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

Résumé Technique : QuatHashing

Énoncé du Problème
L'évaluation de la sécurité visuelle (VSA - Visual Security Assessment) est une tâche critique pour évaluer l'efficacité du chiffrement perceptuel d'images, qui protège les informations visuelles en ne chiffrant que des parties spécifiques d'une image plutôt que l'ensemble du flux de données. Les méthodes traditionnelles d'analyse de la sécurité du chiffrement d'images (par exemple, l'analyse différentielle ou statistique) se concentrent sur la sécurité sémantique et sont inadaptées au chiffrement perceptuel, dont l'objectif est de préserver les propriétés visuelles essentielles tout en empêchant les usages malveillants. Les solutions existantes reposent souvent sur des métriques d'évaluation de la qualité d'image (IQA) telles que le PSNR ou le SSIM ; cependant, celles-ci sont conçues pour mesurer la dégradation de l'image plutôt que la sécurité, ce qui conduit à des résultats incohérents où une faible qualité visuelle ne signifie pas nécessairement une sécurité élevée. L'évaluation subjective est chronophage, créant ainsi un besoin pour des méthodes de VSA robustes, objectives, à référence réduite (RR - Reduced-Reference) et alignées sur les caractéristiques du système visuel humain (HVS), spécifiquement la sensibilité à l'orientation et la perception multi-échelle.

Méthodologie : QuatHashing
Le document propose QuatHashing, un algorithme de hachage perceptuel conçu pour la RR-VSA. Le cadre fonctionne à travers quatre étapes primaires :

1. Représentation par sous-bandes complémentaires directionnelles :
   L'image d'entrée est prétraitée et réorganisée en sous-bandes complémentaires horizontales et verticales. En regroupant les pixels adjacents, l'algorithme génère trois sous-bandes horizontales ($f_{hX}, f_{hY}, f_{hZ}$) et trois sous-bandes verticales ($f_{vX}, f_{vY}, f_{vZ}$). Ce réarrangement de pixels préserve toute l'information originale sans rejeter de données, garantissant que les distorsions introduites par le chiffrement sont conservées au sein de ces sous-bandes tout en séparant explicitement l'information directionnelle de l'image.

2. Transformée en ondelettes discrètes de quaternions à double canal (QDWT) :
   Les sous-bandes horizontales et verticales sont modélisées comme deux images de quaternions purs ($f_h$ et $f_v$), où les trois sous-bandes servent de composantes imaginaires. Ces images de quaternions subissent une QDWT à trois niveaux. Cette décomposition extrait :

   • Caractéristiques structurelles à basse fréquence : Dérivées de la sous-bande d'approximation finale, représentant la luminance globale et les contours principaux.
   • Caractéristiques de texture : Extraites des sous-bandes directionnelles à haute fréquence (horizontale, verticale, diagonale) à travers trois échelles.
   • Caractéristiques structurelles multi-échelles : Dérivées des composantes de corrélation ($Q_{XY}, Q_{XZ}, Q_{YZ}$) entre les sous-bandes complémentaires, capturant les variations structurelles à différentes positions d'échantillonnage.

3. Extraction de caractéristiques guidée par l'attention :
   Pour s'aligner sur la sensibilité du HVS aux régions saillantes, la méthode emploie des mécanismes d'attention globale et locale :

   • Attention Globale : Un vecteur de caractéristiques conjoint est construit à chaque position de pixel, combinant les composantes de basse fréquence, de texture et de structure. Une réponse de saillance globale est calculée sur la base de la densité de probabilité de ces vecteurs (en utilisant une distribution normale multivariée), où les caractéristiques rares (bords, structures abruptes) reçoivent des réponses plus élevées. Cette réponse module les cartes de caractéristiques.
   • Attention Locale : Les cartes de caractéristiques sont partitionnées en bandes de pleine hauteur. Un regroupement par variance (variance pooling) est appliqué aux cartes de basse fréquence pour détecter les fluctuations structurelles, tandis qu'un regroupement par maximum (max pooling) est appliqué aux cartes de texture et de structure à haute fréquence pour capturer les mutations locales.
   • Les séquences résultantes sont relativisées (soustraction de la moyenne et valeur absolue) pour supprimer les décalages de chiffrement uniformes.

4. Construction du hachage et évaluation de la similitude :
   Les séquences globales et locales pour les deux canaux, horizontal et vertical, sont concaténées pour former des séquences de hachage initiales. Celles-ci sont quantifiées en entiers pour créer le hachage perceptuel compact final. Le score de sécurité visuelle est déterminé en calculant la distance euclidienne (norme $L_2$) entre le hachage de l'image de référence et celui de l'image chiffrée ; une distance plus grande indique une sécurité visuelle plus élevée.

Contributions Clés

• Sous-bandes complémentaires directionnelles : Les auteurs introduisent une technique de réarrangement de pixels qui organise les images en sous-bandes complémentaires horizontales et verticales. Cela préserve la distorsion induite par le chiffrement tout en représentant explicitement l'information directionnelle, permettant une meilleure différenciation entre l'image de référence et l'image chiffrée.
• Extraction de caractéristiques par QDWT à double canal : Une méthode novatrice modélise les sous-bandes directionnelles comme des images de quaternions purs. Cette approche extrait simultanément la structure de basse fréquence, la texture et les caractéristiques structurelles multi-échelles, combinant efficacement l'analyse directionnelle avec la représentation multi-échelle pour imiter l'orientation et la perception multi-échelle du HVS.
• Schéma de RR-VSA guidé par l'attention : Le document construit un schéma de hachage qui intègre des mécanismes d'attention globale et locale. En mettant l'accent sur les régions visuellement saillantes (bords, textures) via le regroupement par bandes et la modélisation statistique, la méthode génère des séquences de caractéristiques compactes qui sont plus sensibles aux distorsions perceptuelles.

Résultats Expérimentaux
La méthode proposée a été évaluée sur deux bases de données publiques : IVC-SelectEncrypt (200 images) et PEID (1080 images). La performance a été mesurée par rapport aux métriques d'IQA existantes (PSNR, SSIM, VIF) et aux méthodes de VSA spécialisées (LSS, ESS, LFBVS, VSI-Canny, VSASW) en utilisant des coefficients de corrélation (PLCC, SRCC, KRCC) et des métriques d'erreur (RMSE, $\mu_D$, $\sigma_D$, $max_D$).

• Performance Globale : QuatHashing a obtenu des performances supérieures sur les deux bases de données, obtenant les meilleures valeurs pour la plupart des métriques (par exemple, un PLCC de 0,967 et un SRCC de 0,964 sur IVC-SelectEncrypt ; un PLCC de 0,928 sur PEID).
• Analyse de la plage de qualité : La méthode a démontré une robustesse particulière dans les plages de qualité visuelle faible et modérée, là où le chiffrement perceptuel est le plus critique. Elle a surpassé les méthodes existantes en termes de PLCC, SRCC et KRCC dans ces plages.
• Robustesse des algorithmes de chiffrement : Des tests sur 15 types de chiffrement différents ont montré que QuatHashing atteignait systématiquement la monotonicité (SRCC et KRCC) et la précision (PLCC, RMSE) les plus élevées par rapport aux autres méthodes.

Signification
Le document affirme que QuatHashing fournit une évaluation objective plus cohérente et efficace pour le chiffrement d'images perceptuel que les méthodes actuelles d'IQA et de VSA. En exploitant le domaine des quaternions et les mécanismes d'attention inspirés du HVS, la méthode comble avec succès l'écart entre les métriques objectives et la perception de la sécurité visuelle subjective. Les auteurs soulignent que l'approche est particulièrement avantageuse pour évaluer les images chiffrées ayant une qualité visuelle faible à modérée, un scénario courant dans les applications de chiffrement perceptuel où les métriques traditionnelles échouent souvent.