|
本研究は、情報ハイディング技術、特に電子透かし技術の向上を目指したものである。画像は拡大縮小や回転など幾何変換や圧縮などの非幾何変換を簡単に行うことができる。そのため、著作権の保護のために埋め込んだ電子透かしが、画像の加工により壊れてしまうことがある。そこで、加工に強い電子透かし法が求められている。
最終年度において、本研究では、ニューラルネットワークを用いて、埋め込み器と抽出器を学習により獲得することを目指した。特に、これまでに攻撃耐性が強くなかった回転攻撃に対して、回転攻撃を内部でシミュレートすることにより、学習効率を高めたモデルを提案した。この成果は、電子情報通信学会英文誌Dに掲載された。
また、情報ハイディング技術の応用として、iPhoneアプリの試作を行った。基本機能をシミュレータ上で実装することができた。この成果は電子情報通信学会EMM研究会で発表した。
研究期間全体を通して、幾何変換に対応するため、画像の特徴点を利用し、その周辺に埋め込み領域を設定し、透かし情報を埋め込んだ。また、誤った透かし情報を訂正するために、誤り訂正符号を用いたり、ニューラルネットワークの導入を行った。埋め込み領域を工夫することにより、透かし情報の誤りを低減することができた。それでも、誤りは残存するので、様々な誤り訂正符号を検討したり、学習したニューラルネットワークを用いた。多くの透かし情報を埋め込むには、大規模なニューラルネットが必要である。しかしながら、その分、学習時間がかかる問題がある。このような検討より、ニューラルネットの１つである連想記憶モデルには引き込み能力があり、有効な手法の候補であることが分かった。今後も研究を続ける予定である。
|
