در اين مقاله ما يك روش واترماركينگ مقاوم به منظور حفاظت از حق كپي تصاوير معرفي ميكنيم. اين روش بر مبناي اصول چندوضوحي تصوير استوار است و از تبديل موجك گسسته (DWT) استفاده ميكند. واترمارك مورد استفاده يك رشته از اعداد تصادفي با توزيع نرمال ميباشد. براي اينكه بتوانيم چکیده کامل
در اين مقاله ما يك روش واترماركينگ مقاوم به منظور حفاظت از حق كپي تصاوير معرفي ميكنيم. اين روش بر مبناي اصول چندوضوحي تصوير استوار است و از تبديل موجك گسسته (DWT) استفاده ميكند. واترمارك مورد استفاده يك رشته از اعداد تصادفي با توزيع نرمال ميباشد. براي اينكه بتوانيم واترمارك را به صورت مقاوم و غير محسوس درج كنيم مؤلفههاي واترمارك، به ضرايب مهم هر زير باند كه بر اساس مشخصات سيستم بينايي انسان (HVS) تعيين شدهاند اضافه ميشود. به منظور بهبود عملكرد مدل بينايي، تغييراتي بر روي آن اعمال شده است. براي عمل استخراج واترمارك تصوير اصلي واترماركنشده مورد احتياج ميباشد. براي اندازهگيري شباهت واترماركهاي استخراجشده و اصلي، از همبستگي نرماليزه استفاده ميشود. با استفاده از شبيهسازي نشان داده شده است كه اين روش نسبت به انواع مختلف حملات نظير افزودن نويز، فيلترينگ پايينگذر، فشردهسازي، برش، تغيير ابعاد و تعديل هيستوگرام مقاوم ميباشد. مقايسه اين روش با برخي از روشهاي مطرح موجود بيانگر عملكرد بهتر اين روش ميباشد.
پرونده مقاله
در سالهای اخیر با رشد روزافزون فناوریهای دیجیتال، نسخهبرداری عکسهای دیجیتال و حتی تغییر آنها بدون افت کیفیت و با هزینه اندک امکانپذیر شده است. نهاننگاری، یکی از روشهای موفق تشخیص دستکاری و حتی بازیابی دادههای اصلی میباشد؛ ولی هنوز مشکلات زیادی برای ارائه ی چکیده کامل
در سالهای اخیر با رشد روزافزون فناوریهای دیجیتال، نسخهبرداری عکسهای دیجیتال و حتی تغییر آنها بدون افت کیفیت و با هزینه اندک امکانپذیر شده است. نهاننگاری، یکی از روشهای موفق تشخیص دستکاری و حتی بازیابی دادههای اصلی میباشد؛ ولی هنوز مشکلات زیادی برای ارائه یک نهاننگار مناسب که قادر به تشخیص و بازیابی هر نوع دستکاری باشد، وجود دارد. این مشکلات خصوصاً در مواردی که حملات خاص دستکاری با نرخ بالا صورت میگیرد حادتر خواهد بود. در این مقاله یک روش نهاننگار معرفی شده که نهتنها قادر به تشخیص هر گونه دستکاری است، بلکه در نرخهای بالای دستکاری نیز میتواند دادههای اصلی را با کیفیت بالا بازیابی کند. در این مقاله برای تشخیص دستکاری از تجزیه به مؤلفههای تکین (SVD) استفاده میشود. همچنین نهاننگار برای بازیابی دادههای از دست رفته از روش مبتنی بر OIBTC استفاده میکند. این مقاله روشی کارا برای افزایش حساسیت تشخیص و در عین حال افزایش مقاومت نهاننگار برای بازیابی ارائه میدهد. نتایج بهدستآمده برتری روش پیشنهادشده را نسبت به روشهای اخیر ثابت میکنند.
پرونده مقاله