenue en appliquant une contrainte (par exemple une relation
d’ordre, un critère de similarité, une propriété géométrique de l’image) sur les composantes en
fonction du message à insérer. L’image tatouée est reconstruite à partir des composantes propres à
la signature. Le schéma substitutif est illustré en figure 1.4 pour le cas de l’insertion et 1.5 pour le
cas de la détection.
Pour ces deux types de schémas, il est possible de travailler dans les trois domaines de représentation spatiale, fréquentielle et multirésolution. Le choix de l’une ou de l’autre technique se
fera directement en fonction des objectifs de l’application.
Afin de mieux comprendre l’intérêt de ces deux méthodes, P. Bas propose un tableau récapitulatif présentant les principales différences entre les schémas additifs et substitutifs (tableau 1.1).
Nous allons maintenant aborder les trois grands espaces de représentation pour les techniques
d’insertion et de détection de la marque :
– dans le domaine temporel,
– dans le domaine fréquentiel,
– dans le domaine multirésolution.
6
Capacité (sans attaques)
Insertion
Détection
Lecture
Amélioration
de la détection
Additifs
Faible
Addition d’une
séquence aléatoire
Corrélation
Corrélation par zones
Utilisation de
l’image originale
Substitutifs
Maximale
Substitution de caractéristiques
de l’image
Analyse de la redondance
Lecture directe
Code correcteurs d’erreurs
TAB . 1.1 : Comparaison entre les schémas additifs et les schémas substitutifs
Parmi les schémas additifs et substitutifs présentés ci-dessus, ces espaces sont directement exploités dans les opérations ’transformation’ et ’transformation inverse’, présentées sur les figures
1.2 à 1.5
1.2.3
Insertion dans le domaine temporel
L’avantage principal de l’utilisation de cet espace est, en général, son faible coût en temps
de calcul, ce qui permet d’envisager aisément des opérations de tatouage en temps réel. Nous
proposons d’étudier les techniques :
– par modification d’histogramme,
– par modification du LSB et étalement de spectre,
– de patchwork,
– par insertion de similarité,
– utilisant la compression fractale.
Exemple de méthode d’insertion et de détection simple dans le domaine spatial
Nous présentons tout d’abord un exemple académique de tatouage dans le domaine spatial
avec une préparation de la marque par étalement de spectre.
Soit I le signal original. Soit la signature binaire S(m) ∈ {−1; 1} à insérer dans le signal I.
L’insertion est définie par les opérations suivantes :
• Etalement (sur-échantillonage) de la signature S d’un facteur c afin d’obtenir la séquence
T:
T (x) = S(n) pour n.c ≤ x < (n + 1).c.
• Amplification de la séquence T d’un facteur α (force de marquage), puis modulation avec
un bruit pseudo-aléroire p ∈ {−1; 1} (moyenne de 0, variance de 1) afin d’obtenir la marque
suivante :
M (x) = α.T (x).p(x).
• Le signal tatoué IW est alors défini tel que :
IW (x) = I(x) + M (x).
7
L’extraction de la marque est obtenue en effectuant les opérations suivantes :
• La séquence TD est obtenue en démodulant les données marquées à l’aide du bruit :
(n+1).c
(n+1).c
1 X
1 X
p(x).IW (x) =
p(x).(I(x) + M (x)).
TD (n) =
c x=n.c
c x=n.c
Si nous faisons l’hypothèse d’indépendance entre les données I et le bruit de modulation p.
(n+1).c
1 X
p(x).I(x) ' 0.
c x=n.c
D’où :
(n+1).c
(n+1).c
1 X
1 X 2
TD (n) '
p(x).M (x) =
p (x).α.T (x)
c x=n.c
c x=n.c


(n+1).c
X
1
= α.S(n) 
p2 (x) = α.S(n).
c x=n.c
{z
}
|
=1 car variance unitaire
• Chaque S(n) est donné ensuite par le signe de TD (n).
Histogramme
Des méthodes de tatouage par modification d’histogramme sont proposées par Coltuc et al.
[5]. L’idée générale est la mise à 0 de certaines composantes de l’histogramme. La clé est alors
la séquence définissant les composantes de rupture (mises à zéro). Les valeurs de niveaux de gris
alors modifiées sont réparties vers les valeurs les plus proches.
Ces méthodes sont robustes aux attaques géométriques (translation, fenêtrage, rotation et changement d’échelle) mais pas aux opérations classiques de traitement d’images (tels que les filtrages
ou les compressions) qui vont perturber l’histogramme de l’image.
LSB (Least Significant Bit) et Etalement de spectre
Les valeurs de la (ou des) composantes de l’image sont généralement codées sur 256, soit 28
niveaux. Chaque pixel est donc codé sur 8 bits. La méthode de tatouage du LSB de chaque pixel
consiste à forcer son poids faible à 0 ou 1, suivant la valeur du bit de la séquence contenu dans la
marque.
Cette méthode est très simple, l’image marquée n’est pas visiblement dégradée. Mais cette
approche est très peu utilisée car la marque est alors très faiblement robuste. Par exemple, elle ne
résiste pas à une compression JPEG ou à l’ajout de bruit.
Cette méthode peut être utilisée pour véhiculer des informations, mais la marque n’est pas
protégée, au sens de son intégrité.
Toutefois, Tirkel et al. [6] proposent de combiner cette technique avec une procédure d’étalement de spectre. Cette méthode permet d’améliorer la robustesse au bruit, comparée à la méthode
simple de tatouage du LSB. Celui-ci réduit, bien sûr, le ratio des informations qui doivent être
cachées, mais augmente la robustesse de la marque.
8
Patchwork
La technique du patchwork, proposée par Bender et al. [7], est similaire à l’insertion par étalement de spectre. L’image est décomposée en deux ensembles disjoints et de même taille de pixels
A1 et A2 (d’où la qualification de ’Patchwork’). Les éléments de l’un des ensembles peuvent être
définis à l’aide d’un algorithme pseudo-aléatoire, qui sélectionnera la moitié des pixels de l’image.
Les pixels restant feront partie du second ensemble. Chaque pixel px,y de l’image, où (x, y) représente les coordonnées du pixel p, est ensuite modifié de la façon suivante :
– si px,y ∈ A1 : px,y ,W = px,y ,
– si px,y ∈ A2 : px,y ,W = px,y + b,
avec b une constante dont la valeur sera définie de façon à ne pas introduire de dégradation dans
l’image lors du tatouage (la méthode de détermination de b n’est pas précisée dans l’article). La
détection de la signature s’effectue en calculant la différence entre la moyenne des pixels appartenant à l’ensemble A2 et la moyenne des pixels appartenant à l’ensemble A1 . La signature est
détectée si cette différence est supérieure à un certain seuil. Ainsi l’image originale n’est pas nécessaire pour effectuer la détection. Cette méthode ne résiste pas aux attaques géométriques qui
désynchronisent les supports. C. Fontaine [2] propose de considérer des petits ensembles de pixels
à la place des ensemble A1 et A2 , ce qui améliore la résistance de la marque face à la compression.
Tatouage par insertion de similarités
P. Bas [1] propose en 2000 une méthode de tatouage ne nécessitant pas l’utilisation d’une
marque prédéterminée, et utilisant certaines caractéristiques de l’image. L’idée est d’insérer une
signature en modifiant le contenu structurel de l’image. Les points caractéristiques de l’image
fournis par des détecteurs de points d’intérêt sont utilisés pour obtenir un ensemble de points
robustes aux transformations géométriques. La signature est alors ajoutée à l’ensemble des points
d’intérêt. La détection s’effectue par une recherche de similarités dans le voisinage de chaque
point d’intérêt.
La technique est définie comme suit :
– La marque Tw est définie à partir d’une séquence pseudo-aléatoire contrôlée par une clé.
Sa forme est délimitée par un triangle isocèle et rectangle, d’une taille arbitraire. Pour être
robuste aux erreurs de positionnement des points d’intérêts, la séquence aléatoire est étalée
sur des blocs de 2*2 pixels.
– Des points d’intérêts sont extraits de l’image en utilisant le détecteur de ’Harris’ [8], qui a
pour propriété, d’après l’auteur [1], de préserver le maximum de points d’intérêts après une
transformation géométrique. Une triangulation de Delaunay [9] est appliquée sur les points
d’intérêts de l’image. Les triangles ainsi obtenus sont notés T = {Tk }, 0 ≤ k < N .
– L’insertion de la marque est appliquée sur chacun des triangles Tk ∈ T :
• Une transformation affine est appliquée sur la marque Tw pour l’adapter à la forme de Tk .
Le triangle Tm est ainsi obtenu.
• Le triangle Tp est créé à partir de Tm après pondération par un masque visuel obtenu par
filtrage de l’image avec un masque Laplacien.
• Le triangle marqué Ti est obtenu par l’opération suivante : Ti = Tp + Tk , qui est enfin
substitué à Tk .
La détection commence par une étape d’auto-synchronisation de la marque, grâce aux points
d’intérêt relevés sur cette image. Plusieurs triangles sont conservés suite à l’application de transformations géométriques. La présence de la signature dans un triangle est certifiée par une mesure
9
de corrélation. La décision (correspondance ou non de la marque détectée avec la marque initiale)
peut être effectuée en ne tenant compte que d’un seul triangle ou en combinant les corrélations des
différentes marques détectées parmi les triangles reconnus.
L’auteur a testé cinq types d’attaques : la compression JPEG, l’attaque de Stirmark, la rotation, le changement d’échelle et le test "impression et scannerisation". La technique de tatouage
est robuste à des compressions JPEG de qualité supérieure à 50%. Elle est aussi robuste à l’attaque
Stirmark. La technique est robuste aux faibles rotations. L’auteur explique ce défaut par l’anisotropie du détecteur des points d’intérêt. Le changement d’échelle supérieur d’un rapport de 0, 7
ne détruit pas la marque. La marque est robuste au test d’impression et scannerisation si l’image
contient des éléments structurés.
Tatouage utilisant la compression fractale
Le principe de la compression par fractales consiste à rechercher dans l’image des zones similaires entre elles, à des échelles d’observation différentes. Les structures redondantes de l’image
sont ainsi exploitées dans différentes parties de l’image. La compression fractale s’appuie sur la
théorie des IFS (système de fonctions itérées).
Un IFS, noté W , défini à l’aide d’un facteur de contraction S, est un ensemble de n transformations contractantes linéaires affines w1 , w2 , ... wn . Ces transformations wi peuvent être décrites
comme des combinaisons de rotation, de réduction d’échelle et de translation de coordonnées des
axes dans un espace à n-dimension(s).
Soit I une image, le collage obtenu par l’application des N contractions à I et l’assemblage
du résultat peuvent être exprimés par :
W (I) = w1 (I) ∪ w2 (I) ∪ w3 (I) ∪ ... ∪ wn (I).
La compression s’effectue en recherchant les IFS de l’image et en codant les paramètres représentant ces IFS. Puate et Jordan [10] propose d’utiliser la compression fractale pour insérer une
marque de 32 bits. Après compression par technique fractale de l’image, l’insertion de la marque
s’effectue par compression contraire de l’image. Lors du calcul de l’IFS de l’image originale, l’ensemble des blocs Source (servant de dictionnaire lors de la recherche de similarités) est décomposé
en deux domaines A et B, de surfaces identiques. Comme présenté en figure 1.6, A constitue le
voisinage proche du bloc considéré, et B est représenté par un voisinage périphérique à A. Ainsi,
pour chaque bloc de destination :
– si le bit à insérer est un ’0’, la recherche du bloc similaire s’effectue à l’intérieur de A,
– si le bit à insérer est un ’1’, la recherche du bloc similaire s’effectue à l’intérieur de B.
F IG . 1.6 : Domaines de recherche des blocs Source A et B
10
La détection de la marque s’effectue en procédant à une recherche d’IFS sur l’image testée,
mais en tenant compte de l’ensemble des blocs Source (A + B). Chaque bit de la marque détectée
est obtenu en examinant à quel bloc destination correspond chaque bloc.
D’après P. Bas [1], "le schéma présenté insère la signature par substitution de blocs de l’image.
La substitution est totale car l’image originale est remplacée par le résultat d’une compression fractale. La taille des images est donc réduite, ce qui peut s’avérer utile dans un contexte de diffusion.
Cependant, la compression entraîne une perte de qualité lors de l’insertion de la signature. Une
autre faiblesse de ce schéma concerne une ’relative facilité’ à enlever la signature en appliquant à
nouveau une étape de compression par fractales avec des domaines A et B différents."
Cette méthode rappelle celle du Patchwork. La faible capacité de la marque peut aussi être un
désavantage, comparé à la majorité des autres techniques, dont le ratio est plus important.
Nous venons de voir quelques techniques de marquage dans le domaine spatial, où la marque
est généralement directement appliquée sur les pixels de l’image. Nous allons voir maintenant
comment la signature peut être insérée dans les composantes fréquentielles de l’image.
1.2.4
Insertion dans le domaine fréquentiel
Les schémas de tatouage intervenant sur les fréquences ont pour avantages en général d’être
robustes aux compressions telles que JPEG pour les images ou MPEG2 pour la vidéo. Toutes les
techniques utilisent une transformation vers une représentation fréquentielle. Ce sont les coefficients obtenus qui porteront la marque. Nous allons examiner les cas de :
– la transformée en Cosinus Discrète,
– la transformée de Fourier.
La transformée en Cosinus Discret (DCT)
Alurki et Mersereau [11] propose une méthode de tatouage par modulation de phase sur les
coefficients de la DCT. Soit l’image à tatouer I(n1 , n2 ) de taille N1 ∗ N2 , où (n1 , n2 ) représente
les coordonnées d’un pixel. Soit I 0 (k1 , k2 ) la transformée de I par la DCT définie par exemple
par :
NX
NX
1 −1
2 −1
1
k1
k2
I [k1 , k2 ] = C[k1 ]C[k2 ]
cos (2n1 + 1)π
cos (2n2 + 1)π
I[n1 , n2 ],
4
2N1
2N2
n1 =0
n2 =0
√
(1/ 2) si k = 0,
avec :
C[k] =
1 sinon.
0
Le résultat de cette transformée est alors divisé en deux sous-ensembles. Le premier, E1 ,
contient les coefficients de plus haute fréquence (dans lesquelles les variations apportées dans
l’image sont moins visibles par le système visuel humain). Le second, E2 contient les autres
coefficients. La marque sera appliquée aux coefficients de l’ensemble E1 afin de limiter les dégradations visibles pas le système visuel humain. La marque M est binaire (0 ou 1) et les coefficients
porteurs seront sélectionnés de façon pseudo-aléatoire. Soit |Xi | la valeur absolue du coefficient
choisi, appartenant à E1 , la marque est intégrée de la façon suivante :
Xi,W = |Xi |(−1)1−M (i) ,
où M (i) représente la ime valeur de la marque M .
11
Puis l’image ainsi marquée est reconstruite dans le domaine spatial pour obtenir IW (n1 , n2 ).
La détection consiste à étudier le signe des coefficients appartenant à l’ensemble E1 . Si ce
signe est négatif, la valeur du bit détecté est 0, sinon 1.
D’après les auteurs, cette méthode permet d’avoir un marquage invisible, d’être robuste aux
attaques par compression. En revanche, les déformations géométriques désynchronisent ou détruisent la marque.
Nous proposons d’illustrer une autre approche présentée par Koch et al. en 1995.
• Etape d’insertion :
1. Soit une séquence de K bits (b1 , ..., bK ) à cacher dans l’image ;
2. Sélectionner dans l’image selon une clé secrète K blocs (B1 , ..., BK ) de taille 8 × 8 ;
3. Calculer les coefficients DCT ai de chaque bloc Bi sélectionné :

ai (1, 1) ... ai (1, 8)
;
...
...
ai = 
i
i
a (8, 1) ... a (8, 8)

4. Pour i allant de 1 à K,
Soient ai (m, n) et ai (p, q) deux des coefficients DCT du bloc Bi et bi le bit à cacher ;
Si (bi = 1) et ai (m, n) > ai (p, q) ou (bi = 0) et ai (m, n) < ai (p, q) , alors ne
rien faire ;
Sinon modifier les valeurs ai (m, n) et ai (p, q) pour que la relation soit vérifiée (par exemple
par permutation).
5. Calculer la DCT inverse à partir des valeurs ainsi modifiées afin d’obtenir l’image marquée.
• Etape d’extraction :
1. Retrouver les blocs marqués grâce à la clé secrète ;
2. Calculer les coefficients DCT associés aux blocs sélectionnés ;
3. Comparer les valeurs des coefficients DCT afin de déterminer si le bit concerné du message
est un 0 ou un 1.
Puisque cette méthode s’appuie sur une découpe prédéfinie de l’image, elle est aisément mise
en difficulté face à une attaque géométrique. De plus l’algorithme peut être difficile à régler en
termes de compromis entre invisibilité et robustesse. En effet, soit les coefficients (m, n) et (p, q)
à perturber sont choisis dans les basses fréquences et dans ce cas le tatouage est robuste mais visible, soit ils sont choisis dans les hautes fréquences et dans ce cas, le tatouage n’est pas robuste à
des filtres passe-bas ou à la compression.
La transformée de Fourier
Une méthode de marquage, utilisant la transformée de fourier 2D est proposée par Solachidis
et Pitas [12]. Soit I(n1 , n2 ) une image en niveau de gris de taille N1 ∗ N2 . La transformée de
Fourier de I est :
I 0 (k1 , k2 ) =
NX
1 −1 N
2 −1
X
n1 =0 n2 =0
− j2πn1 k1 j2πn2 k2
−
N1
N2 .
I(n1 , n2 )e
12
Soit A(k1 , k2 ) = |I 0 (k1 , k2 )| l’amplitude et P (k1 , k2 ) la phase de la transformée de Fourier.
0 la transformée de Fourier de
Soit M la marque, AW l’amplitude de Fourier modifiée, IW
l’image marquée. L’opération de marquage est :
AW (k1 , k2 ) = A(k1 , k2 ) + αM (k1 , k2 ).
La marque consiste en une séquence aléatoire définie sur un support en forme d’anneau dans
le domaine de Fourier, et prenant des valeurs 1 ou -1. Elle a une valeur moyenne de 0. Elle se
définit comme suit :
0 si r < R1 ou r > R2 ,
M (r, θ) =
±1 si R1 < r < R2 .
F IG . 1.7 : Valeurs de la marque M en fonction des valeurs des rayons R1 et R2
!
k
2
où r =
k12 + k22 , θ = arctan
et R1 et R2 sont les rayons définissant les limites de
k1
l’anneau. Ces valeurs sont illustrées sur la figure 1.7. α dénote la force de la marque (la méthode
permettant de fixer ce coefficient n’est pas présentée dans l’article [12]).
Pour s’assurer que la transformée inverse donne une image réelle, il faut vérifier la symétrie
de la marque : Mk,l = MNk ,Nl , ∀k, l ∈ [1, N ]. L’image marquée est donnée par la transformée de
0 (k , k )), avec I 0 (k , k ) = A (k , k )eP (k1 ,k2 ) .
Fourier inverse : IW (n1 , n2 ) = IDF T (IW
1 2
W 1 2
W 1 2
L’image originale n’est pas nécessaire dans la partie de la détection. La corrélation cc entre
l’amplitude AW et la marque M est utilisée pour déterminer la présence de la marque :
p
cc =
P1 X
P2
X
1
M (k1 , k2 )AW (k1 , k2 ),
1
avec P1 et P2 taille de la marque.
Ensuite, il est décidé que IW porte la marque M si cc ≥ T , sinon IW ne porte pas la marque
M . T est le seuil de décision. Cette constante n’est pas définie par les auteurs.
D’après les auteurs, cette méthode est robuste aux attaques de compression, filtrage, torsion,
translation, rotation et changement d’échelle.
1.2.5
13
Insertion dans le domaine multirésolution
Le domaine multirésolution offre plusieurs avantages. Il est avant tout le domaine utilisé dans
les standards de compression les plus récents, ce qui peut rendre les algorithmes l’utilisant robuste
à la compression JPEG 2000. Le second avantage est de pouvoir choisir la bande fréquentielle
qui porte la marque, afin de contrôler les dégradations visuelles, plus perceptibles dans les basses
que les hautes fréquences. Cette propriété, liée à la dégradation de sensibilité du système visuel
humain au contraste dans les hautes fréquences, a été mise en évidence par différentes études,
comme celle menée par Virsu [13] dès 1979.
La transformée en ondelettes est l’une des opérations qui permet d’obtenir une représentation
multirésolution des signaux. Nous présenterons brièvement la décomposition en ondelettes dans
le chapitre 5. Notons que le résultat d’un transformée en ondelettes numériques d’une image correspond à la représentation présentée en figure 1.8. Une première décomposition (D = 1) permet
F IG . 1.8 : décomposition en ondelettes à l’échelle 2 d’une image
d’obtenir les imagettes cj1 avec j = {h, v, d} et BF1 . La résultat d’une deuxième décomposition
(D = 2), réalisée à partir de l’imagette BF1 , permet d’obtenir les imagettes cj2 avec j = {h, v, d}
et BF2 . Les imagettes BFD correspondent à une représentation grossière de l’image, tandis que
les imagettes cjD représentent les détails relatifs aux variations verticales (cvD ), horizontales (chD )
et diagonales (cdD ) de l’image, à différentes fréquences (suivant la valeur de l’échelle de décomposition D).
Kundur et al. [14] proposent d’utiliser les propriétés de cette transformée pour insérer une
marque de la façon suivante.
La marque est une matrice de valeurs réelles (l’auteur utilise une marque binaire). Celle-ci doit
être de taille inférieure à l’image. Nous notons I(m, n) l’image originale et M (m, n) la marque.
La technique d’insertion est décomposée en trois parties :
• L’image est décomposée à l’échelle D par une transformée en ondelettes. Nous obtenons
l’ensemble des coefficients Ik,d , où k = 1, 2, 3 représente les imagettes traduisant les variations
horizontales, verticales et diagonales de l’image, et d = 1, ..., D le nombre de décompositions
successives. La marque est aussi décomposée sur une échelle et nous obtenons alors Mk,1 . Notons
que Mk,1 est de taille inférieure à Ik,d .
• Les coefficients résultants de la décomposition en ondelettes de l’image sont segmentés en
i (m, n) où i = 1, ..., 22(P −d)
rectangles non imbriqués. Nous notons les ensembles obtenus par Ik,d
avec P ≥ D. Un facteur de saillance S (valeur numérique de mesure d’importance visuel) est
calculée suivant :
14
i
S(Ik,d
(m, n)) =
X
0
i
C(u, v)|Ik,d
(u, v)|2 ,
∀(u,v)
où C est une matrice liée à la sensibilité au contraste donnée par :
C(u, v) = 5, 05 e−0,178(u+v) (e0,1(u+v) − 1).
0
i (u, v) la transformée de Fourier discrète de l’image I i (m, n).
et Ik,d
k,d
i
La marque est alors insérée dans la résultante IW
suivant
:
k,d
i
IW
k,d (m, n)
q
i
i (m, n)).M (m, n).
= Ik,d
(m, n) + γk,d . S(Ik,d
k,1
γk,d permet de contrôler le compromis entre invisibilité et robustesse de la marque :
γk,d =
α
max pour tout (m, n)
q
,
i (m, n))
S(Ik,d
où α représente 10% à 20% de la valeur moyenne des niveaux de gris de l’image originale.
Notons que plus S est important, plus la marque est fortement imprégnée dans l’image.
• L’image marquée est ensuite reconstruite par application de la transformée en ondelettes
i
inverse sur (IW
k,d (m, n)).
La marque est extraite de l’image marquée par comparaison avec l’image originale ce qui
limite son intérêt. Elle est robuste à la compression et à l’ajout de bruit.
Nous présenterons une autre technique utilisant le domaine multirésolution dans le chapitre
suivant.
1.2.6
Conclusion
De nombreuses techniques de tatouage sont ainsi définies pour des images en niveaux de gris.
Le choix d’une technique dépend du domaine d’application du tatouage. Chacune des stratégies a
ses caractéristiques, nous pouvons extraire les constatations générales suivantes :
– Les techniques d’insertion dans le domaine spatial peuvent être robustes aux attaques géométriques telle que la rotation. Elles sont généralement rapides et donc adaptables facilement aux vidéos.
– Les techniques d’insertion dans le domaine fréquentiel sont généralement robustes à la compression (JPEG) et à différents filtrages. L’utilisation de la transformée de Fourier permet
dans certains cas de résister aussi aux attaques géométriques.
– L’insertion d’une marque dans le domaine multirésolution peut permettre de combiner les
caractéristiques des deux autres domaines. De plus, la technique est adapté aux tatouages
tenant compte de l’aspect psychovisuel, compte tenu qu’elle permet à la fois de garder un
sens spatial et de choisir les fréquences où seront insérées la marque.
Nous venons de voir les techniques définies pour les images en niveaux de gris. Afin de traiter
l’aspect couleur, nous allons étudier les différentes méthodes actuellement exploitées dans le cadre
particulier des images couleur.
1.3. Spécificités du tatouage couleur
1.3
15
Spécificités du tatouage couleur
Afin d’organiser cette étude sur les techniques de tatouage des images couleur, nous pouvons
les classer de plusieurs façons en considérant le domaine d’insertion de la marque, les applications
visées, les espaces de représentation de la couleur considérées, etc. Nous choisissons de diviser
ces techniques en trois groupes :
– les techniques de tatouage des images définies par un nombre restreint de couleurs (images
indexées),
– les techniques dérivées de celles utilisées dans le cadre des images en niveaux de gris,
considérant un marquage indépendant d’une ou plusieurs composantes,
– les techniques de tatouage prenant entièrement en compte la dimension couleur des images.
1.3.1
Techniques spécifiques des images couleur indexées
Les techniques basées sur une représentation indexée de la couleur sont peu nombreuses, et
récentes (de l’année 2000 à aujourd’hui pour celles que nous présentons dans ce paragraphe). Il
est possible d’obtenir une représentation indexée des images couleurs définies par 8 bits (3*256
niveaux de gris) à l’aide d’une table. Le problème majeur de ces techniques est relatif aux dégradations visuelles intégrées à l’image marquée. En effet, deux valeurs consécutives dans la table des
couleurs correspondante peuvent représenter des couleurs visuellement très différentes. Le risque
d’apparition de fausses couleurs peut être important, par exemple si la technique de tatouage utilisée correspond à une technique adressée initialement à des images en niveaux de gris. Le tatouage
des images indexées nécessite donc la mise en place de méthodes appropriées, prenant en considération la notion d’ordonnancement des vecteurs couleur.
Une première technique originale, adaptée aux images définies par moins de 256 niveaux de
couleur, est proposée par Pan et al. [15]. La technique consiste à modifier les pixels qui sont à la
frontière de zones colorées, car dans ce cas la modification est beaucoup moins visible. En effet,
pour des images créées pour les bandes dessinées ou les dessins animés, les contours de région
sont bien distinctes des zones homogènes.
L’insertion de la marque est définie par le processus suivant :
• Les blocs (3 × 3 pixels) d’une image sont classés selon une valeur de rang. Le rang dénote
la dégradation apportée à l’image lorsque le pixel central d’un de ces blocs est modifié. Plus le
numéro de rang est grand, moins la dégradation est effective, et plus la priorité de tatouage du
bloc est importante. Cette dégradation est évaluée en fonction de la correspondance entre un bloc
et un motif appartenant à un dictionnaire prédéfini. Deux exemples de mise en correspondance et
quelques motifs sont présentés en figure 1.9.
• Suivant la valeur d’une clé K, une permutation contrôlée des blocs de même rang est effectuée.
• Ensuite, l’insertion des données M , constituées de m éléments, est appliquée à l’image résultante
de l’opération précédente, afin d’obtenir l’image marquée. L’insertion d’un élément affecte un bloc
permuté.
Ainsi, soit m le nombre de d’éléments à intégrer à l’image, les m blocs correspondant ayant
une valeur de rang associé le plus élevé seront modifiés.
Ce système est donc directement appliqué dans le domaine spatial. Cette méthode n’ajoute pas
de couleur extérieure à l’image originale, qui n’est pas nécessaire dans l’algorithme de détection
de la marque. Cette technique de tatouage aveugle se montre très efficace pour les images contenant de deux à vingt couleurs, pour des supports tels que les bandes dessinées.
16
(a) correspondance entre motif et bloc
(b) Quelques exemples de motifs appartenant au dictionnaire utilisé, les valeurs en noir correspondent à la valeur n de
la figure (a)
F IG . 1.9 : Illustration de la méthode proposée par Pan et al.
Une autre technique proposée par Chou et al. [16] permet également d’insérer une marque
couleur dans des images couleurs. L’image originale est transformée dans l’espace Lab où la
gamme des couleurs est analysée. Puis l’image est quantifiée. La marque est préalablement codée
suivant les transformations utilisées pour l’image originale (transformation vers la représentation
Lab puis quantification), puis subit des répétitions et des permutations suivant la clé, avant d’être
intégrée à l’image originale traitée. La marque traitée, notée mi = (mi1 , mi2 , mi3 ), est intégrée
au pixel pi par modification de l’index de quantification qi (dans l’espace Lab) suivant :
(
qiw = qi
si d(qbi , mi ) = 0,
qiw = qi + (vi1 .(qc
qia ⊕ mi2 ), vi3 .(c
qib ⊕ mi3 )) sinon.
iL ⊕ mi1 ), vi2 .(c
avec d(qbi , mi ) la distance de Hamming entre les vecteurs qbi et mi , vi = (vi1 , vi2 , vi3 ) est un
vecteur aléatoire avec vik = 1 ou −1, et
qbi = (c
qL , qba , qbb ) = (qiL mod 2, qia mod 2, qib mod 2).
La nouvelle image tatouée subit ensuite la quantification inverse et est rétablie dans l’espace
de représentation original. Selon les auteurs, cette technique est robuste aux attaques de filtrage
passe-bas, d’ajout de bruit Gaussien, de filtrage médian et géométriques.
Une autre technique, proposée par Akarun et al. [17], repose sur le contenu d’une palette.
La première étape consiste à quantifier l’espace de couleurs par l’algorithme de ’median-cut’. Il
consiste à partitionner de façon itérative l’espace des couleurs avec des plans perpendiculaires aux
axes des couleurs et passant par les valeurs médianes des données.
Deux cas sont alors possibles :
– toute la palette est utilisée dans la représentation de l’image,
– certaines valeurs de la palette ne sont pas utilisées par l’image.
Le premier cas n’est alors pas adapté à l’algorithme de marquage. Mais la palette obtenue comprend des couleurs que l’œil humain ne peut discerner. En utilisant cette propriété, il est possible
de libérer certaines couleurs de la palette, de façon qu’elles ne soient pas utilisées dans l’image à
tatouer. L’auteur propose que deux couleurs sont indiscernables si ∆E < 3 avec :
p
∆E = (L1 − L2 )2 + (a1 − a2 )2 + (b1 − b2 )2
(nous avons abordé cette définition de distance couleur dans le chapitre précédent).
17
Soit M (i) la marque, composée de couleurs n’appartenant pas à la palette. L’auteur précise
qu’une marque binaire (composée de deux couleurs) est plus robuste car le risque d’erreur de
détection est ainsi diminué. Soit cm la couleur la plus utilisée de la palette, définie donc par le pic
le plus élevé de l’histogramme couleur hC . Par contrainte, la marque contient un nombre d’élément
inférieur au nombre de pixels de la couleur cm , à savoir hC (cm ). De plus, chaque élément de la
marque doit être indiscernable de la couleur cm . Le marquage consiste alors à remplacer le ième
pixel de couleur cm par M (i).
Plus la taille de la marque est importante, plus sa robustesse est faible. L’article ne présente
aucun test de la robustesse face à des attaques, ce qui ne permet pas de conclure sur la qualité de
cette méthode. Cette technique ne provoque pas de dégradation visuelle de l’image.
1.3.2
Tatouage des images couleur suivant une approche marginale
Le principe qui relie les techniques présentées dans ce paragraphe est d’envisager le tatouage
comme applicable de façon indépendante sur une ou plusieurs composantes. Nous présentons trois
groupes d’approches marginales :
– Le premier groupe d’articles présente des techniques où seule une composante est tatouée.
– Le deuxième groupe permet de présenter un tatouage de deux ou trois composantes couleurs
et de voir les particularités des différentes composantes face au tatouage.
– Le dernier groupe concerne une méthode rétroactive afin de contrôler la dégradation apportée par le marquage d’une ou plusieurs composantes.
1.3.2.1
Tatouage d’une seule des composantes couleur
Marquage de la composante bleue
La première technique que nous présentons dans ce paragraphe est proposée par Kutter et al.
[18] [19]. L’idée principale est de tatouer la composante bleue IB , car selon Kutter l’œil est moins
sensible aux variations qui correspondent à ces longueurs d’onde, comme nous l’avons indiqué
dans le paragraphe ?? du chapitre 3. Un bit M (x, y) = {0; 1} de la marque binaire est intégré à
un pixel de la façon suivante :
IB,W (x, y) = IB (x, y) + α(2M (x, y) − 1).L(x, y),
où L(x, y) représente la luminance en ce point et α la force de marquage.
Afin de détecter un bit de la marque, une prédiction IˆB (x, y) de la valeur originale du pixel
marqué est nécessaire. Elle est basée sur une combinaison linéaire des valeurs des pixels du voisinage concerné, et se traduit par :
1
IˆB (x, y) =
4c
c
X
k=−c
IB,W (x + k, y) +
c
X
!
IB,W (x, y + k) − 2IB,W (x, y) ,
k=−c
où c est la taille du voisinage, défini selon la forme d’une croix permettant, selon l’auteur, d’obtenir
les meilleurs résultats.
Notons que cette prédiction repose sur deux hypothèses :
– la valeur du pixel de l’image initiale est constante sur un proche voisinage ;
– la valeur moyenne de la marque sur un proche voisinage est égale à 0.
18
Le signe de la différence δ entre la valeur testée et la prédiction du pixel détermine la valeur
du bit de la marque détectée :
δ = IB,W (x, y) − IˆB (x, y).
La marque est insérée plusieurs fois et selon un schéma défini à l’aide d’un algorithme pseudoaléatoire. D’après les auteurs, cette méthode est robuste à la compression JPEG, aux attaques géométriques (du fait de la répétition de la marque) et à la composition avec une autre image. Notons
cependant qu’un simple filtrage de l’image peut empêcher la détection de la marque, du fait des
erreurs alors introduites dans l’opération de prédiction de IˆB (x, y).
Marquage de la composante teinte de l’espace HSV
Van Schyndel et al. [20] proposent de marquer la composante teinte (Hue) de l’espace HSV.
Cet espace permet d’avoir une représentation polaire de la couleur. C’est la teinte qui traduit
l’angle de la couleur (0˚=360˚ correspond à la couleur rouge, 120˚ représente le vert et 240˚ le
bleu). La méthode d’insertion de la marque M (matrice comprenant des valeurs angulaires) est
additive, et est définie telle que :
M (x, y)
,
α
où le coefficient α a pour but de limiter l’excursion angulaire entre −π et π.
La marque est extraite par comparaison avec l’image originale. Une mesure de corrélation
entre la marque détectée et la marque de référence permettra de décider de la correspondance
entre les deux. L’opération de détection est de la forme :
HW (x, y) = H(x, y) +
MD (x, y) = α(HW (x, y) − H(x, y)).
La méthode est simple à réaliser, une fois la transformation en coordonnées polaires des couleurs effectuée. Cet article ne précise pas quelles attaques peuvent détruire ce marquage. Toutefois,
la détection nécessite l’image originale, ce qui réduit l’intérêt de cette méthode.
1.3.2.2
Tatouage de plusieurs composantes couleur
Marquage des coefficients multirésolution des trois composantes couleur
Mussa et al. [21] proposent de répartir une marque sur les trois composantes couleurs. La
marque M peut être une image, en niveaux de gris ou en couleur. Elle est ensuite divisée en
trois parties, par une sélection aléatoire des pixels. Une transformée en ondelettes est appliquée
indépendamment aux trois composantes couleur de l’image. Les trois parties M1 , M2 et M3 de
la marque seront réparties sur les trois résultantes passe-haut de la dernière échelle, suivant la
figure 1.10.
Pour répondre au préalable à l’attaque d’un bruit blanc, la marque est intégrée deux fois par
imagette dans chacune des composantes : une sur les coefficients de coordonnées ’paires’ et une
sur les coefficients de coordonnées ’impaires’. Deux formules de marquage sont donc utilisées :
XW,(2i−1) = X(2i−1) (1 + αMi ),
qui représente le marquage ’positif’ avec Mi qui représente la marque, α le poids permettant de
contrôler le compromis entre robustesse et invisibilité, XW,(2i−1) la valeur marquée et X(2i−1) les
points numérotés impairs de l’imagette concernée.
19
F IG . 1.10 : Intégration des trois parties de la marque dans les coefficients d’ondelette des composantes couleur, cas où l’échelle de décomposition est D = 2
XW,(2i) = X(2i) (1 − αMi )
représente le deuxième marquage, en ’négatif’.
Les marques sont retrouvées en utilisant l’image originale, de la façon suivante :
Mi1 =
XW,(2i−1) /X(2i−1) − 1
α
et
Mi2 =
XW,(2i) /X(2i) − 1
.
α
La marque détectée correspond à la moyenne de Mi1 et Mi2 . La décision de la correspondance
entre la marque détectée et la marque initiale sera réalisée par une mesure de corrélation.
La méthode est simple, et semble robuste au bruit, au changement d’échelle et au fenêtrage,
d’après les mesures faites par l’auteur. Toutefois, la détection requiert là aussi l’image originale.
Intégration de deux marques indépendantes dans les composantes bleue et rouge
Boulgouris et al. [22] proposent de tatouer indépendamment les composantes bleue et rouge
de l’espace RGB. Cette méthode a selon les auteurs pour principale application l’indexation. Deux
marques sont intégrées dans le domaine spatial : une contenant des informations sur la segmentation et l’autre portant des informations sur l’indexation.
La première marque est intégrée sur la composante bleue car comme nous l’avons déjà vu dans
l’étude de la technique de Kutter [18], les variations dans cette composante sont moins visibles
par l’œil humain. Elle est basée sur une segmentation de l’image suivant quatre classes, chacune
représentée par un symbole (dont ’0’ pour le fond de l’image). Cette segmentation est appliquée
sur la valeur moyenne de blocs de taille 8 × 8 sur l’image originale. Un symbole unique est intégré
à chaque région de l’image afin de rendre possible la détection. Les pixels d’un bloc (l1 , l2 ) de
taille 8 × 8 de la composante bleue IB de l’image sont modifiés selon le processus de tatouage
suivant :
IW (l1 ,l2 )B (x, y) = IB [8l1 + x, 8l2 + y] + al1 ,l2 M (x, y),
20
où (l1 , l2 ) représente les indices du bloc traité, (x, y) sont les indices spécifiant la position des
pixels à l’intérieur du bloc, et al1 ,l2 est un facteur de modulation variant selon :
al1 ,l2


−3



−1
=

+1



+3
si le bloc (l1 , l2 ) appartient au fond de l’image ou n’est pas classé,
si le bloc (l1 , l2 ) appartient à la première région,
si le bloc (l1 , l2 ) appartient à la seconde région,
si le bloc (l1 , l2 ) appartient à la troisième région,
et M(x,y) est la matrice représentant la marque qui est la même pour tous les blocs de l’image et
donnée par :
(
1 si x + y est paire,
M (x, y) =
(1.1)
−1 si x + y est impaire.
La détection de la marque est appliquée à chaque bloc. Pour cela, il faut calculer la corrélation
entre l’intensité IW (l1 ,l2 )B (x, y) de chaque pixel marqué dans chaque bloc et M (x, y). Le résultat
du détecteur par bloc (l1 , l2 ) est donné par :
ql1 ,l2 =
1 XX
I
(x, y)M (x, y),
N x y W (l1 ,l2 )B
où N est le nombre de pixels dans un bloc. D’après les auteurs, la règle optimale pour extraire le
label du bloc (l1 , l2 ) est


0 si ql1 ,l2 < −2,



1 si − 2 < q
l1 ,l2 < 0,
s=
2 si 0 < ql1 ,l2 < 2,



3 si 2 < q .
l1 ,l2
La seconde marque binaire est intégrée à la composante rouge. Pour chaque région, huit valeurs caractéristiques, décrites chacune par huit bits, sont ordonnées dans un vecteur de 64 bits.
Chaque bit du vecteur est intégré dans un bloc de la région correspondante. Le processus de marquage est défini par :
IW (l1 ,l2 )R (x, y) = IR [8l1 + x, 8l2 + y] + al1 ,l2 M (x, y),
où M est défini suivant l’équation (1.1) et al1 ,l2 est un facteur de modulation variant selon :
(
1 si le bit intégré est 1,
al1 ,l2 =
−1 si le bit intégré est 0.
La détection est basée sur une corrélation définie par :
1 XX
I
(x, y)M (x, y).
ql1 ,l2 =
N x y W (l1 ,l2 )R
Si la valeur q du détecteur est inférieure à 0, alors le bit détecté vaut 0, sinon 1.
Cette méthode utilise les composantes bleue et rouge, pour lesquelles l’œil est le moins sensible aux variations, afin d’intégrer deux marques différentes.
21
L’idée est donc d’intégrer des marques indépendantes dans des composantes différentes. Cela
peut constituer une première solution pour exploiter la dimension couleur de l’image. Ainsi, des
techniques de tatouage différentes (en particulier robustes à des attaques différentes) peuvent être
intégrées suivant les différentes composantes de l’image. D’un côté, il est possible d’augmenter
le ratio de la marque par rapport à l’image, et de l’autre d’augmenter la robustesse de cette marque.
F IG . 1.11 : Sensibilité S de l’œil aux composantes RGB
Décorrélation des composantes RGB
La technique proposée par Boccardi et al. [23], consiste à décorréler les composantes couleur
du système RGB avant d’intégrer une marque à chacune de ces composantes décorrélées. En
effet, le principal intérêt de cet article est de proposer une méthode de détection optimale de la
marque. Mais puisque les composantes RGB sont fortement corrélées (cf. figure 1.11), l’efficacité
de la détection dans cet espace est fortement réduite. La méthode de décorrélation proposée est
l’application de la transformée de Karhunen-Loeve. Ensuite, la marque est insérée sur les trois
résultantes de la transformée de Fourier discrète (DFT). Le marquage s’effectue alors par un simple
schéma additif :
y W,i = yi (1 + αMi ),
où yW,i représente la valeur du ième coefficient marqué, yi la valeur du ième coefficient original
de la DFT, Mi est le ième coefficient de la marque et α est l’énergie de la marque. La marque M
consiste en une marque de N nombres réels générés de façon pseudo-aléatoire.
D’après les auteurs, cette méthode est robuste à la compression JPEG, au bruit additif, au
réhaussement du contraste, aux tatouages multiples, aux changements d’échelle et aux attaques
combinées. L’algorithme de détection fait intervenir des fonctions statistiques et certains paramètres sont soumis à des lois d’estimation. L’auteur se base sur la théorie de décision de Bayes,
afin de décider si la marque est présente ou non dans l’image. Il est ainsi défini que la marque est
présente dans l’image si une fonction de vraisemblance est supérieure à un seuil (et inversement).
Les formules proposées par l’auteur pour définir la fonction de vraisemblance (calculée à partir
des coefficients de la DCT des trois composantes couleur), et en particulier pour la valeur du seuil
sont complexes et ne peuvent pas être détaillées içi. Nous invitons le lecteur à se reporter directement à l’article [23].
22
Pondération du marquage des composantes RGB suivant des propriétés du système visuel
humain
La méthode proposée par Barni, Piva et al.[24], utilise une transformée en cosinus discrète,
appliquée à chaque composante de l’image. La marque est ajoutée aux coefficients, pour chacune
des composantes RGB, avec des pondérations de marquage particulières. Ces pondérations seront
calculées en fonction des énergies spectrales correspondantes (au maximum des longueurs d’onde
des couleurs R, G et B), selon la méthode détaillée ci-après.
Soient I l’image couleur initiale, et R, G et B les composantes extraites. Les trois composantes
sont décomposées par la DCT. Les coefficients de chaque plan sont ensuite réorganisés par une
méthode en "zig-zag" (utilisé dans le domaine de la compression), ce qui permet de les classer
dans l’ordre des plus basses aux hautes fréquences, comme présentée sur la figure 1.12.
F IG . 1.12 : lecture des coefficients par la méthode en "zig-zag"
La marque M est composée de n éléments : M = {m1 , m2 , ..., mn }. Les coefficients DCT
entre (k + 1) et (k + n) sont sélectionnés et l’intégration de la marque se fait indépendamment sur
les trois vecteurs :
VR = {vRk+1 , vRk+ , ..., vRk+n },
VG = {vGk+1 , vGk+ , ..., vGk+n },
VB = {vBk+1 , vBk+ , ..., vBk+n }.
Les éléments du vecteur marqué sont définis par :
vR,Wk+i = vRk+i + αR |vRk+i |mi ,
vG,Wk+i = vGk+i + αG |vGk+i |mi ,
vB,Wk+i = vBk+i + αB |vBk+i |mi ,
où i = {1, 2, ..., n}, et les coefficients αR , αG et αB contrôlent la force de marquage. Ces coefficients sont déterminés à l’aide de l’efficacité spectrale lumineuse E(λ) : αR = E(λR ) , αG =
E(λG ) et αB = E(λB ).
La courbe 1.13 présente les différentes sensibilités de l’œil pour l’ensemble des couleurs visibles. Nous remarquons par exemple qu’une stimulation dans le bleu doit être 10 fois plus forte
qu’une stimulation dans le vert pour que l’énergie perçue par l’œil soit équivalente. La force totale
de marquage est donnée par αR,G,B = αR + αG + αB . Les valeurs des énergies de marquage
23
F IG . 1.13 : sensibilité spectrale de l’œil
appliquées pour chaque composante sont alors définies par les équations suivantes :


αR + αG + αB = αR,G,B ,
αR /αG = E(λG )/E(λR ) = 1, 89 ,


αB /αG = E(λG )/E(λB ) = 10, 48 .
L’image marquée est obtenue par DCT inverse pour chaque plan, en tenant compte des nouveaux
coefficients obtenus.
La procédure de détection débute de la même façon par une décomposition par DCT de l’image
marquée IW , puis les coefficients sont aussi réorganisés en "zig-zag", et enfin les vecteurs VR,W ,
VG,W et VB,W sont définis par les coefficients compris entre (k + 1) et (k + n). Ensuite les
corrélations ρR , ρG et ρB entre les ensembles des coefficients de VR,W , VG,W et VB,W et M sont
calculés. La corrélation totale ρR,G,B est la somme des valeurs ρR , ρG et ρB .
Un seuil global TρR,G,B est calculé à partir des caractéristiques statistiques de l’image. En
invoquant le théorème central limite, ρR,G,B est considéré comme une distribution normale. Suivant l’hypothèse que αR , αG , αB << 1, et dans le but de minimiser la probabilité d’erreur de
détection, les auteurs proposent le seuil suivant :
TρR,G,B =
αR µ̄|vR | + αG µ̄|vG | + αB µ̄|vB |
,
3
où :
µ̄|vR | =
n
n
1X
1X
E[|vRi |] ≈
|vRi |
n
n
i=1
i=1
qui représente la valeur moyenne de l’espérance de vRi sur l’ensemble des coefficients marqués
dans le canal R (de même pour les canaux G et B). Si ρR,G,B est inférieur à TρR,G,B , la marque est
détectée, sinon, elle est rejetée.
24
Dans l’article de Barni et al. [25], la méthode de marquage proposée est identique. Nous remarquons cependant que les coefficients permettant de contrôler la force de marquage ne sont pas
les mêmes :


αR + αG + αB = αR,G,B ,
αR /αG = E(λG )/E(λR ) = 1, 37 ,


αB /αG = E(λG )/E(λB ) = 3, 24 .
Une étude supplémentaire est menée pour comparer cette méthode de marquage des trois composantes au marquage de la composante de luminance seule. Il est démontré que les erreurs de
détection sont moins importantes lorsque les trois composantes sont marquées. En effet, face à des
attaques telles qu’un bruit additif, la compression JPEG, le changement d’échelle, le marquage de
la composante luminance seule se montre selon les auteurs peu robuste comparé à la technique sur
les trois plans.
Les caractéristiques de la sensibilité spectrale de l’œil sont directement utilisées dans cet algorithme, nous abordons ici la notion de tatouage psychovisuel.
Ces techniques, bien que marginales, tiennent compte des propriétés physique du système visuel humain pour adapter le tatouage. Les deux techniques suivantes ont la même propriété, mais
avec une approche différente, appliquée sur une ou plusieurs composantes.
1.3.2.3
Technique utilisant un procédé rétroactif afin de contrôler les forces de marquage
d’une ou plusieurs composantes tatouées marginalement
Nous allons préciser la technique définie par Fleet and Hegger [26]. Cette technique illustre la
stratégie utilisant des motifs périodiques de synchronisation, par la construction d’une grille dans
le domaine fréquentiel. De plus, cette technique utilise un modèle du système visuel humain, dans
l’espace s-CIELab, afin de limiter les dégradations visuelles lors de l’intégration de la marque
représentée sous la forme de signaux sinusoïdaux. Selon les auteurs, cette méthode doit permettre
de palier aux attaques de types conversions Numérique/Analogique et Analogique/Numérique,
ainsi que les rotations et le changement d’échelle.
La technique de tatouage est la suivante. Une somme de sinusoïdes S(x, y) est intégrée dans
une composante particulière codant l’opposition entre les couleurs jaune et bleue. Cette marque,
basée sur de hautes fréquences spatiales pour lesquelles l’oeil humain est moins sensible aux différences, est insérée de façon itérative. Une itération peut être résumée ainsi : tant que le marquage
n’est pas visible, la marque peut être encore ajoutée. Les pixels concernés sont choisis en fonction
de la valeur de différence couleur :
∆E(x, y) =
p
(L0 (x, y) − L(x, y))2 + (a0 (x, y) − a(x, y))2 + (b0 (x, y) − b(x, y))2 .
que nous avons déjà abordé dans le chapitre sur la couleur, plus précisément dans le paragraphe ??
concernant les métriques couleur.
Cette distance euclidienne est appliquée à l’espace s − CIELab (perceptuellement uniforme),
car toute valeur de ∆E(x, y) supérieure à un certain seuil T (généralement T = 3) indique qu’il
y a une différence visuelle entre les deux couleurs considérées. A chaque itération ∆E(x, y) est
converti en facteur d’atténuation :
α(x, y) =
2
2 + max [0, ∆E(x, y) − 1]
2
.
25
Finalement, la marque intégrée devient :
M (x, y) = (
n
Y
αi (x, y))S(x, y),
i=1
où n représente le nombre d’itérations.
Le module de détection extrait les fréquences qui correspondent aux sinusoïdes intégrées, sans
que cette opération ne nécessite l’image originale. Les sinusoïdes agissent comme une grille, offrant une structure coordonnée de l’image. De ce fait, les pics du spectre fréquentiel du canal Y B
(jaune-bleu) sont relevés. Ils permettent de déterminer et d’évaluer les déformations géométriques
appliquées à l’image marquée. Ce qui permet de réorienter ou reformer l’image marquée telle
qu’elle était à l’origine.
Dans cet article, la notion de couleur apparaît dans l’utilisation d’un espace permettant de
mieux gérer le problème de visibilité de la marque pour le système visuel humain. Nous retrouvons
de nouveau l’utilisation d’une composante, en partie représentant le bleu, dans l’idée de réduire la
visibilité de la marque.
La méthode de camouflage de la marque se base sur les problèmes de dégradation vis-à-vis du
système visuel humain, en travaillant itérativement et en mesurant la dégradation induite sur une
composante qui porte le moins d’information pour l’œil et des fréquences pour lesquelles celui-ci
ne peut pas percevoir de différences. Toutefois, face à des attaques courantes, telles que des filtrages passes-bas, cette méthode n’est pas robuste car ces attaques suppriment les pics fréquentiels.
Cependant cette technique est très intéressante, du fait de l’approche rétroactive. En effet, le
choix de la force de marquage va dépendre de son effet sur l’aspect visuel de l’image. Il permet
ainsi d’obtenir la meilleure robustesse de la marque sans introduire de dégradation visuellement
perceptible. Contrairement à la majorité des techniques de tatouage, l’algorithme, appliqué à toute
l’image, tient compte des variations locales de l’image.
1.3.3
Les techniques de tatouage spécifiques à la couleur
Les techniques que nous présentons dans ce paragraphe utilisent l’écriture tridimensionnelle
de la couleur. Nous proposons de les classer en trois groupes. Le premier groupe illustre la stratégie
vectorielle. Le second groupe permet d’étudier des techniques où des informations de composantes
sont intégrées dans d’autres composantes. Le troisième groupe présente des techniques originales
et spécifiques à la représentation de la couleur.
1.3.3.1
Techniques classiques de tatouage, basées sur l’insertion d’une marque
Winkler et Kutter [27] tentent de modéliser les problèmes de la visibilité du tatouage numérique en développant un masque de pondération basé sur les caractéristiques du système visuel
humain et les contrastes locaux de l’image.
Soit M = {m0 , ..., mN } la signature binaire à insérer dans une image I. Soit IW l’image
tatouée générée de la façon suivante :
N
X
IW (x, y) = I(x, y) +
α(x, y)mi Si (x, y),
i=0
où Si représentent des ensembles de positions de la marque dans l’image, avec Si ∩ Sj = 0 si
i 6= j, et la réunion des ensembles Si couvre l’image. Ces ensembles peuvent être définis de façon
pseudo-aléatoire. Nous constatons que nous avons une insertion répétitive de la marque. α est une
26
fonction de pondération permettant d’adapter le tatouage à l’image de telle sorte que l’énergie de
tatouage ne dégrade pas l’image au-dessus d’un certain seuil (l’auteur ne propose pas de solution
pour déterminer ce seuil).
Lors de la détection, la déformation géométrique possible de l’image est évaluée à l’aide d’une
mesure d’autocorrélation (grâce à la répétition de la marque). L’opération proposée par l’auteur
est la suivante :
XX
M (x, y)M (x + u, y + v).
RM,M (u, v) =
x
y
Pour la détection, l’auteur propose de calculer la corrélation entre l’image tatouée et la marque.
Toutefois, afin d’améliorer la détection, les auteurs proposent l’application préalable d’un filtre,
opérant une moyenne locale. Nous avons déjà étudié précédemment un travail similaire de Kutter.
A , de taille A ∗ A, est défini par :
Dans le travail [27], le filtre H+

1
A−1



−
si x = 0 et 0 < |y| ≤
,


2A − 2
2



1
A−1
A
si x = 0 et 0 < |x| ≤
,
H+
: h+ (x, y) = −
2A − 2
2




1
si x = 0 et y = 0,



 0
ailleurs.
Après l’application de ce filtre, la corrélation entre l’ensemble des pixels de Si et les éléments
de la marque est effectuée. La valeur du bit caché est estimée en observant le signe de la corrélation, pour chaque élément. Si la corrélation est négative, le bit détecté est 0, sinon 1. Nous
retrouvons dans cette méthode le principe du tatouage par étalement de spectre.
Deux aspects du système visuel humain sont développés dans cet article : la sensibilité au
contraste et le masquage.
La sensibilité au contraste est définie comme l’inverse du seuil de visibilité, c’est-à-dire le
contraste minimal nécessaire pour que le stimulus (signal observé par l’œil) soit perceptible. Elle
dépend non seulement fortement de la fréquence spatiale des stimuli, mais aussi de leur couleur
et de leur intensité. En général, notre sensibilité est la plus haute pour des stimuli lumineux d’une
fréquence basse à moyenne.
Le masquage est un phénomène visuel très important, parce qu’il décrit les interactions entre
stimuli. Nous parlons de masquage quand un stimulus, qui est visible seul, ne peut être perçu
à cause de la présence d’un autre stimulus. Dans le contexte du tatouage numérique, la marque
est considérée comme le stimulus qui doit être masqué par l’image originale. Autrement dit, le
masquage augmente le seuil de la visibilité en fonction du contraste du masque.
Pour intégrer ces deux phénomènes, L’auteur propose de définir la pondération α(x, y) par :
α(x, y) = C0 k(x, y)lp(x, y),
où k(x, y) représente le seuil de visibilité, calculé à l’aide du contraste local, lp est la réponse
passe-bas de la sensibilité au contraste de l’œil et C0 le seuil de visibilité du tatouage. Pour optimiser le tatouage, l’auteur propose donc de contrôler la valeur de α(x, y) suivant le contraste local
de l’image (la méthode de calcul de ce contraste local n’est pas développée dans l’article). Ainsi la
marque sera plus fortement appliquée dans les zones à fort contraste (zones de hautes fréquences
spatiales), pour lesquelles l’œil humain perçoit moins les différences.
Un nouveau principe de masque de pondération a été présenté, basé sur un modèle du masquage et de la sensibilité du système visuel humain. Selon les auteurs, la qualité et la robustesse
de cette méthode doivent être développées dans de prochains travaux.
1.3.3.2
27
Techniques originales, spécifiques à la couleur, pour des applications diverses
Campisi et al. [28] proposent un algorithme de tatouage à partir d’une méthode de compression
des images couleur. L’espace choisi pour procéder à cette opération est YIQ. L’idée du tatouage
est de transposer des éléments de la décomposition en ondelettes des composantes I et Q à la place
d’éléments de la décomposition en ondelettes de la luminance Y. La nouvelle décomposition en
ondelettes est proposée sur la figure 1.14.
F IG . 1.14 : nouvelle décomposition en ondelettes de la luminance, après tatouage
L’idée de cette méthode est avant tout de réaliser une compression, et l’image tatouée résultante est alors en niveau de gris.
La détection est réalisée en appliquant une décomposition en ondelettes de l’image marquée.
Ensuite, la composante de luminance est reconstruite, en remplaçant les coefficients des imagettes
qui contiennent les informations sur les composantes I et Q par des ’0’. Les trois composantes
reconstruites sont enfin combinées pour obtenir l’image couleur.
La méthode présentée par Kostopoulos et al. [29] est, quant à elle, destinée à l’authentification.
La marque représente une approximation du contenu de la composante luminance de l’image
à tatouer, obtenue dans l’espace YUV. Cette information, sous forme binaire, est intégrée dans
les trois composantes couleur. Cette technique semi fragile permet d’authentifier le document. Il
permet aussi de récupérer certaines données perdues ou altérées par des attaques.
L’idée d’utiliser l’image originale pour créer la marque qui lui sera intégré permet des applications particulières dans les domaines de l’indexation et de l’authentification.
Les dernières techniques que nous présentons proposent d’utiliser l’aspect couleur en le considérant comme un élément clé du tatouage.
Battiato et al. [30] travaillent dans un espace de couleur dit antagoniste dont les composantes
chromatiques représentent des différences de couleur. Le marquage est alors réalisé par modification des couleurs, par addition d’un même vecteur, pour chaque pixel de l’image. L’idée originale de cette méthode est que la marque est composée de l’ensemble des couleurs contenues
dans l’image originale. La détection est réalisée en comparant l’ensemble des couleurs composant
l’image marquée, avec l’ensemble des marques connues. Si la matrice de différence (entre une
marque et l’ensemble des couleurs de l’image traitée) est composée d’une même valeur (de vecteur), la marque correspondante à cette image est donc retrouvée. Cette méthode nécessite que le
nombre de couleurs contenu dans une image coïncide avec le nombre de couleurs présentes dans
la marque.
28
W. Puech [31] propose que la matrice de passage entre RGB et l’espace où sera intégrée la
marque, soit protégée à l’aide de l’algorithme de cryptage RSA. Ensuite, le tatouage est effectué
par modification du deuxième LSB dans ce nouvel espace. Ainsi, une des clés du tatouage est le
contrôle de l’espace d’insertion de la marque.
1.4
Conclusion
Comme nous l’avons vu, les méthodes de tatouage des images couleur proposées actuellement
sont très différentes. Il y a tout d’abord celles qui vont traduire ou utiliser les couleurs comme un
ensemble restreint de niveaux sous la forme d’une palette : les couleurs indexées. Ces méthodes
permettent d’aborder la notion de couleurs visuellement identiques. Dans ce cas, les techniques
d’insertion de la marque sont généralement appliquées dans le domaine spatial. Les problèmes de
fausses couleurs sont globalement évités.
Dans le cas des techniques où les trois composantes des espaces de représentation sont considérées comme indépendantes, toutes les techniques de tatouage sont envisageables, puisque que
nous nous retrouvons dans un triple système de représentation en "niveaux de gris". Dans ce cas,
différents auteurs mentionnent que l’effet du tatouage (compromis invisibilité/robustesse) diffère
en fonction de la nature couleur de la composante (basée sur le vert, le bleu ou le rouge). Un
des avantages de ces techniques est la possibilité d’augmenter le ratio de la marque par rapport à
l’image grâce aux trois composantes.
Concernant les techniques considérant la couleur d’un point de vue global, elles essaient de
tenir compte du système visuel humain. Nous avons listé différentes approches toutes très différentes. Certaines sont particulièrement originales du point de vue de la technique de tatouage.
Il est difficile à ce stade de trancher sur les avantages et inconvénients de l’usage de techniques de tatouage marginales face à celles prenant en compte la dimension couleur des images.
Nous proposons alors dans le chapitre suivant, d’étudier ces deux points de vue plus précisément.
Nous étendons à la couleur une technique de tatouage en niveaux de gris afin d’étudier les effets
du tatouage appliqué sur une ou plusieurs composantes. Ensuite, nous présentons une nouvelle
technique de tatouage combinant les informations des trois composantes couleur traitées.
B IBLIOGRAPHIE
[1] Patrick Bas. Méthodes de tatouages d’images fondées sur le contenu. Thèse de Doctorat,
Institut National Polytechnique de Grenoble, 2000.
[2] Caroline Fontaine. Contribution à la recherche de fonctions booléennes hautement nonlinéaires, et au marquage d’images en vue de la protection des droits d’auteur. Thèse de
Doctorat, université Paris VI, novembre 1998.
[3] I. Cox, J. K. Su, and B. Girod. Secure spread spectrum watermarking for multimedia. In
IEEE Transactions on Image Processing, volume 6, pages 1673–1687, december 1997.
[4] Christian Rey. Tatouage d’image : Gain en robustesse et intégrité des images. Thèse à
l’université d’Avignon, France, 2003.
[5] D. Coltuc, J.-M. Chassery, and Ph. Bolon. Image authentication by exact histogram specification. In Workshop on Multimedia Signal Processing, Cannes, France, october 2001.
[6] A.Z. Tirkel. Electronic watermark. In DICTA, Austin, Texas, pages 666–672, december 1993.
[7] D. Gruhl, W. Bender, and Moritomo. Techniques for data hidding. In processing of SPIE,
volume 2420, page 40, february 1995.
[8] C. Harris and M. Stephens. A combined corner and edge detector. In Proceddings of the 4th
Alvey Vision Conference, pages 147–151, 1988.
[9] Franck Davoine. Compression d’images par fractales basée sur la trangulation de Delaunay.
Thèse de Doctorat, Institut National Polytechnique de Grenoble, 1995.
[10] D. B. Judd. Reduction of data on mixture of color stimuli. In Bureau of Standards Journal
Research, volume 4, pages 515–548, 1930.
[11] F. Alurki and R. Mersereau. A robust digital watermark procedure for still images using dct
phase modulation. In 10th European Signal Processing Conference, EUSIPCO’00, Tampere,
Finlande, pages 1961–1964, september 2000.
[12] V. Solachidis and I. Pitas. Self-similar ring shaped watermark embedding in 2d-dft domain.
In 10th European Signal Processing Conference, EUSIPCO’00, Tampere, Finlande, pages
1977–1980, september 2000.
[13] V. Virsu and J. Rovamo. Visual resolution, contrast sensitivity, and the cortical magnification
factor. In Experimental Brain Research, volume 37, pages 475–494, 1979.
[14] D. Kundur and D. Hatzinakos. A robust digital image watermarking method using waveletbased fusion. In Proc. IEEE Int. Conf. On Image Processing, 1997.
30
Bibliographie
[15] Y. Pan G. Pan, Z. WU. A data hiding method for few-color images. In IEEE International
Conference on Accoustics, Speech and Signal Processing ICASSP, volume 4, pages 3469–
3472, 2002.
[16] C.H. Chou and T.L. Wu. Embedding color watermarks in color images. In EURASIP Journal
on Applied Signal Processing, volume 3, pages 32–40, 2003.
[17] L. Akarun, N. Özdilek, and B. U. Öztekin. A novel technique for data hiding in color paletted
images. In 10th European Signal Processing Conference, EUSIPCO’00, Tampere, Finlande,
pages 123–126, september 2000.
[18] M. Kutter, F. Jordan, and F. Bossen. Digital signature of color images using amplitude
modulation. In Processings of SPIE storage and retrieval for image and video databases,
volume 3022, pages 518–526, february 1997.
[19] M. Kutter, S.K. Bhattacharjee, and T. Ebrahimi. Towards second generation watermarking
schemes. In 6th International Conference on Image Processing ICIP’99, Kobe, Japon, volume 1, pages 320–323, october 1999.
[20] R. Schyndel, A. Tirkel, and I. Svalbe. A multiplicative color watermark. In IEEE-EURASIP
Workshop on Non-Linear Signal and Imaging Processing, Antalya, Turkey, pages 336–340,
june 1999.
[21] S.S. luo B. Mussa, X.X. Niu and Y.X. Yang. Watermarking on colored images. In The
Journal of China Universities of Posts and Telecommunications, volume 8, pages 20–25,
March 2001.
[22] V. Mezaris D. Simitopoulos N.V. Boulgouris, I. Kompatsiaris and M.G. Strintzis. Segmentation and content based watermarking for color image and image region indexing and retrieval.
In EURASIP Journal on Applied Signal Processing, volume 4, pages 418–431, 2002.
[23] F. Bartolini A. de Rosa L. Boccardi, M. Barni and A. Piva. Kl-transform based color image
watermarking. In Proceedings of SPIE, San Diego, California, volume 4122, pages 18–28,
july 2000.
[24] A. Piva, F. Bartolini, V. Cappellini, and M. Barni. Exploiting the cross-correlation of rgbchannels for robust watermarking of color images. In 6th IEEE International Conference on
Image Processing ICIP’99, Kobe, Japan, volume 1, pages 306–310, october 1999.
[25] M. Barni, F. Bartolini, and A. Piva. Multichannel watermarking of color images. In IEEE
Transactions on Circuits and Systems for Video Technology, volume 12, pages 142–156,
march 2002.
[26] D. J. Fleet and D. J. Hegger. Embedding invisible information in color image. In IEEE
International Conference on Image Processing, Santa Barbara, volume 1, pages 532–535,
october 1997.
[27] S. Winkler and M. Kutter. Vers un tatouage à étalement de spectre optimal utilisant le système
visuel humain. In Proc. CORESA99, Sophia Antipolis, France, pages 25–33, juin 1999.
[28] D. Hatzinakos P. Campisi, D. Kundur and A.Neri. Compressive data hiding : An unconventional approach for improved color image coding. In EURASIP Journal on Applied Signal
Processing, volume 2, pages 152–163, 2002.
[29] I. Kostopoulos, S.A.M. Gilani, and A.N. Skodras. Color image authentification based on a
self-embedding technique. In Proc. 14th Int. Conf. on Digital Signal Processing (DSP2002),
Santorini, Greece, volume 2, pages 733–736, july 2002.
Bibliographie
31
[30] S. Battiato, D. Catalano, G. Gallo, and R. Gennaro. A color opponency watermarking scheme
for digital images. In Security and watermarking of multimedia contents II, proceedings of
SPIE, volume 3971, pages 510–515, 2000.
[31] W. Puech. Safe transfer of image based on color transformation for watermarking. In 4th
COST 276 Workshop on Transmitting Processing and Watermarking Multimedia Contents,
Bordeaux, France, pages 1–6, march 2003.

ETAT DE L`ART SUR LES TECHNIQUES DE TATOUAGE COULEUR

Transcription

Documents pareils

Le corps tatoué. Tatouage papillon, publicité pour une onglerie : il

Objet Publicitaire TATOUAGE EPHEMERE

Des citations philosophiques Yantra : Muay Thai boxer, Bangkok

fiche de renseignements avant un acte de tatouage

Harmony Tattoo www.harmonytattoo.fr +33 (0)6 50 44 61

autres indications tatouage

0413-TATOUAGE | Film adhésif spécial tatouage

Groupe : Primates, Homonoïdés Nom d`espèce : Gorilla gorilla (Gorille

Mise en oeuvre des techniques de tatouage par

Fiche de présentation d`un livre - HEP