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

技術要約：QuatHashing

問題提起
視覚的セキュリティ評価（Visual Security Assessment: VSA）は、データストリーム全体ではなく画像の一部のみを暗号化して視覚情報を保護する「知覚的画像暗号化」の有効性を評価するための重要なタスクである。従来の画像暗号化のセキュリティ解析手法（差分解析や統計解析など）は意味論的なセキュリティに焦点を当てており、重要な視覚的特性を保持しつつ悪用を防ぐことを目的とする知覚的暗号化には適していない。既存の解決策は、PSNRやSSIMといった画像品質評価（IQA）指標に依存することが多いが、これらは画像の劣化を測定するように設計されており、セキュリティを測定するものではないため、一貫性のない結果を招く。つまり、視覚的な品質が低いことが必ずしも高いセキュリティを意味するわけではない。また、主観的評価は時間がかかるため、人間の視覚系（HVS）の特性、特に方位感受性とマルチスケール知覚に適合した、堅牢で客観的な、参照画像を利用しない（reduced-reference: RR）VSA手法が必要とされている。

手法：QuatHashing
本論文では、RR-VSAのために設計された知覚ハッシュアルゴリズムであるQuatHashingを提案している。このフレームワークは、主に以下の4つの段階で動作する。

1. 方向性補完サブバンド表現（Directional Complementary Sub-band Representation）:
   入力画像は前処理され、水平および垂直の補完サブバンドへと再構成される。隣接するピクセルをグループ化することにより、アルゴリズムは3つの水平サブバンド（$f_{hX}, f_{hY}, f_{hZ}$）と3つの垂直サブバンド（$f_{vX}, f_{vY}, f_{vZ}$）を生成する。このピクセルの再配置は、データを破棄することなく元の情報をすべて保持するため、暗号化によって導入された歪みがこれらのサブバンド内に保持されると同時に、方向的な画像情報が明示的に分離される。

2. ダブルチャネル・クォータニオン離散ウェーブレット変換（Double-Channel Quaternion Discrete Wavelet Transform: QDWT）:
   水平および垂直のサブバンドは、2つの純クォータニオン画像（$f_h$ および $f_v$）としてモデル化される。ここで、3つのサブバンドは虚数成分として機能する。これらのクォータニオン画像は、3レベルのQDWTを受ける。この分解により、以下が抽出される：

   • 低周波構造特徴: 最終的な近似サブバンドから派生し、グローバルな輝度と主要な輪郭を表す。
   • テクスチャ特徴: 3つのスケールにおける高周波方向性サブバンド（水平、垂直、対角）から抽出される。
   • マルチスケール構造特徴: 補完的なサブバンド間の相関成分（$Q_{XY}, Q_{XZ}, Q_{YZ}$）から派生し、異なるサンプリング位置における構造的変動を捉える。

3. アテンション誘導型特徴抽出（Attention-Guided Feature Extraction）:
   顕著な領域に対するHVSの感受性と一致させるため、本手法はグローバルおよびローカルのアテンションメカニズムを採用している：

   • グローバル・アテンション: 各ピクセル位置において、低周波、テクスチャ、および構造成分を組み合わせた結合特徴ベクトルが構築される。希少な特徴（エッジ、急激な構造）が高い応答を得るように、多変量正規分布を用いた確率密度に基づき、グローバルな顕著性応答が計算される。この応答が特徴マップを調整する。
   • ローカル・アテンション: 特徴マップは全高のストリップ（帯）に分割される。構造的変動を検出するために低周波マップに分散プーリングが適用され、局所的な変異を捉えるために高周波のテクスチャおよび構造マップに最大値プーリングが適用される。
   • 得られたシーケンスは、一様な暗号化オフセットを抑制するために相対化（平均減算および絶対値化）される。

4. ハッシュ構築と類似度評価（Hash Construction and Similarity Assessment）:
   水平および垂直の両チャネルに関するグローバルおよびローカルのシーケンスを結合して、初期ハッシュシーケンスを形成する。これらは整数へと量子化され、最終的なコンパクトな知覚ハッシュを作成する。視覚的セキュリティスコアは、参照画像のハッシュと暗号化画像のハッシュの間のユークリッド距離（$L_2$ ノルム）を計算することで決定される。距離が大きいほど、視覚的セキュリティが高いことを示す。

主な貢献

• 方向性補完サブバンド: 著者らは、画像を水平および垂直の補完サブバンドに整理するピクセル再配置技術を導入した。これにより、暗号化による歪みを保持しながら、方向的な情報を明示的に表現することが可能となり、参照画像と暗号化画像のより優れた識別が可能になる。
• ダブルチャネルQDWT特徴抽出: 方向性サブバンドを純クォータニオン画像としてモデル化する新しい手法を提案している。このアプローチは、低周波構造、テクスチャ、およびマルチスケール構造特徴を同時に抽出し、方向解析とマルチスケール表現を効果的に組み合わせることで、HVSの方位およびマルチスケール知覚を模倣する。
• アテンション誘導型RR-VSAスキーム: ストリップ単位のプーリングと統計モデリングを通じて、顕著な領域（エッジ、テクスチャ）を強調するグローバルおよびローカルのアテンションメカニズムを統合したハッシュスキームを構築した。これにより、知覚的歪みに敏感なコンパクトな特徴シーケンスを生成する。

実験結果
提案手法は、2つの公開データベース（IVC-SelectEncrypt：200画像、およびPEID：1080画像）を用いて評価された。性能は、相関係数（PLCC, SRCC, KRCC）および誤差指標（RMSE, $\mu_D, \sigma_D, max_D$）を用いて、既存のIQA指標（PSNR, SSIM, VIF）および専門的なVSA手法（LSS, ESS, LFBVS, VSI-Canny, VSASW）と比較された。

• 全体的な性能: QuatHashingは両方のデータベースにおいて優れた性能を示し、ほとんどの指標で最良の値（例：IVC-SelectEncryptにおいてPLCC 0.967、SRCC 0.964、PEIDにおいてPLCC 0.928）を記録した。
• 品質範囲分析: 本手法は、知覚的暗号化が最も重要となる低および中程度の視覚品質範囲において、特に高い堅牢性を示した。この範囲において、PLCC、SRCC、KRCCのすべてで既存の手法を上回った。
• 暗号化アルゴリズムの堅牢性: 15種類の異なる暗号化タイプにわたるテストにおいて、QuatHashingは他の手法と比較して、一貫して最高の単調性（SRCCおよびKRCC）と精度（PLCCおよびRMSE）を達成した。

意義
本論文は、QuatHashingが現在のIQAおよびVSA手法よりも、知覚的画像暗号化に対してより一貫性のある効果的な客観的評価を提供すると主張している。クォータニオン領域とHVSに着想を得たアテンションメカニズムを活用することで、本手法は客観的な指標と主観的な視覚的セキュリティ知覚との間の溝を埋めることに成功している。著者らは、このアプローチが、従来の指標が失敗しやすいシナリオである、低から中程度の視覚品質を持つ暗号化画像の評価において特に有利であることを強調している。