QuatHashing: Perceptually Hashing with Quaternion Discrete Wavelet Transform for Reduced-Reference Visual Security Assessment

Resumen Técnico: QuatHashing

Planteamiento del Problema
La Evaluación de Seguridad Visual (VSA, por sus siglas en inglés) es una tarea crítica para evaluar la efectividad del cifrado perceptual de imágenes, el cual protege la información visual cifrando solo partes específicas de una imagen en lugar de todo el flujo de datos. Los métodos tradicionales de análisis de seguridad de cifrado de imágenes (por ejemplo, análisis diferencial o estadístico) se centran en la seguridad semántica y no son adecuados para el cifrado perceptual, donde el objetivo es preservar las propiedades visuales esenciales mientras se evita el uso indebido. Las soluciones existentes suelen depender de métricas de Evaluación de la Calidad de la Imagen (IQA) como PSNR o SSIM; sin embargo, estas están diseñadas para medir la degradación de la imagen en lugar de la seguridad, lo que conduce a resultados inconsistentes donde una baja calidad visual no equivale necesariamente a una alta seguridad. La evaluación subjetiva es también un proceso lento, lo que genera la necesidad de métodos de VSA robustos, objetivos y de referencia reducida (RR) que se alineen con las características del Sistema Visual Humano (HVS), específicamente la sensibilidad a la orientación y la percepción multiescala.

Metodología: QuatHashing
El artículo propone QuatHashing, un algoritmo de hashing perceptual diseñado para RR-VSA. El marco de trabajo opera a través de cuatro etapas primarias:

1. Representación de Subbandas Complementarias Direccionales:
   La imagen de entrada se preprocesa y reorganiza en subbandas complementarias horizontales y verticales. Mediendo los píxeles adyacentes, el algoritmo genera tres subbandas horizontales ($f_{hX}, f_{hY}, f_{hZ}$) y tres verticales ($f_{vX}, f_{vY}, f_{vZ}$). Esta reorganización de píxeles preserva toda la información original sin descartar datos, asegurando que las distorsiones introducidas por el cifrado se mantengan dentro de estas subbandas mientras se separa explícitamente la información direccional de la imagen.

2. Transformada de Wavelet Discreta de Cuaternión de Doble Canal (QDWT):
   Las subbandas horizontales y verticales se modelan como dos imágenes de cuaternión puro ($f_h$ y $f_v$), donde las tres subbandas sirven como componentes imaginarios. Estas imágenes de cuaternión se someten a una QDWT de tres niveles. Esta descomposición extrae:

   • Características estructurales de baja frecuencia: Derivadas de la subbanda de aproximación final, que representan la luminancia global y los contornos principales.
   • Características de textura: Extraídas de las subbandas de alta frecuencia direccionales (horizontales, verticales, diagonales) a través de tres escalas.
   • Características estructurales multiescala: Derivadas de los componentes de correlación ($Q_{XY}, Q_{XZ}, Q_{YZ}$) entre las subbandas complementarias, capturando variaciones estructurales en diferentes posiciones de muestreo.

3. Extracción de Características Guiada por Atención:
   Para alinearse con la sensibilidad del HVS a las regiones salientes, el método emplea mecanismos de atención global y local:

   • Atención Global: Se construye un vector de características conjunto en cada posición de píxel, combinando componentes de baja frecuencia, textura y estructura. Se calcula una respuesta de saliencia global basada en la densidad de probabilidad de estos vectores (usando una distribución normal multivariante), donde las características raras (bordes, estructuras abruptas) reciben respuestas más altas. Esta respuesta modula los mapas de características.
   • Atención Local: Los mapas de características se particionan en franjas de altura completa. Se aplica un agrupamiento de varianza (variance pooling) a los mapas de baja frecuencia para detectar fluctuaciones estructurales, mientras que se aplica un agrupamiento de máximo (max pooling) a los mapas de textura y estructura de alta frecuencia para captar mutaciones locales.
   • Las secuencias resultantes se relativizan (resta de la media y valor absoluto) para suprimir los desplazos de cifrado uniformes.

4. Construcción de Hash y Evaluación de Similitud:
   Las secuencias globales y locales para ambos canales (horizontal y vertical) se concatenan para formar secuencias de hash iniciales. Estas se cuantifican en enteros para crear el hash perceptual compacto final. La puntuación de seguridad visual se determina calculando la distancia euclidiana (norma $L_2$) entre el hash de la imagen de referencia y la imagen cifrada; una mayor distancia indica una mayor seguridad visual.

Contribuciones Clave

• Subbandas Complementarias Direccionales: Los autores introducen una técnica de reorganización de píxeles que organiza las imágenes en subbandas complementarias horizontales y verticales. Esto preserva la distorsión inducida por el cifrado mientras representa explícitamente la información direccional, permitiendo una mejor diferenciación entre la imagen de referencia y la cifrada.
• Extracción de Características mediante QDWT de Doble Canal: Un método novedoso que modela las subbandas direccionales como imágenes de cuaternión puro. Este enfoque extrae simultáneamente la estructura de baja frecuencia, la textura y las características estructurales multiescala, combinando eficazmente el análisis direccional con la representación multiescala para imitar la orientación y la percepción multiescala del HVS.
• Esquema de RR-VSA Guiado por Atención: El artículo construye un esquema de hashing que integra mecanismos de atención global y local. Al enfatizar las regiones visualmente salientes (bordes, texturas) mediante el agrupamiento por franjas y el modelado estadístico, el método genera secuencias de características compactas que son más sensibles a las distorsiones perceptuales.

Resultados Experimentales
El método propuesto fue evaluado en dos bases de datos públicas: IVC-SelectEncrypt (200 imágenes) y PEID (1080 imágenes). El rendimiento se midió frente a métricas de IQA existentes (PSNR, SSIM, VIF) y métodos especializados de VSA (LSS, ESS, LFBVS, VSI-Canny, VSASW) utilizando coeficientes de correlación (PLCC, SRCC, KRCC) y métricas de error (RMSE, $\mu_D$, $\sigma_D$, $max_D$).

• Rendimiento General: QuatHashing logró un rendimiento superior en ambas bases de datos, obteniendo los mejores valores para la mayoría de las métricas (por ejemplo, PLCC de 0.967 y SRCC de 0.964 en IVC-SelectEncrypt; PLCC de 0.928 en PEID).
• Análisis de Rango de Calidad: El método demostró una robustez particular en los rangos de calidad visual baja y moderada, donde el cifrado perceptual es más crítico. Superó a los métodos existentes en PLCC, SRCC y KRCC en estos rangos.
• Robustez del Algoritmo de Cifrado: Las pruebas en 15 tipos de cifrado diferentes mostraron que QuatHashing alcanzó consistentemente la mayor monotonicidad (SRCC y KRCC) y precisión (PLCC, RMSE) en comparación con otros métodos.

Significación
El artículo afirma que QuatHashing proporciona una evaluación objetiva más consistente y efectiva para el cifrado perceptual de imágenes que los métodos actuales de IQA y VSA. Al aprovechar el dominio de los cuaterniones y los mecanismos de atención inspirados en el HVS, el método logra cerrar la brecha entre las métricas objetivas y la percepción visual subjetiva de seguridad. Los autores enfatizan que el enfoque es particularmente ventajoso para evaluar imágenes cifradas con calidad visual de baja a moderada, un escenario común en las aplicaciones de cifrado perceptual donde las métricas tradicionales suelen fallar.