یک تکنیک ترکیبی و جدید نهاننگاری دیجیتال تصویر با مقاومت بالا، بر پایه DCT-DWT و شبکههای عصبی مصنوعی
یک تکنیک ترکیبی و جدید نهاننگاری دیجیتال تصویر با مقاومت بالا، بر پایه DCT-DWT و شبکههای عصبی مصنوعی
سیمین منصوری بروجنی1 ایوب طاهری2
1) گروه آمار، دانشگاه پيام نور، صندوق پستي 4697-19395، تهران، ايران،
2) گروه مهندسي کامپيوتر، دانشکده فناوري اطلاعات، دانشگاه پيام نور، صندوق پستي 4697-19395، تهران، ايران،
کد IOI مقاله
:
AAHD-ABKCGB
محل انتشار :
کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
این مقاله استفاده از تبدیل کسینوسی گسسته مبتنی بر زیربلوکهای 8×8 را برای انتقال تصویر اصلی از حوزه مکانی به حوزه فرکانس پیشنهاد میدهد. نتیجه تبدیل DCT منجر به تولید ضرایب AC و DC میشود. سپس، ضرایب DC در یک شبکه گردآوری میشوند تا تحت تبدیل موجک گسسته یا DWT قرار گیرند. حاصل اعمال تبدیل DWT، تولید چهار زیرباند است. در این مرحله، زیرباند LL برای جاسازی اطلاعات حق نشر به عنوان یک تصویر موازی با مقدار مشخصی از قدرت نهاننگاری انتخاب میگردد. در گام نهایی، به منظور تولید تصویر نهاننگاری شده ، تبدیلات DWT-DCT معکوس میشوند. برای جلوگیری از بروز مشکلات کیفیتی در طول فرآیند نهاننگاری، الگوریتم پیشنهادی از شبکه عصبی مصنوعی بهره میبرد. شبکه عصبی مصنوعی یا ANN، دادههای پیکسلهای تخریب شده را بر اساس موقعیت مکانی آنها در طول فرآیند نهاننگاری و انتقال، به خاطر سپرده و بازسازی میکند. جاسازی و استخراج نهاننگاره در قالب یک رویکرد ترکیبی، از هر دو حوزه DCT و DWT استفاده میکند. مشاهدات ما حاکی از آن است که الگوریتم ما تحت تأثیر ویژگیهای بافتی تصویر اصلی قرار میگیرد. بر اساس نتایج این پژوهش، مقادیر بالای نامحسوس بودن نهاننگاره توسط معیارهای PSNR و MSE تأیید شده است. همچنین، قدرت نهاننگاری تصویر توسط معیار MSE ارزیابی شده و نشان داده شده است که این روش در برابر حملات مختلف، به ویژه حملات فشردهسازی JPEG، بسیار مقاوم است.
کلمات کلیدی : نهان¬نگاری تصویر تبدیل کسینوسی گسسته تبدیل موجک گسسته شبکه عصبی مصنوعی