1. Study the paper “Image watermark

1. Study the paper “Image watermarking based on DWT coefficients modification for social networking services” and use the coded provided to conduct the experiment. The main file is “Method_H25fW25f_Bit_256.m”.

2. Transform the watermark binary “panda” (panda.bmp) using 2D-DWT. Use the coefficients in the LL sub-band of the transformed logo image as a watermark. Repeat the same steps with the host image “Lena” (Lena.bmp).

3. Embed the watermark into the LL sub-band of the transformed host image, and adjust the signal strength until the PSNR value of watermarked image reaches 30±0.1dB. Note that the PSNR measurement must be performed on the watermarked image in spatial domain, i.e. the embedded watermarked coefficients in the LL sub-band together with the intact coefficients in the remaining three sub-bands must be invert transformed to reconstruct the practical watermarked image.

4. Extract the embedded watermark using the mean filter based prediction techniques (function “Predict_Mean_Filter”). Compress the watermarked image with the JPEG standard at 90 and 80 quality levels, and extract the embedded watermark using the same previous technique.

5. Record the values of PSNR and NC at different versions of watermarked images and extracted watermarks.

6. Repeat steps 1-5 using the HL, LH and HH sub-bands as the working domain, respectively.

7. Finally, discuss about the results you obtained. Explain the relationship between different variables, including the accuracy of extracted watermark from different sub-bands.

ผลลัพธ์ (ไทย) 1:

1. ศึกษาการกระดาษ "ลายน้ำรูปภาพตามที่ปรับเปลี่ยนสัมประสิทธิ์ DWT สำหรับบริการเครือข่ายสังคม" และใส่รหัสที่ดำเนินการทดลองใช้ หลักแฟ้มเป็น "Method_H25fW25f_Bit_256.m"2. การแปลงลายน้ำไบนารี "แพนด้า" (panda.bmp) ใช้ 2D โดยใช้สัมประสิทธิ์ในวงย่อย LL ภาพเปลี่ยนโลโก้เป็นลายน้ำ ทำซ้ำขั้นตอนเดียวกันกับโฮสต์ภาพ "ลีนา" (Lena.bmp) 3. ฝังลายน้ำลงในวงย่อย LL ภาพเปลี่ยนโฮสต์ และปรับความแรงของสัญญาณจนกว่าค่า PSNR ของ watermarked ถึง 30±0.1dB หมายเหตุที่ ต้องดำเนินการวัด PSNR ในภาพ watermarked ในโดเมนเชิงพื้นที่ เช่นสัมประสิทธิ์ watermarked ฝังในวงย่อย LL ร่วมกับสัมประสิทธิ์เดิมในวงย่อยสามที่เหลือจะต้องสลับเปลี่ยนเพื่อสร้างใหม่รูปภาพ watermarked ปฏิบัติ4. สารสกัดจากลายน้ำฝังตัวโดยใช้ตัวกรองหมายถึงใช้เทคนิคการคาดเดา (ฟังก์ชัน "Predict_Mean_Filter") การบีบอัดภาพ ด้วย JPEG มาตรฐานที่ 90 และ 80 คุณภาพระดับ watermarked และแยกลายน้ำฝังตัวโดยใช้เทคนิคเดียวกันก่อนหน้านี้5. บันทึกค่าของ PSNR และ NC ที่ต่างรุ่นกัน watermarked ภาพและลายน้ำสกัด6. ทำซ้ำขั้นตอนที่ 1-5 ใช้ HL, LH และ HH ย่อยวงโดเมนทำงาน ตามลำดับ 7. สุดท้าย พูดคุยเกี่ยวกับผลคุณได้รับ อธิบายความสัมพันธ์ระหว่างตัวแปรต่าง ๆ รวมถึงความถูกต้องของลายน้ำที่แยกจากวงย่อยที่แตกต่างกัน

ผลลัพธ์ (ไทย) 2:

1. การศึกษากระดาษ "ภาพลายน้ำบนพื้นฐาน DWT ค่าสัมประสิทธิ์การปรับเปลี่ยนการให้บริการเครือข่ายสังคม" และใช้รหัสที่ให้ไว้ในการดำเนินการทดลอง ไฟล์หลักคือ "Method_H25fW25f_Bit_256.m". 2 เปลี่ยนลายน้ำไบนารี "Panda" (panda.bmp) โดยใช้ 2D-DWT ใช้ค่าสัมประสิทธิ์ใน LL ย่อยวงของภาพโลโก้เปลี่ยนเป็นลายน้ำ ทำซ้ำขั้นตอนเดียวกันกับภาพเจ้าภาพ "ลีนา" (Lena.bmp). 3 ฝังลายน้ำลงใน LL ย่อยวงของภาพที่โฮสต์เปลี่ยนและปรับความแรงของสัญญาณจนค่า PSNR ของภาพที่ใส่ลายน้ำดิจิตอลถึง 30 ± 0.1dB โปรดทราบว่าวัด PSNR จะต้องมีการดำเนินการในภาพที่ใส่ลายน้ำดิจิตอลประสิทธิภาพเชิงพื้นที่คือค่าสัมประสิทธิ์ลายน้ำฝังตัวอยู่ใน LL ย่อยวงดนตรีร่วมกับค่าสัมประสิทธิ์เหมือนเดิมในส่วนที่เหลืออีกสาม Sub-วงดนตรีที่จะต้องกลับเปลี่ยนเพื่อสร้างภาพที่ใส่ลายน้ำดิจิตอลในทางปฏิบัติ4 สารสกัดจากลายน้ำฝังตัวใช้ตัวกรองตามหมายถึงเทคนิคการทำนาย (ฟังก์ชั่น "Predict_Mean_Filter") การบีบอัดภาพลายน้ำดิจิตอลที่มีมาตรฐาน JPEG ที่ 90 และ 80 ระดับคุณภาพและสารสกัดจากลายน้ำฝังตัวโดยใช้เทคนิคเดียวกันก่อนหน้านี้. 5 บันทึกค่า PSNR และ NC ในรุ่นที่แตกต่างของภาพที่ใส่ลายน้ำดิจิตอลและลายน้ำสกัด. 6 ทำซ้ำขั้นตอนที่ 1-5 โดยใช้รุ่น HL, LH และ HH ย่อยวงดนตรีที่เป็นโดเมนทำงานตามลำดับ. 7 สุดท้ายหารือเกี่ยวกับผลการคุณได้รับ อธิบายความสัมพันธ์ระหว่างตัวแปรต่างๆรวมถึงความถูกต้องของลายน้ำสกัดจากที่แตกต่างกันย่อยวง