یک روش واترمارکینگ دیجیتال بهینه شده با استفاده از روش ترکیبی فازی عصبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 539

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC01_343

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

یکی از مسائل کاربردی در حوزه ی پردازش تصویر استفاده از روش نشان گذاری در تصاویر است. این روش دارایکاربردهای بسیار زیادی در حوزه ی امنیتی و تجاری است. در حوزه ی نشان گذاری اولین قدم تبدیل دیجیتال نشان وتصویر است. امروزه طراحی مستحکم و غیرقابل مشاهده برای جاسازی و بازیابی نشان در تصاویر دیجیتال اهمیتبسیاری دارد. حملات به تصاویر نشان گذاری شده مانند بریدن ، چرخش ، فشرده سازی و ... باعث از بین رفتن نشان میشود. ما برای افزایش مقاومت و پایداری در برابر حملات از روش فوریه کسینوسی استفاده کردیم و برای بهبود ، دوپارامتر PSNR و BER از درخت تصمیم فازی و برای آموزش الگوریتم از روش عصبی RBF استفاده کرده ایم کهترکیب روش فازی و عصبی باعث کاهش زمان پردازش در بازیابی و استخراج نشان می شود. نتایج شبیه سازی بدستآمده از این روش نشان می دهد که عملکرد روش پیشنهادی برای دو پارامتر مطرح شده بهتر از روشهای ارائه شده یقبلی است و به این ترتیب به تکرار 100 بار از روش فازی برای بالابردن شفافیت و کیفیت و کاهش نویز برای نشاناستخراج شده انجام داده و به نتایج مطلوبی دست یافیتم

نویسندگان

مرتضی فلاح

دانشگاه آزاد اسلامی ، واحد گرمسار ، ایران

کوروش منوچهری کلانتری

عضو هیئت علمی دانشگاه آزاد اسلامی ، واحد پرند ، ایران

احسان اخترکاوان

عضو هیئت علمی موسسه آموزش عالی خاتم ، تهران ، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • _ Internatiotal Conference om Information Technology, Computer & Communication 28 ...
  • Abdulameer Kadhim, Dzulkifli Mohamad, Saba, T., & Nayer, F. (2014). ...
  • Amin, M., Abdullkader, H. M., Ibrahem, H. M., & Sakr, ...
  • Chang, C.-C., Hsiao, J.-Y., & Chiang, C.-L. (2002). An image ...
  • Chang, C. C., Hwang, K. F., & Hwang, M. S. ...
  • Cheddad, A., Condell, J., Curran, K., & Mc Kevitt, P. ...
  • Gonzalez, R. C., Woods, R. E., & Eddins, S. L. ...
  • Haykin, S. S. (2009). Neural networks and learning machines (Vol. ...
  • Jagadeesh, B., & Kumar, D. P. (2014). Fuzzy-Neuro based Robust ...
  • Jung, S.-H., Mitra, S. K., & Mukherjee, D. (1996). Subband ...
  • Rao, M. _ V. N. K., , Maduri, Y., Kumar, ...
  • Schwenker, F., Kestler, H. A., & Palm, G. n. (2001). ...
  • Seyedi, S. H., Sayadiyan, A., Aghaeinia, H., & Daneshkhah, A. ...
  • Shahnazari, M. (2003). simulation of Sensorless vector controf of permanent ...
  • Soni, S., & Sharma, M. (2014). A Novel Blind Hybrid ...
  • Standard, D. E. S. E. (1997). National Bureau of Standards ...
  • Yuan, B. (1995). Fuzzy Sets and fuzzy Logic: theory and ...
  • Zadeh, L. A. (1965). Fuzzy sets. Information and control, 8(3) ...
  • نمایش کامل مراجع