Applications possibles de la stéganographie sur la compression d’image et l’estimation du regard de l’oeil humain

Abstract

La recherche présentée dans cette thèse est divisée en trois parties. Notre objectif dans la première partie est l’amélioration de la compression de l’image par stéganographie. Dans cette étude, la compression de données est effectuée en deux étapes. Tout d’abord, nous profitons du compactage d’énergie en utilisant JPEG pour réduire les données redondantes. Ensuite, nous intégrons des blocs de bits dans les blocs suivants de la même image stéganographie. Les bits intégrés servent à non seulement augmenter la taille du fichier de l’image compressée, mais aussi à diminuer davantage la taille du fichier. Les résultats expérimentaux montrent que notre méthode donne de meilleurs taux de compression tout en conservant une haute qualité de l’image. Le deuxième sujet de cette thèse propose un formalisme bayésien pour la stéganalyse d’image numérique qui permet la détection d’images stego, l’identification de l’algorithme de stéganographie utilisé, l’estimation de la longueur du message et l’emplacement, et l’anticipation dans le cas de l’intégration en utilisant un algorithme de stéganographie inconnu. La détection, l’identification et l’anticipation impliquent l’apprentissage discriminant dans l’espace des fonctions. L’estimation nécessite la fusion de classificateurs permettant la discrimination entre les sous-images et une intégration entière des couvertures de tailles différentes. La validation sur des images JPEG montre que le système proposé est efficace et permet d’anticiper des algorithmes de stéganographie inconnus. Le troisième sujet de la thèse décrit une méthode d’estimation du regard de l’oeil humain pendant un mouvement normal de la tête. Dans ce procédé, la position et l’orientation de la tête sont acquises par des données de profondeur fournies par Kinect. La direction de l’oeil est obtenue à partir d’images à haute résolution. Nous nous proposons la régression logistique multinomiale pour construire une fonction de mappage du regard et de vérifier l’état de l’iris. L’efficacité de la méthode proposée est validée par une évaluation de la performance pour plusieurs personnes avec différentes distances et poses par rapport à la caméra et dans différents états de l’oeil.