Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 14)

коэффициентами ДВП, сек.

Таблица 3.17 – Время работы алгоритма Sanghavi, сек.

Таблица 3.18 – Время работы алгоритма Soheili, сек.

Таблица 3.19 – Время работы алгоритма Koch, сек.

По результатам сравнения можно заключить, что предлагаемый в работе алгоритм является самым быстрым из рассмотренных. Для 2 из 5 тестовых изображений время его работы оказалось менее 1 секунды. Преимущество в скорости достигается применением одноуровневого быстрого преобразования Хаара. Такая скорость исполнения позволяет эффективно использовать данный метод при встраивании ЦВЗ в изображения любого размера в камере, построенной на основе микрокомпьютера; изображения, получаемые с сенсоров в режиме реального времени на центральном узле сегмента сети; кадры видеопотока, получаемого сразу с нескольких видеокамер.

Алгоритмы Sanghavi и Soheili также являются быстрыми и могут применяться в сетях WMSN. Их большее по сравнению с предыдущим методом время исполнения (для алгоритма Sanghavi примерно на 30%, а для алгоритма Soheili на 80%) объясняется применением многоуровневого вейвлет-преобразования. Как уже было отмечено ранее, из-за зависимости результата работы алгоритма Soheili от свойств изображений, рекомендовано вести их предварительный анализ. Такой анализ требует значительных дополнительных временных затрат, что усложняет использование данного метода в сетях с недорогим оборудованием невысокой мощности.

Алгоритм Koch, основанный на дискретном косинусном преобразовании, оказался вычислительно сложным. Время работы алгоритма для всех изображений превысило одну минуту, а в одном случае (для изображения Napoleon) практически достигло 4 минут. Такая скорость работы связана не только с применением более вычислительно сложного ДКП, но и с разбиением изображения на сегменты и проведением преобразования в каждом сегменте, а также с нормировкой значений после обратного ДКП при встраивании. По результатам экспериментов можно сделать вывод: алгоритмы, основанные на дискретном косинусном преобразовании, в частности алгоритм Koch, не подходят для обработки изображений в режиме реального времени в беспроводных мультимедийных сенсорных сетях.

ЗАКЛЮЧЕНИЕ

Развитие существующих и появление новых коммуникационных технологий привело к повсеместному развертыванию локальных и глобальных сетей. В настоящее время наблюдается тенденция перехода от классических проводных к беспроводным сетям. Такие сети позволяют экономить на каналах связи и способны работать в труднодоступных местах и экстремальных условиях. Другим трендом является значительный рост количества мультимедийной информации. Эти тенденции, а также доступность аппаратного обеспечения (сенсоров) для сбора данного вида информации привело к широкому распространению беспроводных мультимедийных сенсорных сетей (WMSN) и расширению спектра их применения.

Важной задачей становится проверка подлинности (аутентификация) данных в сетях WMSN. Недостатки протоколов связи и ненадежность каналов передачи данных могут приводить к потере и искажению информации. В таких условиях необходимы устойчивые к помехам методы аутентификации контента. Стандартные методы, основанные на шифровании, не обеспечивают целостность подтверждающей подлинность информации, встраиваемой в мультимедийные файлы, а также требуют для своего использования значительных вычислительных и энергетических затрат. Альтернативой таким методам могут являться системы, встраивающие в защищаемый мультимедийный контейнер полухрупкие и робастные цифровые водяные знаки.

Основной целью диссертационного исследования являлось изучение наиболее эффективных существующих алгоритмов встраивания ЦВЗ в статические изображения (самый распространенный тип защищаемой информации), выявление их достоинств и недостатков для создания собственного алгоритма, учитывающего слабые места существующих решений и эффективного для проверки подлинности изображений в сетях WMSN.

В рамках исследования изучена отечественная и зарубежная литература в сфере разработки технологий ЦВЗ и ее приложений; рассмотрены теоретические аспекты, математическая модель технологии ЦВЗ, используемые в методах дискретные преобразования; предложен собственный, новый эффективный метод; создано приложение, содержащие реализации исследуемых алгоритмов (в том числе собственного); осуществлены эксперименты на микрокомпьютере; на основе полученных результатов проведен сравнительный анализ. В качестве критериев сравнения выбраны: визуальная заметность встраивания, пропускная способность стегосистем, устойчивость к искажениям и затрачиваемое на работу алгоритмов процессорное время. Результаты сравнительного анализа представлены в таблицах и на графиках.

Созданное в рамках диссертационного исследования программное приложение может применяться для встраивания информации в изображения с целью проверки их подлинности в сетях, обеспечивающих мониторинг природных явлений, состояния жизненных систем организма; наблюдение за помещениями и другими объектами, для которого применяются беспроводные датчики; в беспроводных мультимедийных сенсорных сетях с активными нарушителями и с ненадежными каналами передачи данных. Приведенные в тексте диссертации рекомендации помогут правильно подобрать алгоритм и его параметры под решаемую задачу, применяемое оборудование и защищаемый контейнер.

Поставленные цели диссертационного исследования достигнуты, а задачи – решены. По итогам проведенного исследования сделаны выводы об особенностях и области применения каждого рассматриваемого алгоритма.

Результаты экспериментов показали, что алгоритмы, основанные на дискретном косинусном преобразовании (в частности, самый популярный в этой группе алгоритм Koch), обладают очень высокой робастностью, но являются ресурсозатратными. Время встраивания ЦВЗ в изображение посредством алгоритма Koch на тестовой системе равнялось нескольким минутам, что недопустимо для обработки данных на узлах сети. Алгоритм Koch рекомендовано использовать для встраивания ЦВЗ на сервере (например, вычислительном кластере) в изображения формата JPEG, полученные с узлов сети по надежным каналам передачи данных (контейнер не должен подвергаться значительным искажениям до встраивания). Такие изображения могут без особого риска, вследствие высокой робастности созданного таким образом ЦВЗ, распространяться в сети Интернет.

Для сетей с маломощным оборудованием (например, рассматриваемым в разделе 3.4) более перспективными является использование семейства алгоритмов, построенного на применении вейвлетов. Общим недостатком данной группы методов является то обстоятельство, что цифровой водяной знак, встроенный в коэффициенты ДВП, не робастен к большинству атак. Главным же достоинством является вычислительная простота данных преобразований. Методы встраивания в коэффициенты ДВП позволяют встраивать полухрупкие ЦВЗ (устойчивые к добавлению гауссовского шума, изменению контрастности и яркости) на маломощных системах в режиме реального времени. Преобразование Хаара является самым быстрым вейвлет-преобразованием. Поэтому разработанный в рамках диссертации для использования в сетях WMSN метод, осуществляет встраивание информации в низкочастотные коэффициенты первого уровня разложения преобразования Хаара. Сравнительный анализ предлагаемого алгоритма и методов, использующих то же преобразование (Sanghavi и Soheili) показал, что предлагаемый метод обладает большей чем у аналогов скрытой пропускной способностью, меньшей визуальной заметностью, меньшей вычислительной сложностью (затрачиваемое время на 30% меньше, чем у Sanghavi). К тому же, в отличие от алгоритмов Sanghavi и Koch, он универсален (применим для статичных изображений любого формата и не зависит от свойств изображения).

С распространением новых алгоритмов сжатия изображения, основанных на ДВП (например, JPEG 2000), эффективность методов, основанных на вейвлет-преобразованиях, только увеличится. Это позволит в будущем строить робастные алгоритмы на основе ДВП.

список использованных источников

1. Анфиногенов, С.О. Разработка и исследование методов построения нуль-битовой системы цифровых "водяных” знаков устойчивой к случайным преднамеренным преобразованиям: дис. … канд. тех. наук: 05.12.13/Анфиногенов Сергей Олегович. –Санкт-Петербург. – 169 с.

2. Digimarc(DMRC) [Электронный ресурс]: офиц. сайт. -URL: www.Digimarc.com. – Дата обращения: 12.03.16.

3. Обручев, В.А. Adobe Photoshop CS6. Официальный учебный курс [Текст]: учеб. / В.А. Обручев.  Москва: Эксмо,2012.  432 c.

4. Бартолини, Ф. Использование двоичных водяных знаков для защиты прав на изображения произведений искусства: пер. с итал. // Международная конференция EVA: сб. науч. тр. / UniversitedeFirenze. - Firenze, 1999. - С. 101-102.

5. Business Wire [Электронный ресурс].  URL: www.businesswire.com. - Дата обращения: 15.11.16.

6. Reeves, A.A., Remote monitoring of patients suffering from early symptoms of dementia. in Proc. Int. Workshop Wearable Implantable Body Sensor Networks: p. London, U.K., Apr. 2005.

7. Богомякова, Т.А. Вопросы оценки качества обслуживания в беспроводных мультимедиа-сенсорных сетях [Текст] / Т.А. Богомякова, Ю.В. Пономарчук // Сборник научных трудов Всероссийской научно-практической конференции творческой молодежи «Научно-техническое и социально-экономическое развитие транспорта и промышленности стран АТР» / ДВГУПС. Хабаровск, 2015.

8. Islam T. Almalkawi, M.G.Z., Jamal N. Al-Karaki, Julian Morillo-Pozo, Wireless Multimedia Sensor Networks: Current Trends and Future Directions. Sensors, 2010. Vol.10  pp. 6662 - 6717.

9. Стандарты Wi-Fi [Электронный ресурс] // URL:http://www.wilife.ru/texnologii/wi-fi/wi-fi standarty. Дата обращения: 03.03.2017.

10. Семенов, Ю.А. Протоколы и ресурсы Интернет. –Москва: Радио и связь, 2011. – 320 с.

11. Пушкарев, О.И. Построение сети ZigBee [Текст] / О.И. Пушкарев // Беспроводные технологии. 2013. № 1. – С. 34 – 38.

12. Варгаузин В.А. Радиосети для сбора данных от сенсоров, мониторинга и управления на основе стандарта IEEE 802.15.4 // ТелеМультиМедиа.2015. № 6. – С. 23 – 27.

13. Балонин Н. А., Сергеев М. Б. Беспроводные персональные сети на основе ZigBee. Учебное пособие. – Санкт-Петербург: ГУАП, 2015. – 58 с.

14. Akyildiz, I. F., Melodia, T. Chowdhury, K. R. A survey on wireless multimedia sensor networks. Computer Networks, 2006. Pp. 921 – 960.

15. Kulkarni, P., Ganesan, D., Shenoy, P., Lu, Q. SensEye: a multi-tier camera sensor network. In MULTIMEDIA ’05: Proceedings of the 13th annual ACM international conference on multimedia). New York: ACM, 2005. Pp. 229 – 238.

16. Rahimi, M., Baer, R., Iroezi, O. I., Garcia, J. C., Warrior, J., Estrin, D., Srivastava, M. Cyclops: Image sensing and interpretation in wireless sensor networks. In SenSys ’05:Proceedings of the 3rd international conference on embedded networked sensor systems). New York: ACM. Pp. 192 – 204.

17. Marco, G.G., Ashish, S., Rick, J.Dirk, H. Privacy-aware location sensor networks. In Proceedings of the 9th conference on Hot Topics in Operating Systems. USENIX Association: Lihue, Hawaii,2003. Volume 9.

18. Dan, L.W., K. D. Yu Hen, Hu Sayeed, A. M. Detection, classification, and tracking of targets. Signal Processing Magazine, IEEE, 2002. Vol. 19(2). Pp 17 – 29.

19. Грибунин, В.Г. Цифровая стеганография/В. Г. Грибунин, И.Н. Оков, И.В. Туринцев; под общ. ред. В. Г. Грибунина -2-е изд.- Москва: Солон-Пресс, 2009. – 272 с.

20. Osborne C., van Schyndel R., Tirkel A. A Digital Watermark // IEEE Intern. Conf. on Image Processing, 1994. Pp. 86 – 90.

21. Cтеганография, цифровые водяные знаки и стеганоанализ: Монография/ А.В. Аграновский, А.В. Балакин, В.Г. Грибунин, С.А. Сапожников. - Москва: Вузовская книга, 2009. - 220 с.

22. Тaubman D. Ordentlich E., Weinberger M., Seroussi G. Embedded block coding in JPEG 2000 //SignalProcessing: ImageCommunication. 2002. №17. Pp. 49 – 72.

23. Smith, J., Comiskey, B. Modulation and Information Hiding in Image // Information Hiding: First Int. Workshop “InfoHiding’ 96”, Springer as Lecture Notes in Computing Science. Vol. 1174, 1996. Pp. 207 – 227.

24. Koch E., Zhao J. Towards Robust and Hidden Image Copyright Labeling // IEEE Workshop on Nonlinear Signal and Image Processing. 1995. Pp. 123 – 132.

25. Benham D., Memon N., Yeo B.-L., Yeung M. Fast watermarking of DCT based compressed images // Proc. of the International Conference on Image Science, Systems and Technology. 1997. Pp. 243 – 252.

26. Hsu C.-T., Wu J.-L. Hidden digital watermarks in images // IEEE Transactions on Image Processing. 1999. Vol. 8. № 1. Pp. 58-68.

27. Chui, C.K. An introduction to wavelets. New York: Academic Press, 1992.

28. Переберин, А.В. О систематизации вейвлет-преобразований [Текст]/ А.В. Переберин // Вычислительные методы и программирование: сб. науч. тр. / Научно-исследовательский вычислительный центр МГУ им. Ломоносова. ‒ Москва, 2001. ‒ С.15 – 40.

29. Гонсалес, Р. Цифровая обработка изображений в среде MATLAB [Текст]/ Р. Гонсалес, Р. Вудс, С. Эддинс.  Москва: Техносфера, 2006. – 616 с.

30. Смоленцев, Н.К. Основы теории вейвлетов. Вейвлеты в Matlab / Н.К. Смоленцев.  Москва: ДМК, 2005.  304 с.

31. Sanghavi, M.R., Dr. Archana, M., Dr. Mathur, R., Kotecha, K.S. A robust scheme for Digital Video Watermarking based on Scrambling of Watermark. International Journal of Computer Applications. Vol. 35(2): Pp. 31-38, December 2011.

32. Sinha, S., Bardhan, P., Pramanick, S., Jagatramka, A., Dipak, K. Digital Video Watermarking using Discrete Wavelet Transform and Principal Component Analysis, International Journal of Wisdom Based Computing, Vol. 1 (2), August 2011. Pp 7-12.

33. Ikpyo Hong, Intaek Kim, Seung-Soo Han. A blind watermarking technique using wavelet transform // Industrial Electronics Proceedings, Pusan, Korea. 2001. Vol.3. Pp. 1946-1950.

34. Soheili, M.R. A Robust Digital Image Watermarking Scheme Based on DWT // International Journal of Computer Applications, July 2013. Vol.74. Pp. 34 – 38.

35. Barni M., Bartolini F., Cappellini V., Lippi A., Piva A. A DWT-based technique for spatio-frequency masking of digital signatures // Proceedings of the 11th SPIE Annual Symposium, Electronic Imaging '99, Security and Watermarking of Multimedia Contents. 1999. Vol. 3657.

36. Kaehler, A. Learning OpenCV3: Computer Vision in C++ with the OpenCV Library / A. Kaehler, G. Bradski.  Boston: O’ Reilly. 2016.  1024 p.

37. Kutter, M. The Watermark Copy Attack [Text]/ M. Kutter, S. Voloshinovskiy, A. Herrigel // Proc. of SPIE. Security and Watermarking of Multimedia Content, 2000.  V.3971.  Pp.371379.

38. Craver, S. On Public-Key Steganography in the Precense of an Active Warden // Intel Corp., 1997.

39. Craver, S. Zero Knowledge Watermark Detection // Princeton Univercity, 1999.

40. Moulin P., O’Sullivan J. Information-theoretic analysis of information hiding // Computer engineering. 1999.  № 43.  P.3.

41. Ramkumar M. Data Hiding in Multimedia / M. Ramkumar / Theory and applications: PhD Thesis. - University Heights, 1999.– P.68.

Характеристики

Список файлов ВКР