要了解S-uniward，首先要知道uniward是什么东西，为了解决定义域以及嵌入域相同的问题，提出了通用小波相对失真函数Universal Wavelet Relative Distortion，Uniward，首先我不理解这个定义域和嵌入域是什么意思，目前的理解应该是定义域就是计算失真的方法，像我现在用的失真计算方式不管是ssim还是PSNR都是在嵌入域里直接算的，但是uniward计算失真域总是在小波域，所以叫”通用小波”，应该是这样，所谓的【嵌入域】应该就是空域、频域这两个。
其失真代价为通过方向滤波器分解载体图像得到的小波系数的相对更改之和，其方向滤波器的特性使得载体在有嵌入更改的区域难以建模
那么什么是方向滤波器呢？
先来看看什么是高频什么是低频
高频就是图像中像素值落差很大的部分
低频就是图像中比较平滑的部分
这种特性就表示图像的一些细节信息一般都存在高频部分
图像掺杂的噪声一般也就在高频部分
这就造成了一部分细节信息被噪声淹没
所以滤波器就被提出来了
根据不同的噪声可以使用不同的滤波器
所以说滤波器就是为了保留细节特征并且去掉噪声，抑制噪声
滤波器就是对一个像素及其邻域（该像素周围一定范围的点）进行加权处理
加权处理后的值是他的新像素值
图像去噪算法的分类
（1）空间域滤波
空域滤波是在原图像上直接进行数据运算，对像素的灰度值进行处理。常见的空间域图像去噪算法有邻域平均法、中值滤波、低通滤波等。
（2）变换域滤波
图像变换域去噪方法是对图像进行某种变换，将图像从空间域转换到变换域，再对变换域中的变换系数进行处理，再进行反变换将图像从变换域转换到空间域来达到去除图像嗓声的目的。将图像从空间域转换到变换域的变换方法很多，如傅立叶变换、沃尔什-哈达玛变换、余弦变换、K-L变换以及小波变换等。而傅立叶变换和小波变换则是常见的用于图像去噪的变换方法。
那么，方向滤波器是什么呢？
把图像分为低频图像和一系列方向的高频图像，沿着行和列分别用高通滤波器和低通滤波器做卷积得到LL，LH，HL，HH四个反向的滤波，LL代表低频分量，后三个代表高频LH代表垂直分量，HL代表水平分量，HH代表对角线分量
就像这样，每一次小波分解，A就会变得更小（低频分量）
S-uniward这个算法计算嵌入失真时用小波变换后计算载体图像的方向滤波器组分解中的系数相对变化总和，这个方向性可以保证嵌入的位置集中在难以多个方向建模的部分，比如说纹理或者噪声区域，避免嵌入在平滑区域，然后他做了实验表明Uniward能够比拟现在成熟的隐写算法，甚至是由于现在的隐写算法。
S-uniward算法说到底还是设计了一种失真函数，独立于嵌入域来算失真，现在相同的思路还有J-uniward和SI-uniward，这两个都是基于频域的，频域上改进的效果更好一点
另外有一点是说这个Uniward其实提出的时候是一种非加性的版本定义，但是在实际使用的过程中采用了加性近似，在14年的这篇文章里并没有实现非加性的思路。
论文里写到HUGO bounding是一个非加性的方法，用了Gibis构造来实现的非加性。所以他在这个SSIM里表现很好，而且嵌入的速度也是最慢的。
再细读一下uniward原论文：Universal distortion function for steganography in an arbitrary domain
写到了HUGO其实是在纹理复杂区域和平滑区域赋予不同的权重，纹理复杂和平滑是用像素值差异来量化的，高权重给复杂区域，低权重给平滑区域。
在隐写分析里，还是这个S-uniward表现最好，用的也是SRM的方法，在各个嵌入率下面都表现更好一点。
S-uniward和WOW的失真函数是非常类似的
再仔细去看论文，写到了HUGO其实是在纹理复杂区域和平滑区域赋予不同的权重，纹理复杂和平滑是用像素值差异来量化的，高权重给复杂区域，低权重给平滑区域。
这跟fridrich网站上的hugo with bounding是不一样的，关于bounding还得去看Gibis construstions这篇文献是怎么说的，普通的HUGO应该是没有实现非加性失真设计的
WOW的失真函数和uniward的比较类似，都是用了小波变换来计算嵌入操作带来的在方向性高通滤波器下的方向残差，实验表明，这种方法比HUGO更难以被隐写分析检测出来。
文献里X表示cover载体图像，Y表示Stego载密图像，像素值有可能是空域的0-255，或者频域经过DCT变换的系数来替代原始像素值。
SI-uniward大概的意思就是用round四舍五入的方向来嵌入信息的，就是所谓的”边信息”。
2.1剩下的内容主要就是介绍了在SI-uniward方法里面需要用到的一些符号
2.2讲了怎么做DCT变换以及用Matlab如何操作
第三章开始介绍uniward的主要思想，如何构建小波域的失真函数，从三个高频区域来找方向性的滤波失真，LH，HL，HH。分别是垂直，水平以及对角线。
之后3.1介绍了通用失真的那个公式，小波域的损失作为代价函数来实现嵌入，
(Holub 等。, 2014, p. 3)
上面这个式子是针对空域的，如果是频域，那就把DCT系数给转换到空域然后再做差。需要注意的是，这些嵌入都是非加性的，都无法处理嵌入一个区域对于相邻像素区域的失真影响。
3.3介绍了SI-uniward，上下取整带来的失真影响，列了一些公式，这种四舍五入来实现隐写的好处就是可以自然地结合Jpeg图像压缩时候的【量化操作】
“These above embedding artifacts can be largely suppressed by prohibiting embedding changes in all 1/2coefficients in modes 00, 04, 40, and 44f.InFigure1, where we show the comparison of various side-informed embedding methods for quality factor 95, we intentionally included the detection errors for all tested schemes where this measure was not enforced to prove the validity of the above arguments.” (Holub 等。, 2014, p. 4)
针对这部分，有一篇文献
《基于SI-UNIWARD失真函数的改进隐写方案 – 中国知网》
3.5描述了WOW和uniward的关系，主要的改进是S-uniward可以用在频域上了，WOW还是不能在任意域中计算失真。
第四章介绍通用的实验配置，比如说载体图像数据集，隐写分析的特征，如何评价因些方法的安全性以及隐写分类器的构建，
第五章介绍各种参数对嵌入结果的影响。
包括嵌入率和滤波器的选择，也就是说嵌入率不能太大不能太小，太小了检测不到载体改变，太大了容易把那些平滑区域也嵌入内容。
论文中的SRM分析器用了一阶噪声残差
第六章是对实验的概述和分析，6.1是空域的S-uniward，比较了几种算法，LSBM，EA（edge-adaptive），HUGO，WOW，S-uniward
最后发现S-uniward是效果最好的
6.2和6.3是频域和边信息频域的介绍
第七章结论（此部分引用其他博主的翻译）
现在的主要工作就是在STC的框架下设计最好的失真函数，UNiward就是一种比较优秀的失真函数
完美的安全性对于经验载体源来说似乎是无法实现的，例如数字图像。目前最好的隐写术师能为这种源做的最好的事情在嵌入所需的有效载荷时最小化可检测性。解决这个问题的标准方法是当最小化精心制作的失真函数时嵌入，同时，这与经验统计检测性相关。这将安全隐写术的问题转化成一个已经在已知界限和一般接近最优的实际编码结构方面得到很大解决的问题。
本文的贡献是一个干净和通用的失真函数设计叫做UNIWARD，它独立于嵌入域。失真总是在小波域中被计算为最高频率未抽样子带中小波系数的相对变化的和。小波基函数的方向性允许发送者评估每个像素的领域在多个方向（纹理和噪声区域）是否存在不连续性，从而避免在图像中至少可以沿着一个方向（干净边缘和平滑区域）建模的那些部分中进行嵌入改变。这种无模型的启发式方法已经在空间域、JPEG域、边缘信息JPEG域中实现。在所有三个领域中，所提出的隐写方案匹配或者优于最先进的隐写方法。尤其是在JPEG域或者边缘信息JPEG域取得了相当显著的改进。实验表明，评估在替代领域中更改JPEG系数的成本的创新概念似乎很有希望。
尽管所有提出的方法是用UNIWARD的加性近似来实现和测试的，但是这种失真函数自然是在非加性版本中定义的，这意味着对相邻像素（DCT系数）所做出的改变在某种意义上是相互作用的，即总的强加失真不是单个改变单个改变失真的总和。这潜在的允许UNIWARD在考虑改变的图像像素之间的交互的同时嵌入。我们计划探索这个方向，作为未来努力的一部分。
最后但并非不重要的是，我们发现了一种新现象，这种现象阻碍了仅基于DCT系数量化误差计算嵌入成本的边缘信息JPEG隐写术的性能。当精确位于量化间隔中间的未量化的DCT系数被分配零成本时，任何最小化失真的嵌入都开始引入嵌入伪影，这些伪影使用JPEG丰富模型是完全可检测的。虽然本文提出的临时解决方案绝对不是最优的，但它提出了一个重要的开放问题，即在将数据嵌入到JPEG压缩形式时，如何最好的利用未压缩图像形式的辅助信息。作者将对这一现象的详细调查推迟到未来的工作中。
Original: https://blog.csdn.net/weixin_50936654/article/details/125869690
Author: weixin_50936654
Title: 什么是S-uniward？
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/645399/
转载文章受原作者版权保护。转载请注明原作者出处！