[论文解读] Combining and Steganography of 3D Face Textures

Mohsen Moradi, Mohammad‐Reza Sadeghi|arXiv (Cornell University)|Feb 4, 2017

Advanced Steganography and Watermarking Techniques参考文献 3被引用 3

一句话总结

本文提出一种基于离散小波变换（DWT）与奇异值分解（SVD）结合的隐写术方法，将3D人脸纹理数据嵌入2D载体图像中，实现对3D人脸纹理的不可察觉隐藏，同时保持高视觉质量。该方法将人脸纹理与形状分离，使得仅通过嵌入的纹理即可从任意形状矩阵重建3D人脸，并支持将两种不同的人脸纹理合并为单张伪影图像，PSNR值超过80 dB。

ABSTRACT

One of the serious issues in communication between people is hiding information from others, and the best way for this, is deceiving them. Since nowadays face images are mostly used in three dimensional format, in this paper we are going to steganography 3D face images, detecting which by curious people will be impossible. As in detecting face only its texture is important, we separate texture from shape matrices, for eliminating half of the extra information, steganography is done only for face texture, and for reconstructing 3D face, we can use any other shape. Moreover, we will indicate that, by using two textures, how two 3D faces can be combined. For a complete description of the process, first, 2D faces are used as an input for building 3D faces, and then 3D textures are hidden within other images.

研究动机与目标

• 通过仅利用纹理分量并将其与形状解耦，实现3D人脸纹理的安全、不可察觉的隐写传输。
• 开发一种方法，使得在提取嵌入纹理后，可使用任意形状矩阵重建3D人脸模型。
• 实现将两种不同的3D人脸纹理合并并嵌入单张伪影图像中，且对形状矩阵无约束。
• 在伪影图像中实现高视觉质量，确保嵌入数据对人眼不可察觉。
• 通过使用SVD和DWT增强安全性，使隐藏数据在载体图像中的存在难以被察觉。

提出的方法

• 使用巴塞尔3D可变形模型从2D人脸图像构建3D人脸，分离出形状矩阵与纹理矩阵。
• 将3D人脸纹理提取为RGB值的3D矩阵并进行隐写处理，而形状矩阵在重建过程中被丢弃。
• 使用单层2D DWT将载体图像转换到频域，生成近似系数（CA）和细节系数（CH、CV、CD）。
• 将CD子带分解为红、绿、蓝分量（CD_r、CD_g、CD_b），分别进行SVD以获得U、S、V矩阵。
• 用载体图像各颜色分量的奇异值（S_c）与隐藏纹理奇异值的加权和替换：S_new = S_c + 0.1 * S_t。
• 通过逆DWT重构修改后的DWT系数，生成最终的伪影图像，保持原始图像的视觉质量。

实验结果

研究问题

• RQ1 能否在2D载体图像中以最小感知失真嵌入3D人脸纹理？
• RQ2 能否通过逆向过程从伪影图像中准确提取原始3D人脸纹理？
• RQ3 是否能够使用任意形状矩阵从提取出的纹理中重建3D人脸？
• RQ4 能否将两种不同的3D人脸纹理合并并嵌入单张载体图像中而不引起视觉劣化？
• RQ5 所提出的DWT-SVD隐写技术可实现的视觉质量水平（以PSNR衡量）如何？

主要发现

• 所提出的隐写方法在原始载体图像与伪影图像之间实现了81.51 dB的PSNR，表明视觉保真度接近完美。
• 该方法在多个测试案例中均保持高视觉质量，不同载体图像与隐藏纹理组合的PSNR值在79.44 dB至81.31 dB之间。
• 提取出的3D人脸纹理可成功重建并应用于任意3D形状矩阵，生成可识别的3D人脸，证明了纹理与形状的解耦性。
• 该方法支持将两种不同的人脸纹理合并为一张伪影图像，实现无约束的混合3D人脸生成。
• SVD与DWT的结合确保了鲁棒性与不可察觉性，因嵌入过程仅修改高频分量，保持了载体图像的感知完整性。
• 该技术表明，仅3D人脸的纹理分量即可实现识别，从而实现高效且安全的数据隐藏。