3.6 Insertion des donn´ ees bas´ ees contenu
3.6.1 Extraction et description des r´ egions d’int´ erˆ et
3.6.1.1 Obtention d’un masque de l’image
Notre objectif n’est pas de d´ecouper l’image en RI `a partir d’un algorithme simple et stable de segmentation [Healey 89]. Le contenu souhait´e de l’image doit ˆetre d´ecrit par des RIs non connect´ees. Ces RIs doivent avoir une taille minimale pour ˆetre consid´er´ee par l’IDC. Nous retenons uniquement les r´egions d’une taille sup´erieure `a 3000 pixels. Pour obtenir le masque de l’image nous convertissons l’image couleur en niveau de gris et nous utilisons un algorithme de croissance de r´egions. Pour chaque pixel, tous les pixels voisins sont rajout´es `a la mˆeme r´egion si leur niveau de gris est similaire, sinon ils constituent la base d’une autre r´egion. La valeur du seuil doit ˆetre r´egl´ee par l’utilisateur mais peut
´
egalement faire partie de la clef. Chaque RI est donc un ensemble de pixels d´ecrivant grossi`erement les formes pr´esentes dans l’image support. Pour illustrer ce proc´ed´e, une segmentation est appliqu´ee sur l’image originale nomm´ee Fish, figure 48.a, et nous obtenons le masque associ´e illustr´e figure 48.b.
Apr`es segmentation, l’image est un ensemble de zones convexes. Chaque r´egion dispose d’un contour compos´e de pixels appel´es pixels fronti`eres. Ces pixels seront les premiers `a changer de RI lors d’une transformation g´eom´etrique. Par cons´equent, afin d’augmenter la robustesse face `a ces transformations, les pixels fronti`eres ne sont pas consid´er´es comme appartenant `a la RI. Afin de r´egulariser les contours des RIs, un ensemble d’´erosions et de dilatations sont appliqu´ees sur les RIs [Serra 88].
Apr`es r´eduction des RIs un ´etiquetage en composantes connexes peut-ˆetre appliqu´e.
L’´etiquetage en composantes connexes d’une image binaire consiste `a attribuer une ´etiquette
3.6. INSERTION DES DONN ´EES BAS ´EES CONTENU 147
(a) (b) (c)
Fig. 48 – a) L’image originale “Fish”, b) Le masque binaire associ´e, c) Forme et orien-tation des blocs dans la RI.
diff´erente pour chaque composante connexe et identique pour tous les pixels d’une mˆeme composante. Ce traitement utilis´e s’appuie sur l’op´erateur de Rosenfeld [Rosenfeld 68]. La structure de l’algorithme utilis´e impose un travail en 4-connexit´e. Finalement chaque pixel prend comme ´etiquette une valeurLROI sp´ecifique `a sa RI d’appartenance.
3.6.1.2 Caract´eristiques des RIs
Apr`es extraction des RIs, une analyse de celles-ci est n´ecessaire afin de pouvoir ins´erer les donn´ees. En effet, une caract´erisation pr´ecise de ces RI nous permettra alors, apr`es des d´eformations g´eom´etriques, d’extraire les donn´ees cach´ees. Les donn´ees cach´ees doivent donc ˆetre ins´er´ees `a partir de rep`eres d´ependant des propri´et´es de chaque RI qui sont : la taille, la position et l’orientation des RIs.
– Un descripteur de taille, la surface de la RI not´ee S(RI), est le premier param`etre calcul´e. Il correspond au nombre de pixels qui ont la mˆeme ´etiquette LRI. Pour faciliter le traitement de ces RIs une normalisation est effectu´ee. Cette normalisation est d’une taille moyenne de RIs not´eeSs. Un facteur de taille est finalement obtenu :
FS(RI) = S(RI)
Ss . (57)
Ss est g´en´eralement ´egale `a 10% de la taille de l’image originale, c’est `a dire 15000 pixels pour une image comportant 400×350 pixels comme l’image Fish. L’utili-sation de ce changement de taille rend possible la d´etection des donn´ees apr`es un changement d’´echelle de l’image.
– Le barycentre GRI des RIs est utilis´e comme descripteur de position. En effet, les moments du premier degr´e de la RI, not´esµı(RI) etµ(RI) localisent pr´ecis´ement ce
point particulier. Les param`etresµı(ROI) etµ(ROI) correspondent respectivement
`
a la moyenne des abscisses et des ordonn´ees de la RI :
µı(RI) = 1 S(RI)
S(RI)−1
X
k=0
ı(k)
µ(RI) = 1 S(RI)
S(RI)−1
X
k=0
(k),
(58)
o`u ı(k) et (k) sont respectivement les coordonn´ees verticale et horizontale du pixel k.
Nous obtenons finalement :
GRI =G[µı(RI),µ(RI)]. (59)
Le barycentre GRI constitue le point d’origine du r´ef´erentiel rattach´e `a la RI. Ce rep`ere d´etermine le point de d´epart de l’insertion et de la d´etection. C’est lui qui permet la synchronisation des donn´ees ins´er´ees dans l’image.
– Le descripteur de forme et de direction est bas´e sur l’analyse en composantes princi-pales (ACP). Notre sch´ema d’insertion utilise des rep`eres qui d´ependent de la forme des RIs. Pour construire chacun de ces r´ef´erentiels, une origine et deux directions sont n´ecessaires. La position du point GROI a ´et´e calcul´ee pr´ec´edemment. Pour calculer les directions sp´ecifiques de chacune des RIs nous avons utilis´e une m´ethode d´eriv´ee de l’ACP qui implique le calcul des moments du second degr´e des RIs. Nous obte-nons les variances horizontale et verticale,Vx(RI) et Vy(RI) ainsi que la covariance Vxy(RI) :
Vx(RI) = 1 S(RI)
S(RI)−1
X
k=0
(ı(k)−µı(RI))2
Vy(RI) = 1 S(RI)
S(RI)−1
X
k=0
((k)−µ(RI))2
Vxy(RI) = 1 S(RI)
S(RI)−1
X
k=0
[ı(k)−µı(RI)][(k)−µ(RI)].
(60)
L’ensemble de ces coefficients peut ˆetre repr´esent´e par une matrice C0(RI) de 2×2
´el´ements :
C0(RI) =
Vx(RI) Vxy(RI) Vxy(RI) Vy(RI)
. (61)
3.6. INSERTION DES DONN ´EES BAS ´EES CONTENU 149
Comme le montre le syst`eme d’´equations (60), les variances spatiales donnent des indications `a la fois de forme et de direction sur les RIs. Par exemple, une RI avec une variance importante en x et une faible variance en y sera allong´ee selon l’axe des abscisses. L’analyse de la matrice C0(RI) nous permet d’extraire deux valeurs propres λ1(RI) et λ2(RI) et deux vecteurs propresV~1(RI) etV~2(RI) [Bas 01]. Les doublets {λi, ~Vi}, avec i ∈ {1,2}, repr´esentent les axes majeur et mineur propres
`
a la RI. Ces deux axes sont illustr´es figure 49 sur le masque de l’image Fish. As-soci´es au barycentreGRI, ils forment le rep`ere apte `a recevoir les donn´ees `a ins´erer.
L’information `a ins´erer peut alors ˆetre synchronis´ee avec chaque RI de l’image.
Fig.49 – Rep`ere de r´ef´erence et ordre de construction des blocs dans la RI.
3.6.1.3 Synchronisation des donn´ees cach´ees avec les RIs
Notre m´ethode d’IDC utilise des bloc unitaires de n2 pixels. Ces blocs sont d´efinis diff´eremment selon la forme et l’orientation des RIs. De plus, ils sont construits suivant un ordre pr´ecis afin de pr´eserver l’int´egrit´e de l’information ins´er´ee. La taille des blocs est normalis´ee afin de rendre la d´etection unique et rapide.
Il faut ensuite enchaˆıner des blocs afin de pouvoir ins´erer une s´equence binaire. En effet pour ins´erer le message un ordre doit ˆetre respect´e. Nous utilisons ´egalement les doublets {λi, ~Vi} associ´es aux barycentres GRI pour d´eterminer un chemin d’insertion not´e IpROI. IpROI est un ensemble ordonn´e dempixels originelsspk, avec 0≤k < m etm le nombre de bits ins´er´es dans la RI. Chaque pointspkconstitue le point de d´epart d’un bloc unitaire.
Nous obtenons ainsi un ensemble de m blocs, illustr´e Figure 49. Le sens de propagation des blocs suit un d´eveloppement de type excentrique.