بهبود عملکرد روش نهان نگاری تطبیقی از طریق انتخاب هوشمندانه کلیدهای جاسازی با استفاده از الگوریتم های بهینه سازی

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 212

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ADST-12-1_006

تاریخ نمایه سازی: 12 خرداد 1400

Abstract:

در روش­های نهان نگاری تطبیقی از ایده ظرفیت جاسازی متغیر در نواحی تصویر با توجه به یکنواخت یا لبه بودن آن ها، استفاده می­شود. روش ALSBMR یک روش تطبیقی است که دو مرحله اصلی دارد: انتخاب پیکسل­های مناسب برای جاسازی و جاسازی در آن ها با استفاده از روش LSBMR. در این روش، دو کلید توافقی میان فرستنده و گیرنده برای مشخص نمودن زاویه چرخش بلاک­ها و انتخاب مسیر جاسازی استفاده می­شود. در روش اصلی این کلیدها بدون هیچ ملاک و معیار مشخص و به صورت تصادفی توسط فرستنده انتخاب و به اطلاع گیرنده می رسد. در روش پیشنهادی، انتخاب کلید به عنوان یک مسئله بهینه­سازی مدل شده است و از دو الگوریتم بهینه­سازی ژنتیک (GA) و الگوریتم بهینه سازی آموزش-یادگیری (TLBO) برای یافتن کلیدهای بهینه استفاده شده است. برای بررسی بیشتر از دو تابع برازندگی اختلاف بین تصویر میزبان و نهان نگاری شده و همچنین اختلاف هیستوگرام تصویر میزبان و تصویر نهان نگاری شده استفاده شده است. نتایج نشان می دهد، کیفیت و امنیت تصویر نهان نگاری شده در روش پیشنهادی نسبت به روش پایه بهبود یافته است. با توجه به این که تمام روش­های نهان نگاری نیاز به کلیدهای جاسازی دارند، هوشمند کردن فرآیند انتخاب این کلیدها می­تواند به بهبود عملکرد روش های نهان نگاری موجود کمک کند.

Keywords:

نهان نگاری , نهان کاوی , نهان نگاری تطبیقی , الگوریتم ژنتیک , الگوریتم بهینه سازی آموزش-یادگیری

Authors

وجیهه ثابتی

استادیار، دانشگاه الزهرا، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Kadhim, I. J.; Premaratne, P.; Vial, P. J.; “Improved Image ...
  • Kadhim, I. J.; Premaratne, P.; Vial P. J.; Halloran, B.; ...
  • Luo, W.; Huang, F.; Huang, J.; “Edge Adaptive Image Steganography ...
  • Hong, W.; Chen, T. S.; “A Novel Data Embedding Method ...
  • Hussain, M.; Abdul Wahab, A. W.; Ho, A. T. S.; ...
  • Liao, X.; Qin, Z.; Ding, L.; “Data Embedding in Digital ...
  • Shen, S. Y.; Huang, L. H.; “A Data Hiding Scheme ...
  • Hong, W.; Chen, T. S.; Luo, C. W.; “Data Embedding ...
  • Rabie, T.; Kamel, I.; “High-Capacity Steganography: A Global-Adaptive-Region Discrete Cosine ...
  • Rabie, T.; Baziyad, M.; Kamel, I.; “Enhanced High Capacity Image ...
  • Di, F.; Zhang, M.; Liao, X.; Liu, J.; “High-Fidelity Reversible ...
  • Al-Qershi, O. M.; Khoo, B. E.; “Controlling Hiding Capacity Using ...
  • Ghosal, S. K.; Mandal, J. K.; Sarkar, R.; “High Payload ...
  • Atta, R.; Ghanbari, M.; “A High Payload Steganography Mechanism Based ...
  • Gaurav, K; Ghanekar, U.; “Image Steganography Based on Canny Edge ...
  • Atee, H. A.; Ahmad, R.; Noor, N. M.; Rahma, A. ...
  • Roy, R.; Laha, S.; “Optimization of Stego Image Retaining Secret ...
  • Ghaleb Al-Jbara, H. A.; Mat Kiah, L. B.; Jalab, H. ...
  • Nipanikar, S. I.; Deepthi, V. H.; Kulkarni, N.; “A Sparse ...
  • Rao, R. V.; Savsani, V. J.; Vakharia, D. P.; “Teaching–Learning-Based ...
  • Ker, A.; “Steganalysis of LSB Matching in Grayscale Images”; IEEE ...
  • Huang, F.; Li, B.; Huang, J.; “Attack LSB Matching Steganography ...
  • Cancelli, G.; Doerr, G.; Cox, I. J.; Barni, M.; “Detection ...
  • Sabeti, V.; Samavi, S; Shirani, S.; “An Adaptive LSB Matching ...
  • Shah, P. D.; Bichkar, R. S; “A Secure Spatial Domain ...
  • Wazirali, R.; Alasmary, W.; Mahmoud, M. M; Alhindi, A.; “An ...
  • Shah, P.D.; Bichkar, R.S.; “Genetic Algorithm Based Imperceptible Spatial Domain ...
  • Sabeti, V.; Faiazi, S.; Shirinkhah, H.; “Improving Security of LSBM ...
  • نمایش کامل مراجع