اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,252 |
| تعداد مقالات | 9,075 |
| تعداد مشاهده مقاله | 8,183,241 |
| تعداد دریافت فایل اصل مقاله | 4,941,284 |
نهان کاوی تصویر با استفاده از پنجرهگذاری ضرایب فرکانس بالای تبدیل موجک | ||
| علوم و فناوریهای پدافند نوین | ||
| مقاله 3، دوره 8، شماره 2 - شماره پیاپی 28، تیر 1396، صفحه 113-122 اصل مقاله (1.47 M) | ||
| نویسندگان | ||
| سیدسبحان موسوی1؛ عبدالرسول میرقدری* 2 | ||
| 1کارشناس ارشد مخابرات | ||
| 2دانشگاه جامع امام حسین (ع) | ||
| تاریخ دریافت: 10 بهمن 1397، تاریخ بازنگری: 26 دی 1403، تاریخ پذیرش: 10 بهمن 1397 | ||
| چکیده | ||
| نهانکاوی یکی از موضوعات چالش برانگیز و جذاب برای پژوهشگران در زمینه توسعه روشهای نهاننگاری است. نهانکاوی روشی است برای تشخیص اطلاعات پنهان شده در نهانه که توسط الگوریتمهای نهاننگاری ایجاد شده است. انواع مختلفی از روشهای استخراج ویژگی برای نهانکاوی ارائه شده است که هر کدام از آنها دارای مزایای مربوط به خود میباشند. ساخت مجموعهای از ویژگیهای مختلف میتواند عملکرد نهانکاو را بهبود بخشد. بیشتر الگوریتمهای نهانکاوی مدرن یک دستهبندی کننده را بر اساس بردارهای ویژگی، آموزش میدهند. یکی از محبوبترین و دقیقترین دستهبندی کنندهها، ماشین بردار پشتیبان است. در این مقاله بر اساس تجربیات و مطالعه روشهای مختلف نهانکاوی، یک روش نهانکاوی کارآمد با استفاده از پنجرهگذاری روی ضرایب فرکانس بالای تبدیل موجک پیشنهاد شده است. در روش پیشنهادی، تصمیم نهایی روی کل تصویر به کمک روش رأیگیری اکثریت با استفاده از استخراج ویژگیهای مناسب هر پنجره اعلام شده است. نتایج عملی و شبیه‌سازی نشان می‌دهد که روش پیشنهادی برای کشف وجود پیام در تصاویر به ویژه در نرخ‌های جاسازی پایین در مقایسه با روشهای نهانکاوی موجود دقت بیشتری تا حدود 99 درصد دارد. | ||
| کلیدواژه‌ها | ||
| تبدیل موجک؛ پنجره گذاری؛ پوشانه؛ دسته بندی کننده؛ نهان کاوی؛ نهانه | ||
| عنوان مقاله [English] | ||
| Image steganalysis using by high frequency Coefficients of Wavelet Windowing | ||
| نویسندگان [English] | ||
| sobhan mousavi1؛ | ||
| چکیده [English] | ||
| Steganalysis is one of the challenging and attractive subjects for the scientists interested in the development of steganography methods. Steganalysis is the procedure to detect the hidden information from the stego created by known steganography algorithms. Different kinds of extraction methods have been proposed for steganalysis, each have their own advantages when attacking different kinds of steganography methods. Making a combination of different feature sets will improve the performance of the steganalysis system. Most modern steganalysis algorithms train a supervised classifier on the feature vectors. One of the most popular and most accurate classifier is support vector machine (svm). In this paper, based on experiences and study different ways, an efficient steganalysis method using windowing on high-frequency coefficients of wavelet transform is proposed. In the proposed method, the final decision on the entire images is announced by majority voting technique using extracted convenient features of each window. Experimental and simulation results show that the proposed method for the detection message embedded in images, especially in low rates compared to existing steganalysis methods has more carefully hidden by about 99 percent. | ||
| کلیدواژه‌ها [English] | ||
| Wavelet Transform, Windowing, Cover, Classifier, Steganalysis, Stego Image | ||
|
آمار تعداد مشاهده مقاله: 501 تعداد دریافت فایل اصل مقاله: 199 |
||