آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 678 |
| تعداد مقالات | 7,126 |
| تعداد مشاهده مقاله | 9,087,496 |
| تعداد دریافت فایل اصل مقاله | 8,399,764 |
نشانه‌گذاری نیمه‌شکننده مبتنی بر تبدیل موجک ترفیع و نزدیک‌ترین همسایه جهت تشخیص دستکاری در تصاویر رنگی و خاکستری | ||
| مجله مهندسی برق دانشگاه تبریز | ||
| مقاله 5، دوره 47، شماره 4 - شماره پیاپی 82، زمستان 1396، صفحه 1343-1355 اصل مقاله (2099 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
بهروز بلوریان حقیقی؛ امیرحسین طاهری‌نیا 
| ||
| دانشگاه فردوسی مشهد - دانشکده مهندسی - گروه کامپیوتر | ||
| چکیده | ||
| امروزه حجم زیادی از داده‌های چندرسانه‌ای به راحتی از طریق اینترنت در دسترس همه است و به سهولت با استفاده از ابزارهای پردازش تصویر می‌تواند تغییر داده یا اصلاح شوند. نشانه‌گذاری رقمی یک فناوری در حال توسعه برای اطمینان و تسهیل اعتبار داده‌ها، امنیت و محافظت از حق تألیف رسانه‌های رقمی است. یکی از کاربردهای نشانه‌گذاری رقمی احراز صحت ناحیه دستکاری شده است. روش‌های نشانه‌گذاری رقمی که جهت تشخیص ارائه شده‌اند، قادرند با استفاده از اطلاعاتی که از قبل در رسانه تعبیه شده است پی به صحت و یکپارچگی تصویر دریافت‌شده ببرند. در این مقاله روشی جهت شناسایی ناحیه دستکاری در تصاویر رنگی و خاکستری ارائه شده است. در روش پیشنهادی ابتدا به تصویر تبدیل موجک ترفیع اعمال و لبه‌های افقی را به بلوک‌های کوچک غیرهمپوشان تجزیه نموده و نشانه دودویی را با چندی‌سازی دو ضریب بیشینه در بلوک‌های حاصل جاسازی می‌کنیم. جهت استخراج نشانه، مجموعه از ویژگی‌های آماری از هر بلوک استخراج شده و به‌عنوان داده آموزشی در اختیار الگوریتم یادگیری قرار می‌گیرد. جهت استخراج نشانه با بالاترین همبستگی از الگوریتم نزدیک‌ترین همسایه استفاده شده است. درنهایت نشانه استخراج‌شده با نشانه اصلی مقایسه و ناحیه دستکاری مشخص می‌شود. نتایج نشان می‌دهد که روش پیشنهادی توانایی شناسایی ناحیه دستکاری با دقت بالا، تحت حملات مختلف مانند بهبود تباین، فیلترگاوسی، نویز نمک-فلفل، تیزکردن، فشرده‌سازی و حتی اعمال حملات به صورت ترکیبی را دارد. | ||
| کلیدواژه‌ها | ||
| نشانه‌گذاری؛ احراز صحت؛ تشخیص دستکاری؛ جاسازی و استخراج نشانه؛ موجک ترفیع؛ K نزدیک‌ترین همسایه | ||
| عنوان مقاله [English] | ||
| Semi-Fragile Watermarking for Tamper Detection of Color and Gray Images Based On Lifting Wavelet Transform and Nearest Neighbor | ||
| نویسندگان [English] | ||
| B. Bolourian Haghighi؛ A. H. Taherinia | ||
| Department of Computer, Faculty of Engineering, Ferdowsi University, Mashhad, Iran | ||
| چکیده [English] | ||
| Today, a large number of multimedia data are easily accessible via the Internet and can be changed or modified simply by using image processing tools. Digital watermarking is a developing technology to ensure and facilitate data validation and security and also protect the copyright of digital media. One of the applications of digital watermarking is authenticating and detecting tampered region. Digital watermarking methods have been proposed for detection, are able to authenticate and check the integrity of the received image by utilizing the information that is already embedded in the media. In this paper, a new method is proposed for the detection of tampered region in the color and grayscale images. In the proposed method, at first, a lifting wavelet transform is applied to the image. Afterward, the horizontal edges are divided into the non-overlapping small blocks and then, the binary watermark is embedded in blocks by quantitating the two maximum factors. To extract the watermark, a set of statistical parameters are calculated for each block and considered as training data for the learning algorithm. For extracting the maximum correlation watermark, the nearest neighbor algorithm is used. Finally, the obtained watermark will be compared with the original watermark and the tampered region will be detected. The experimental results show that the proposed method is capable of detecting tampering area with high accuracy under various attacks such as histogram equalization, Gaussian filter, salt and pepper noise, sharpening, compression, and even combination attacks. | ||
| کلیدواژه‌ها [English] | ||
| Watermarking, authentication, tamper detection, embed and extract watermark, lifting wavelet, k-nearest neighbor | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 77 تعداد دریافت فایل اصل مقاله: 114 |
||
