Оптимізація методів створення водяних знаків за допомогою вейвлет-перетворення і генетичних алгоритмів

1. Бібліографічний опис: Корягін А. Г. Оптимізація методів створення водяних знаків за допомогою вейвлет-перетворення...
2. Про методи впровадження цифрових водяних знаків в потокове ...
3. Обробка і сегментація тепловізійних зображень
4. Методи визначення об'єктів на зображенні
5. Алгоритми розпізнавання об'єктів | Стаття в збірнику ...
6. Приховування інформації в коефіцієнтах спектральних ...
7. До питання про використання офіційної символіки ...
8. Еволюція візуальних характеристик комунікативних знаків ...
9. Етапи і проблеми створення електронної карти

Бібліографічний опис:

Корягін А. Г. Оптимізація методів створення водяних знаків за допомогою вейвлет-перетворення і генетичних алгоритмів [Текст] // Технічні науки в Росії і за кордоном: матеріали Міжнар. науч. конф. (м.Москва, травень 2011 р.) - М .: Ваш поліграфічний партнер, 2011. - С. 6-8. - URL https://moluch.ru/conf/tech/archive/3/716/ (дата звернення: 13.07.2019).

В даний час особливо гостро стоїть проблема захисту цифрової інформації від незаконного копіювання і обороту. Для захисту цифрових зображень широко застосовуються водяні знаки, додавання яких вимагає створення ефективних алгоритмів. Сучасні алгоритми створення водяних знаків можна віднести до двох груп: просторові і частотні. Просторові алгоритми вставляють водяний знак у зображення за допомогою модифікації його пікселів. Ці алгоритми прості в реалізації, не вимагають серйозні х витрат при обчисленнях, але слабо стійкі до операцій обробки сигналів, таким як стиснення, наприклад. З іншого боку, просторові алгоритми модифікують коефіцієнти трансформованого зображення відповідно до визначеної схемою. Це дозволяє розсіювати водяний знак по потрібній області, ускладнюючи при цьому видалення або спотворення цього водяного знака. У порівнянні з просторовими методами, частотні зарекомендували себе з кращого боку. Найбільше застосування знаходять частнотние алгоритми, що використовують дискретне вейвлет-перетворення (ДВП) [1].

ДВП використовується при створенні водяних знаків набагато частіше, ніж інші перетворення. Це наслідок гнучкості алгоритму, відмінною просторової локалізації, хорошого частотного масштабування. На поточному етапі розвитку цього методу встановлено зв'язок даного перетворення з теоретичною моделлю візуальної системи людини [2]. Ефективне використання цієї зв'язку дозволило вести роботу над створенням ряду швидких і стійких алгоритмів створення водяних знаків, заснованих на ДВП. В ході цих робіт виникла ідея застосувати генетичні алгоритми спільно в ДВП. Даний факт відкриває ряд можливостей для покращення та оптимізації методу.

Застосування ДВП до двовимірного зображення призводить до обробки його двовимірними фільтрами з обох вимірів. Фільтри ділять зображення на чотири непересічних поддиапазона з великим розширенням LL 1, LH 1, Н L1, НН1. Піддіапазон LL 1 являє собою коефіцієнти ДВП з грубим наближенням, тоді як діапазони LH 1, HL 1 і HH 1 представляють коефіцієнти ДВП з хорошим дозволом. Щоб отримати таке грубе наближення коефіцієнтів ДВП, необхідно далі перетворити поддиапазон LL 1 до тих пір, поки не буде досягнутий необхідний рівень N. Після досягнення рівня N, в результаті залишається 3 N + 1 піддіапазону, що складаються з LLX поддиапазонов, LHX, HLX і HHX, де X змінюється від 1 до N. Завдяки властивості хорошою частотної масштабованості за допомогою DWT можна легко знайти область на зображенні, куди найефективніше помістити водяний знак. Зокрема, це властивість дозволяє використовувати так званий «ефект маскування» людської зорової системи, тобто, якщо коефіцієнт ДВП змінюється, то зміняться тільки той регіон зображення, за який відповідає даний коефіцієнт. В цілому, більшість енергії зображення зосереджено в піддіапазонах з низькою частотою LLX, тому впровадження водяного знака в цих областях може сильно спотворити вихідне зображення. З іншого боку, піддіапазони з високими частотами HHX містять краю і текстури зображення, зміни в яких людське око не сприймає. Це дозволяє додати водяний знак непомітно. В цілому, найбільш відповідним рішенням є розміщення водяного знака в піддіапазонах середніх частот HLX і LHX, де досягається задовільна швидкість алгоритмів і стійкість водяного знака до подальших трансформацій зображення. Загальну схему тривимірної декомпозиції можна побачити на малюнку 1.

Р
ис 1.

Запропонований ал горітм створення водяних знаків складається з двох частин: нанесення водяного знаку і видалення водяного знака.

Процес створення водяного знака складається з декількох етапів. На першому етапі до зображення застосовується ДВП ітераційно до третього рівня. В результаті цієї операції ми отримуємо 64 непересічних широкоформатних поддиапазонов. На наступному етапі необхідно вибрати один поддиапазон для впровадження водяного знака. Далі, на третьому етапі, півтонування водяного знака трансформується в масив з нулів і одиниць. Четвертий етап містить в собі генерацію рівномірно розподіленим, некорельованої, псевдослучайной послідовності з нульовим середнім. Ця послідовність використовується для того, щоб впровадити нульовий біт водяного знака у вихідне зображення. Далі слід п'ятий етап, де до зображення повторно застосовується ДВП, так само впливу піддається і модифікований діапазон, що в підсумку дає зображення з впровадженим водяним знаком.

На етапі вилучення водяного знака не потрібно вихідне зображення. Алгоритм добування також складається з декількох етапів. Спершу знову застосовується ДВП рекурсивно до третього рівня, що дає в результаті 64 непересічних поддиапазона. Далі вибирається той поддиапазон, в який був впроваджений водяний знак. На третьому етапі відбувається регенерація псевдослучайной послідовності з використанням того ж ключового елемента, що і на етапі генерації. Далі підраховується кореляція між піддіапазонів з водяним знаком і згенерованої псевдослучайной послідовністю. Цей крок виконується для кожного біта в векторі водяного знака. На наступному етапі проводиться порівняння кожного значення кореляції із середнім значенням. Якщо отримане значення більше, ніж середнє, то біт витягується водяного знака встановлюється рівним 0, в протилежному випадку йому присвоюється значення 1. На останньому етапі відбувається відновлення водяного знака за отриманими значеннями біт.

Таким чином, запропонований алгоритм дозволяє як створювати водяні знаки, так і прибирати їх з зображень. Проте, варто дослідити можливість оптимізації даного підходу за допомогою генетичних алгоритмів. Генетичні алгоритми являють собою евристичні адаптивні алгоритми пошуку, які розроблялися на основі природних принципів селективності і генетики. Вони широко використовуються в реальних додатках для пошуку оптимальних значень, які важко знайти використовуючи традиційні методи оптимізації [3]. Застосування генетичних алгоритмів до створення водяних знаків ґрунтується на тому факті, що ефективне створення водяних знаків пред'являє два конкуруючих вимоги: прозорість для сприйняття і стійкість до впливів. Ці дві вимоги залежать один від одного, і, отже, вищеописаний алгоритм може бути оптимізований.

При застосуванні ДВП вирішальну роль відіграють відповідний поддиапазон і коефіцієнт посилення водяного знака. Саме ці два фактори впливають на невидимість водяного знака і його стійкість. Тому роль генетичних алгоритмів пошуку полягає в пошуку цих двох оптимальних значень. Вихідним масивом для обробки є всі можливі комбінації поддиапазонов ДВП і коефіцієнтів посилення водяного знака.

Введемо поняття генетичного оператора (ГО). Генетичний оператор це ітеративна процедура, яка знаходить оптимальне значення на заданому вихідному масиві даних, використовуючи три оператора і функцію відповідності. На початковому етапі роботи розглядається випадково обраний набір даних, що складаються з окремих знань, кожне з яких відповідає рішенню проблеми. Функція відповідності використовується для визначення близькості кожного рішення до оптимального, таким чином значення з високим показником ефективності не відсіваються, а беруть участь у формуванні нових наборів даних, іншими словами, беруть участь у створенні нових «поколінь». ГО рекомбинирует нове покоління для пошуку оптимального рішення, використовуючи три оператора: оператор відтворення, оператор схрещування і оператор мутації. Оператор відтворення відсіває значення з низьким значенням функції відповідності та замінює їх новими значеннями після виконання операторів схрещування та мутації. Оператор схрещування відповідає за створення нових значень, створюючи їх при обліку особливостей попередників. Оператор мутації відповідає за випадкові відхилення в «генах» значень, оператор приймається як розподіл усіх значення в інтервалі від 0 до 1.

Отже, використовуючи вищеописані механізми, можна побудувати процедуру оптимізації. Алгоритм складається з декількох етапів. На початковому етапі проводиться ініціалізація параметрів: встановлюється початковий коефіцієнт посилення водяного знака, розмір масиву початкових даних, значення параметра мутації, кількість ітерацій. На наступному етапі проводиться генерація початкових даних, що визначаються початковими значеннями, за допомогою процедури генерації водяного знака. Для кожного окремого значення створюється окремий водяний знак. Далі проводиться обчислення прозорості водяного знака для людського ока. Наступним кроком є ​​застосування до водяного знаку декількох типових атак. В їх число входять шум Гауса, стиснення зображення, кадрування зображення. Ці атаки в цілому відображають основні закономірності впливу на зображення і водяний знак. Далі проводиться операція вилучення водяного знака з зображення, щоб оцінити його стійкість до атак. Для цього підраховується кореляція між вихідним водяним знаком і витягнутим з зображення. Після цього етапу підраховується функція відповідності для кожного значення. Це дозволяє відібрати тільки ті значення, у яких це значення відповідності досить високо. Далі будується новий набір значень за допомогою операторів схрещування та мутації. Ця послідовність дій повторюється задану кількість ітерацій. За підсумками вибирається оптимальне значення коефіцієнта посилення водяного знака і відповідний поддиапазон. У підсумку ці значення дозволяють створити водяний знак з оптимальним поєднанням прозорості і стійкості до атак на зображення.

Таким чином, запропонований алгоритм оптимізації показує ефективність застосування методів генетичного пошуку для створення водяних знаків в цифрових зображеннях. Подальше вдосконалення алгоритму і його випробування дозволять отримувати в подальшому оптимальні рішення за менший час і з меншими витратами ресурсів.

Л ітератур а:

1. Arnold M., Shumucker M., Wolthusen S. "Techniques and Applications of Digital Watermarking and Content Protection" - Boston: Artech House Publishers., 2003.

2. Goldberg D. "Genetic Algorithms in Search. Optimization and Machine Learning "- USA: Addison Wesley Professional., 1989.

3. Furth B., Kirovski D., "Multimedia Encryption and Authentications: Techniques and Applications" - USA: Auerbach Publications., 2006.

Основні терміни (генеруються автоматично): водяний знак, HHX, зображення, LLX, LHX, HLX, етап, вихідне зображення, створення водяних знаків, функція відповідності.

Графічні паролі з водяними знаками при двухфакторной ...

Тобто після кожної успішної авторизації автоматично змінюється послідовність символів водяних знаків, використовуваних як паролі.

I - контейнер (графічне зображення); W - водяний знак.

Про методи впровадження цифрових водяних знаків в потокове ...

Впровадження цифрових водяних знаків (ЦВЗ) в відеодані застосовується для забезпечення захисту цифрових даних і допомагає запобігти копіювання

- У зображення і відео вставляти цифровий водяний знак. Приховування інформації в коефіцієнтах спектральних ...

Обробка і сегментація тепловізійних зображень

Мал. 2. Початкове ІК зображення (ранг 0). Кольорове зображення наводиться градаціях сірого будь-яким з відомих методів

На рис. 5 зображена випадкова область матриці-згортки з вибраними екстремальними значеннями різних знаків.

Методи визначення об'єктів на зображенні

- Використання зображення в інтегральному уявленні. (інтегральне представлення зображення - це матриця, розмірність якої збігається з розмірами вихідного зображення), що дозволяє швидко обчислити необхідні об'єкти.

Алгоритми розпізнавання об'єктів | Стаття в збірнику ...

Тобто, на кожному етапі алгоритм працює з тією частиною даних

Прості класифікатори з'єднуються лінійно, т. Е. Шляхом складання лінійної комбінації, а прийняття рішення залежить від знака цієї комбінації.

- Початкове зображення розбивається регулярною сіткою.

Приховування інформації в коефіцієнтах спектральних ...

стеганографія, приховування інформації, водяні знаки, стиск, Формат JPEG, PSNR, бітова помилка.

Початкове зображення надходить на вхід кодера, який перетворює його в набір символів.

До питання про використання офіційної символіки ...

Відповідно до викладеного в реєстрації товарного знака було відмовлено. Подібна практика заснована на чинному законодавстві, яке не дозволяє реєструвати в якості товарних знаків будь-які позначення ...

Еволюція візуальних характеристик комунікативних знаків ...

Я намагаюся оптимізувати ясність і простоту, в той час коли палітра і варіанти створення зображення збільшилися [1, с 36] ».

- 1 етап (~ 1980-1991 рр.): Залежність візуального образу знака від технічних засобів його створення, в зв'язку з цим єдино можливим ...

Етапи і проблеми створення електронної карти

Растрова карта являє собою цифрове зображення, що отримується

Процес створення електронних карт складна і трудомістка процедура, вона включає наступні основні етапи

На першому етапі вирішується завдання отримання на основі наявних вихідних ...