閱讀Paper後的心得與問題

　　Jiri Fridrich的方法與EZ Stego，兩者在調色盤的排序方式不同。Jiri Fridrich是依各個顏色之間的差距做排序，所以排序後，相鄰的兩個顏色會是相近的。而EZ Stego是依亮度(luminance)做排序，會造成部份相鄰顏色是不相近的。所以Jiri Fridrich的方法可降低更多的失真。
　　下面我簡單的做了一個小測試，先挑選幾個顏色(我挑的有點少)，四個顏色分別為(0,0,0)、(57,42,42)、(88,143,82)和(82,102,143)。第1個是Jiri Fridrich的方法，先以第一個(0,0,0)做基準，算出與其他三色的差距，經過計算，第二個顏色為(57,42,42)，再計算後兩個顏色與(57,42,42)的差距，選出第三個，以次類推。第2個是用亮度作排序，使用(R+G+B)/3後的結果做排序。第3個也是依亮度，但是使用R*0.299+G*0.587+B*0.114後的結果做排序。結果如下圖，相信多選些顏色可看出更明顯的差距。
　　不過我對於之後的隱藏資料的動作不是很了解，是......與我們同學寫的改index的方法類似嗎？純粹在調色盤的排序方式而已。

paper閱讀心得

1.
never replace a pixel color by a completely different color
不太了解他他怎麼去確保不會用完全不同的顏色去替換
2.R+G+B mod 2這奇偶校驗不了解做甚麼用
3.
圖1用matlab rgb2ind.m這處理試做甚麼?

這技術照成圖片的失真比EZ Stego的方式可以少四倍,圖形變化較小不易被發現

Week9 - J. Fridrich's Method

1)最通用的顏色篩選基準 － error diffusion，不太懂怎麼做的(可能是不太懂be rounded to的意思)，為什麼這樣做?

2)J. Fridrich's Method，為什麼the parity of color(R+B+G mod 2)與要藏的bit相同的情況下，取得的顏色會比之前我們用的方法找的顏色更好?(已知之前方法找的顏色會有斷層)

<註>
1.以上問題的前提是在我沒有誤解英文的情況下。
2.因為有點混，所以論文是跳著看的，可能會少看什麼重點，請無視不該問的問題。
3.問題還有，在還未確定不是英文障礙前，暫不提出。

閱讀paper心得

閱讀問題:
The two most frequently used are based on iterative dividing of the three-dimensional color cube into two boxes with approximately the same number of colors.
我不太懂這句的意思,反覆的切割一個三維的立體用接近相同數字的顏色到兩個box試什麼意思啊!!!!

user-defined seed
這個由使用者決定的因素是什麼???是不是兩個pixel 的RGB相差平方開根號的值.是由我們
自己決定的.

R+G+B/2
這個算出相似的顏色.跟0.299*r + 0.587*g + 0.114 * b.有差不多嗎??如果有差!!!哪個比較好.



閱讀心得:
這篇論文所說的EZ Stego 其實就是我們這幾個禮拜所寫的程式.
由調色盤所組成的圖片.要藏資訊都要先經過 1.降色 2.將調色盤排序

心得

心得

他们研發了一種關於將資訊嵌入圖中的技術，他是以一種亂數的方式去產生一種亂數碼，它會改變原本顏色的值，最大可能被改變4到5次，這種技術可以更安全的資訊隱藏。

根據她的介紹，GIF檔轉成JPEG檔會一些資訊或格式上的破壞，為了改善這些缺點，我们便使用一些技術，如palette-based images 技術，它有幾個特性：在優點上：它易被設計，如：CCD。而在缺點部份：它的bit 大小是被限制的。
它提供2種方式：一是：vector quantization，另一個是 color quantization,它是利用人類的視覺系統以一種演算法來做顏色的調整和轉換。

在principles of steganographic methods 裡，優點在於：因為它隱藏資料後，比較看不出來有被改變，所以它比較安全。而缺點在：跟其它方法比較起來是被限制的。但是這個方法是有被改善的，他们企圖在palette裡面嵌入單一位元，很明顯的，這樣的方式，是可改善被限制住的這個缺點。

它有幾個步驟：1.先找到一個pixel’s RGB color, 2.從二位元的訊息中得到一個bit，並且取代索引的LSB。3.找一個新RGB color 4.在原本的palette裡，找一個新的RGB 的索引值，5.改便新RGB的pixel。這樣子的方式可避免顏色有太大的變化。

現在有個新的steganographic演算法，((R1-R2)^2+(G1-G2)^2+(B1-B2)^2)^1/2每個Pixel是用相近的顏色來加以計算。然後藉由這個計算的方式去找尋下一個最接近的顏色，直到找到我们要的目標顏色為止。這樣的方式是很容易被電腦所讀取的，因為它有一種規律在。但它仍然有訊息長度的限制。

總之，它是把每一個訊息藏在每一個pixel 裡，這種方式是比較安全的，不易被改變的。

閱讀paper後...的想法心得及問題

首先關於一些類似的專有名詞:
小弟不是很懂希望各位大大可以幫忙解析:
1.noise properties指的是哪些性質阿?
2.integrating properties又是指哪些性質
3.error diffusion 雖然段落中有一段提到,但是卻不是很懂,
4.noise model又是什麼東西?
5.其中提到"The redundancy of the data helps to conceal the presence of secret message."究竟資料的冗位是怎樣幫助隱藏呢?
paper最後有提到如何減低雜訊的技巧,有點fuzzy的觀點將選擇嵌入的pixel分權數0-1,但是問題是如果全部的pixel不巧的權數都不重,也就是說近0值的表示不適合選擇嵌入,若是不幸的大多數的pixel都不適合嵌入,那該怎樣去降低雜訊呢?而且用加權重的方式或許是很睿智的想法,但是相對的遷入後不容易被發現的的那先點畢竟是比較有限的,所以message的長度也會被限制阿!

關於new steganographic

1. 將資訊藏在palette中
優：較好設計一個安全的方案
(不懂裡頭寫的noise properties是什麼意思，
讓我不懂他設計的方案，是關於嵌入資訊？
或是查詢是否有資訊？的方案，
也不懂後面為何會有a scanner, a CCD camera,...
那些東西是要做什麼的？能做什麼？
順帶一提，前面Eve為何要使用那些器材做影像的統計呢？
每個器材要查的是什麼東呢？
...如果跟題目沒關...可以跳過這個問題...)
缺：能藏資訊的容量較少
(最大只能藏到調色盤的容量)
2. 將資訊藏在image data中
優：能藏資訊的容量較多
缺：較難設計一個安全的方案

其他：
我steganography using palette-based images那大段，
他的四、五、六段意思都有點模糊。

其他都普普，可以大略(模糊的...)看懂意思。