نهان گذاری مقاوم تصاویر دیجیتال در حوزه تبدیل موجک با استفاده از رگرسیون بردار پشتیبان
Publish place: Conference on Signal Processing and Intelligent Systems
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 654
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
SPIS02_032
Index date: 1 July 2017
نهان گذاری مقاوم تصاویر دیجیتال در حوزه تبدیل موجک با استفاده از رگرسیون بردار پشتیبان abstract
در سالهای اخیر یکی از راه حل های موثر برای مقابله با بسیاری از مسایل همچون حق امتیاز و تصدیق محتویات یک اثر، درج اطلاعات نهان در رسانه های دیجیتال همچون تصویر، ویدیو و صوت، است. همواره بین مقاوم بودن اطلاعات نهان نگاری در برابر انواع حملات و غیرقابل مشاهده بودن اطلاعات نهان تناقض جدی وجود دارد. نیاز مبرم یک سیستم نهان نگاری، داشتن نگاهی جامع برای ایجاد مصالحه بین این دو ویژگی مهم و متناقض است. در این مقاله یک الگوریتم نهان نگاری کور با مقاومت بالا پیشنهاد می شود. روش پیشنهادی یک الگوریتم هوشمند برای پنهان کردن الگوهای باینری است، در مرحله ی پیش پردازش بلولک های مناسب تصویر بر اساس تعداد لبه برای عملیات نهان نگاری انتخاب می شوند و سپس روی تصویر اصلی تبدیل موجک افزونه را اعمال میکنیم سپس زیر باند فرکانس پایین بدست آمده را به بلوک های 8 × 8 تقسیم کرده و بلوک های انتخابی از مرحله قبل را به مقادیر منفردشان تجزیه کرده و نهان نگاره باینری را با استفاده از تبدیل آرنولد دگرگون کرده و در مولفه U مقادیر منفرد زیر باند فرکانس پایین بلوک ها جایگذاری می کنیم. برای استخراج نهان نگاره از یک رگرسیون بردار پشتیبان(SVR) آموزش یافته استفاده شده است. نتایج شبیه سازی نشان می دهد که میزان مشاهده ناپذیری این روش به دلیل استفاده از مرحله پیش پردازش به اندازه حداقل 20درصد بهبود داشته و همچنین مقاومت این روش در مقایسه با روشهای مشابه اخیر به میزان حداقل 5% در برابر انواع حملات متداول از جمله حملات پردازشی و هندسی بهبود داشته است
نهان گذاری مقاوم تصاویر دیجیتال در حوزه تبدیل موجک با استفاده از رگرسیون بردار پشتیبان Keywords:
نهان گذاری مقاوم تصاویر دیجیتال در حوزه تبدیل موجک با استفاده از رگرسیون بردار پشتیبان authors
مهدی رضایی
دانشجو دکترا ، گروه الکترونیک دانشکده برق، دانشگاه صنعتی امیرکبیر ، تهران
ساناز سیدین
استادیار، گروه الکترونیک دانشکده برق، دانشگاه صنعتی امیرکبیر ، تهران
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 :