ارایه یک روش نوین و مقاوم واترمارکینگ صوت مبتنی بر تبدیل موجک
Publish place: 12th Annual Conference of Computer Society of Iran
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,015
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI12_153
تاریخ نمایه سازی: 23 دی 1386
Abstract:
در این مقاله، یک روش نوین واترمارکینگ در صوت که اطلاعات را بصورت تطبیقی درون ضرایب تبدیل موجک سیگنالهای صوتی مخفی می کند، ارائه نموده ایم. قبل از فرایند مخفی سازی، جهت افزایش ضریب امنیتی، از یک توالی اعداد شبیه تصادفی برای رمزنگاری داده واترمارک استفاده شده است. در این روش به منظور دستیابی به بیشترین مقاومت در برابر حملات مختلف بدون کاهش کیفیت شنیداری صوت حاصل، اطلاعات در ضرایب فرکانس پایین تبدیل موجک مخفی می شوند. شدت مخفی سازی در ضرایب بصورت تطبیقی و متناسب با مدل شنوایی انسان (HAS) تعیین می گردد. سپس با اعمال عکس تبدیل موجک به ضرایب حاصل، سیگنال واترمارک شده بدست می آید. عملکرد روش پیشنهادی بر حسب کمیتهای SNR ( نسبت انرژی سیگنال به نویز) و BER (نرخ خطای بازیابی) و sim (کمیت شباهت) ارزیابی شده است.نتایج تجربی بیانگر این واقعیت است که این روش ضمن حفظ کیفیت شنیداری صوت واترمارک شده، نسبت به روشهای موجود کارکرد بهتری از نظر ظرفیت اطلاعات قابل مخفی سازی و مقاومت در برابر حملات و پردازشهای متداول صوت نظیر نویز گوسی افزوده، تغییر نرخ نمونه برداری و میزان کوانتش، فیلتر کردن فرکانس پایین، حملات برش و فشرده سازی MPEG دارد.
Keywords:
Authors
احمد دلفروزی
کارشناس ارشد مهندسی برق - الکترونیک، دانشگاه شاهد، مرکز تحقیقات دانش
محمد پویان
استادیار، عضو هیات علمی دانشگاه شاهد، مرکز تحقیقات دانشکده فنی و مهن
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 :