روش مقاوم جدید واترمارکینگ ویدئویی بر پایه ترکیب تبدیل موجک – کسینوسی و شبکه عصبی

پایان نامه
چکیده

جدیدترین استاندارد فشرده سازی ویدئو h.264/avc است که در مقایسه با استاندارد های فشرده سازی ویدئوی پیشین نرخ فشرده سازی بالاتری را دارا می باشد. هنگامی که استفاده از ویدئوهای دیجیتال براساس فرمت h.264 مرسوم شوند، صنعت به روش هایی که برای حفاظت از حق کپی و تعیین اعتبار ویدئو که بازدهی مناسبی از لحاظ مقاومت و شفافیت روی این فرمت ویدئویی داشته باشند، نیاز خواهد داشت. در نتیجه نیاز به الگوریتم های واترمارکینگ ویدئویی دارای بازدهی مطلوب روی ویدئوهای فشرده شده h.264، پنهان از دید بیننده و مقاوم در مقابل حملات بیشتر احساس می شود. در این پایان نامه الگوریتم واترمارکینگ مقاوم و غیر قابل مشاهده ارائه شده است. الگوریتم پیشنهادی براساس تشخیص تغییر صحنه های متمایز و استفاده از دو تبدیل فرکانسی رایج می باشد. ابتدا توسط شبکه های عصبی art2 صحنه های متفاوت در دنباله ویدئویی تشخیص و سپس واترمارک خاکستری که با استفاده از الگوریتم کیاتیک arnold cat map رمزنگاری شده، به تعداد صحنه های متفاوت موجود شکسته می شود. در مرحله بعد با بهره گرفتن از ویژگی های مناسب دو دامنه فرکانسی رایج، تبدیل موجک و تبدیل کسینوسی؛ قسمت های مختلف واترمارک را به صورت مقاوم و شفاف در تمامی فریم های یک صحنه ویدئوی تعبیه می شود. ابتدا از فریم ویدئویی تبدیل موجک در سه سطح گرفته شده و سپس با انتخاب زیرباندهای میانی تبدیل موجک با استفاده از تبدیل کسینوسی بلاکی، دنباله شبه نویز متناسب با بیت واترمارک را در فرکانس های میانی تعبیه می شود. به همین ترتیب برای تمامی فریم های موجود در صحنه های متفاوت، بخش های دیگر واترمارک شکسته شده را تعبیه می کنیم. قبل از اعمال الگوریتم بازیابی، عملیات پیش پردازش به منظور بالا بردن قدرت تشخیص درست واترمارک انجام می شوید. عملیات پیش پردازش شامل اعمال ترکیب دو فیلتر بر روی فریم و یا تصویر واترمارک شده می باشد، که این دو فیلتر، فیلتر شارپ سازی و فیلتر لاپلاسین می باشد. در هنگام بازیابی نیز، الگوریتم بازیابی مشابه الگوریتم تعبیه را بر روی تمامی فریم های موجود در دنباله ویدئویی را برای استخراج واترمارک انجام می دهیم. از طریق مقایسه همبستگی بین اطلاعات استخراج شده از قسمت هایی که در آنها واترمارک تعبیه شده با دنباله شبه نویز اصلی تولید شده برای بیت 1 و 0، بیت واترمارک تشخیص داده می شود. آزمایشات متعددی بر اساس حملات متفاوت پردازش تصویر و ویدئوی رایج برای نشان دادن کارایی الگوریتم های پیشنهادی انجام شده است. در تمامی این آزمایشات مقاومت در برابر حملات و غیر قابل مشاهده بودن واترمارک به اثبات رسیده است.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بررسی ترکیب تبدیل های موجک و شبکه عصبی در پیش بینی جریان های سطحی تنگه هرمز

جریان‌های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین‌رو، پیش‌بینی جریان‌های دریایی از اهمیت بسزایی در اقیانوس‌شناسی برخوردار است. در این پژوهش با به‌کارگیری شبکه‌‌عصبی و تکنیک تبدیل موجک به پیش‌بینی جریان‌های سطحی تنگه‌هرمز پرداخته شده است. بدین منظور داده‌های ثبت‌شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به‌کا...

متن کامل

کشف جعل کپی-انتقال تصاویر دیجیتال با استفاده از تبدیل موجک و تجزیه ضرایب تبدیل کسینوسی

در جعل کپی-انتقال، قسمتی از تصویر کپی شده،در موقعیت متفاوت در همان تصویر جایگذاری می‌شود. این نوع دستکاری برایمخفی کردن یک قطعه ناخواسته و یا برای اضافه کردن جزئیاتی به تصویر انجام می‌گیرد.در این مقاله، روشی بهبودیافته با استفاده از تبدیل موجک گسسته و تجزیه ضرایب تبدیلکسینوسی برای کشف جعل کپی-انتقال ارائه شده و چالش‌های آن بررسی می گردد. در روش پیشنهادیبا بهره‌گیری از تبدیل موجک، ماهیت تجزیه مق...

متن کامل

پیش‌بینی قیمت گاز طبیعی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی (مطالعه موردی: بازار آمریکا)

در این مقاله تلاش شده ‏است با استفاده از ترکیب تبدیل موجک و شبکه عصبی مدلی به‌منظور پیش‌بینی روزانه قیمت گاز طبیعی ارائه شود. در این مدل ترکیبی، از موجک گسسته دابیشز به‌منظور تجزیه سری زمانی قیمت استفاده شده‏، سپس ضرایب تقریبات و جزئیات مؤثر به‌عنوان ورودی شبکه عصبی به‌منظور پیش‌بینی قیمت گاز طبیعی هنری هاب به‌عنوان مرجعی برای قیمت گاز طبیعی در آمریکا به‌کار رفته ‏است. مقایسه عملکرد نسبی مدل تر...

متن کامل

بررسی ترکیب تبدیل های موجک و شبکه عصبی در پیش بینی جریان های سطحی تنگه هرمز

جریان های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین رو، پیش بینی جریان های دریایی از اهمیت بسزایی در اقیانوس شناسی برخوردار است. در این پژوهش با به کارگیری شبکه عصبی و تکنیک تبدیل موجک به پیش بینی جریان های سطحی تنگه هرمز پرداخته شده است. بدین منظور داده های ثبت شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به کارگیری...

متن کامل

پیش‌بینی قیمت روزانه برق با شبکه عصبی بهبودیافته مبتنی بر تبدیل موجک و روش آشوبناک جستجوی گرانشی

چکیده:با سمت‎گیری وتغییرساختاربازاربرقازبازارانحصاریدولتیبهبازار رقابتیکهدرآنقیمتتوسطنیروهایبازارتعیینمی‎شود،نیاز به طراحی مدلی کارا و مناسب به‌گونه‌ای که ریسک شرکت در بازار رقابتی برای فعالان بازاربرق را در جهت افزایش سوددهی آن‌ها کاهش دهد، اهمیتویژه‎اییافتهاست. برای مدل‌سازی و پیش‎بینی قیمت برق در بازار رقابتی باید خصوصیات این کالا ازجملهعدمقابلیتذخیره‌سازی،کم‌کششبودن وفصلی بودنتقاضارادرنظرگر...

متن کامل

مقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک

این مطالعه تلاشی است در جهت به­کارگیری ترکیب مدل شبکه­ی عصبی پویا و تجزیه­ی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیش­بینی متغیر مذکور می­باشد. جهت تحقق این مهم، از داده­های سری­زمانی ماهانه­ی نرخ ارز طی بازه­ی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدل­سازی­ها استفاده شده و تعداد 27 مشاهده نیز جهت شبیه­سازی و یا به بیان دی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده فنی و مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023