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

Resumo Técnico: QuatHashing

Definição do Problema
A Avaliação de Segurança Visual (VSA) é uma tarefa crítica para avaliar a eficácia da criptografia perceptual de imagens, que protege informações visuais ao criptografar apenas partes específicas de uma imagem, em vez de todo o fluxo de dados. Os métodos tradicionais de análise de segurança de criptografia de imagem (por exemplo, análise diferencial ou estatística) concentram-se na segurança semântica e são inadequados para a criptografia perceptual, onde o objetivo é preservar propriedades visuais essenciais enquanto se evita o uso indevido. As soluções existentes dependem frequentemente de métricas de Avaliação de Qualidade de Imagem (IQA), como PSNR ou SSIM; no entanto, estas foram concebidas para medir a degradação da imagem e não a segurança, levando a resultados inconsistentes onde a baixa qualidade visual não equivale necessariamente a uma alta segurança. A avaliação subjetiva é demorada, criando a necessidade de métodos de VSA robustos, objetivos e de referência reduzida (RR) que se alinhem com as características do Sistema Visual Humano (HVS), especificamente a sensibilidade à orientação e a percepção multiescala.

Metodologia: QuatHashing
O artigo propõe o QuatHashing, um algoritmo de hashing perceptual concebido para RR-VSA. O framework opera através de quatro etapas primárias:

1. Representação de Sub-bandas Complementares Direcionais:
   A imagem de entrada é pré-processada e reorganizada em sub-bandas complementares horizontais e verticais. Ao agrupar pixels adjacentes, o algoritmo gera três sub-bandas horizontais ($f_{hX}, f_{hY}, f_{hZ}$) e três verticais ($f_{vX}, f_{vY}, f_{vZ}$). Este rearranjo de pixels preserva toda a informação original sem descartar dados, garantindo que as distorções introduzidas pela criptografia sejam retidas nestas sub-bandas, enquanto separa explicitamente a informação direcional da imagem.

2. Transformada Wavelet Discreta de Quatérnios de Canal Duplo (QDWT):
   As sub-bandas horizontais e verticais são modeladas como duas imagens de quatérnios puros ($f_h$ e $f_v$), onde as três sub-bandas servem como componentes imaginários. Estas imagens de quatérnios passam por uma QDWT de três níveis. Esta decomposição extrai:

   • Características estruturais de baixa frequência: Derivadas da sub-banda de aproximação final, representando a luminância global e os contornos principais.
   • Características de textura: Extraídas das sub-bandas direcionais de alta frequência (horizontal, vertical, diagonal) através de três escalas.
   • Características estruturais multiescala: Derivadas dos componentes de correlação ($Q_{XY}, Q_{XZ}, Q_{YZ}$) entre as sub-bandas complementares, capturando variações estruturais em diferentes posições de amostragem.

3. Extração de Características Guiada por Atenção:
   Para se alinhar com a sensibilidade do HVS a regiões salientes, o método utiliza mecanismos de atenção global e local:

   • Atenção Global: Um vetor de características conjunto é construído em cada posição de pixel, combinando componentes de baixa frequência, textura e estruturais. Uma resposta de saliência global é calculada com base na densidade de probabilidade destes vetores (usando uma distribuição normal multivariada), onde características raras (arestas, estruturas abruptas) recebem respostas mais elevadas. Esta resposta modula os mapas de características.
   • Atenção Local: Os mapas de características são particionados em tiras de altura total. O pooling de variância é aplicado aos mapas de baixa frequência para detetar flutuações estruturais, enquanto o max pooling é aplicado aos mapas de textura e estruturais de alta frequência para capturar mutações locais.
   • As sequências resultantes são relativizadas (subtração da média e valor absoluto) para suprimir offsets de criptografia uniformes.

4. Construção de Hash e Avaliação de Similaridade:
   As sequências globais e locais para ambos os canais horizontal e vertical são concatenadas para formar sequências de hash iniciais. Estas são quantizadas em inteiros para criar o hash perceptual compacto final. O score de segurança visual é determinado calculando a distância euclidiana ($L_2$ norm) entre o hash da imagem de referência e a imagem criptografada; uma distância maior indica uma segurança visual mais elevada.

Principais Contribuições

• Sub-bandas Complementares Direcionais: Os autores introduzem uma técnica de rearranjo de pixels que organiza as imagens em sub-bandas complementares horizontais e verticais. Isto preserva a distorção induzida pela criptografia enquanto representa explicitamente a informação direcional, permitindo uma melhor diferenciação entre a imagem de referência e a criptografada.
• Extração de Características QDWT de Canal Duplo: Um método inovador que modela as sub-bandas direcionais como imagens de quatérnios puros. Esta abordagem extrai simultaneamente características estruturais de baixa frequência, textura e de estrutura multiescala, combinando eficazmente a análise direcional com a representação multiescala para mimetizar a orientação e a percepção multiescala do HVS.
• Esquema de RR-VSA Guiado por Atenção: O artigo constrói um esquema de hashing que integra mecanismos de atenção global e local. Ao enfatizar regiões visualmente salientes (arestas, texturas) através de pooling por tiras e modelagem estatística, o método gera sequências de características compactas que são mais sensíveis a distorções perceptuais.

Resultados Experimentais
O método proposto foi avaliado em duas bases de dados públicas: IVC-SelectEncrypt (200 imagens) e PEID (1080 imagens). O desempenho foi medido contra métricas de IQA existentes (PSNR, SSIM, VIF) e métodos especializados de VSA (LSS, ESS, LFBVS, VSI-Canny, VSASW) utilizando coeficientes de correlação (PLCC, SRCC, KRCC) e métricas de erro (RMSE, $\mu_D$, $\sigma_D$, $max_D$).

• Desempenho Geral: O QuatHashing alcançou um desempenho superior em ambas as bases de dados, obtendo os melhores valores para a maioria das métricas (ex: PLCC de 0.967 e SRCC de 0.964 no IVC-SelectEncrypt; PLCC de 0.928 no PEID).
• Análise de Intervalo de Qualidade: O método demonstrou robustez particular nos intervalos de baixa e moderada qualidade visual, onde a criptografia perceptual é mais crítica. Superou os métodos existentes em PLCC, SRCC e KRCC nestes intervalos.
• Robustez do Algoritmo de Criptografia: Testes em 15 tipos diferentes de criptografia mostraram que o QuatHashing alcançou consistentemente a maior monotonicidade (SRCC e KRCC) e precisão (PLCC, RMSE) em comparação com outros métodos.

Significância
O artigo afirma que o QuatHashing fornece uma avaliação objetiva mais consistente e eficaz para a criptografia de imagem perceptual do que os atuais métodos de IQA e VSA. Ao alavancar o domínio dos quatérnios e mecanismos de atenção inspirados no HVS, o método consegue colmatar a lacuna entre as métricas objetivas e a percepção visual subjetiva de segurança. Os autores enfatizam que a abordagem é particularmente vantajosa para avaliar imagens criptografadas com baixa a moderada qualidade visual, um cenário comum em aplicações de criptografia perceptual onde as métricas tradicionais frequentemente falham.