Вдосконалений метод приховування інформації на основі колірної моделі HSB

Abstract

В роботі описано вдосконалений метод вбудовуванняінформації в растрових зображеннях. У процесі дослідження встановлено, що вищу стійкість до зовнішніх впливів, зокрема до алгоритмів стиснення з втратами, демонструють методи вбудовування даних у частотну область зображення. У зв`язку з цим було проведено порівняльний аналіз поширених стеганографічнихпідходів, що базуються на використанні дискретного косинусного перетворення (ДКП), дискретного перетворення Фур`є (ДПФ), перетворення Карунена-Лоева та дискретного вейвлет-перетворення (DWT). На основі результатів проведеного теоретичного аналізуавторами запропоновано вдосконалений метод вбудовування даних, який ґрунтується на використанні дискретного вейвлет-перетворення та колірної моделі HSB(Hue, Saturation, Brightness). Особливістю методу є семантична сегментаціядля ідентифікації зон вбудовування. На відміну від наявнихрішень, що в більшості випадків використовують для вбудовування зони зображень із фрагментами шкірного покриву людини, запропонований підхід дозволяє ідентифікувати додаткові природні та фонові об`єкти (небо, рослини, пісок тощо) за їхніми хроматичними характеристиками.Для підвищення точності сегментації та мінімізації помилок ідентифікації впроваджено етап попередньої фільтрації цифрового шуму. На основі вдосконаленого методу розроблено програмний інструментарій, за допомогою якого було проведено подальші експериментальні дослідження стійкості алгоритму(використано метрики PSNR і MSE).Проведенідослідження підтвердили, що використання моделі HSB дозволяє адаптувати процес вбудовування до психофізіологічних особливостей людського зору, забезпечуючи високу візуальну непомітність втручання.Запропонований підхід дозволив суттєво підвищити стеганографічну ємність методу завдяки адаптивному використанню фонових сегментів зображення без внесення помітних візуальних артефактів. Перспективним напрямом подальших досліджень є інтеграція нейронних мереж в архітектуру алгоритму для підвищення точності ідентифікації семантичних областей зображення-контейнера, що дозволить додатково оптимізувати процес вбудовування даних.