تکنیک نهان‌نگاری دیجیتال تصویر ترکیبی و نامرئی با استفاده از تبدیل موجک صحیح، تبدیل کسینوسی گسسته و شبکه عصبی هاپفیلد

تکنیک نهان‌نگاری دیجیتال تصویر ترکیبی و نامرئی با استفاده از تبدیل موجک صحیح، تبدیل کسینوسی گسسته و شبکه عصبی هاپفیلد

ایوب طاهری1 سیمین منصوری بروجنی2

1) گروه مهندسي کامپيوتر، دانشکده فناوري اطلاعات، دانشگاه پيام نور، صندوق پستي 4697-19395، تهران، ايران،
2) گروه آمار، دانشگاه پيام نور، صندوق پستي 4697-19395، تهران، ايران،

کد IOI مقاله : AAHD-ABKCGZ
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    با توجه به ویژگی‌های سیستم بینایی انسان و قابلیت حافظه انجمنی در شبکه‌های عصبی، یک الگوریتم تطبیقی نهان‌نگاری تصویر مبتنی بر شبکه عصبی پیشنهاد شده است. نهان‌نگاری نامرئی تصویر یک طرح تعبیه مخفیانه برای پنهان کردن تصویر محرمانه درون فایلِ تصویر پوششی است و هدف اصلی آن حفاظت از حق نشر می‌باشد. تکنیک‌های نهان‌نگاری تصویر مبتنی بر تبدیل موجک، در مقایسه با نهان‌نگاری مبتنی بر دامنه تبدیل کسینوسی گسسته، مقاومت بهتری را در برابر حملات آماری ارائه می‌دهند. تکنیک ترکیبی DWT و DCT مزایای هر دو روش را به‌طور همزمان فراهم می‌آورد. با این حال، روش DWT دارای این نقطه‌ضعف است که هنگام تعبیه دچار حذف اطلاعات می‌شود؛ امری که به افزایش خطای میانگین مربعات و در نتیجه کاهش PSNR می‌انجامد. قابلیت جذب به واسطه پیش‌پردازش و پردازش مجددِ در هم‌ ریختگی تصویر و بهره‌گیری از شبکه عصبی هاپفیلد بهبود یافته است. الگوریتم پیشنهادی یک تکنیک نهان‌نگاری ترکیبی مبتنی بر تبدیل موجک صحیح و تبدیل کسینوسی گسسته را ارائه می‌دهد تا در مقایسه با تکنیک مبتنی بر DWT-DCT، به سطح بالاتری از نامحسوس بودن و مقاومت دست یابد. تکنیک نهان‌نگاری ترکیبی پیشنهادی مبتنی بر IWT-DCT، حذف اطلاعات را در مقایسه با رویکرد نهان‌نگاری مبتنی بر DWT به میزان قابل‌توجهی کاهش می‌دهد.

کلمات کلیدی : iwt dct hvs شبکه عصبی هاپفیلد