Главная » Просмотр файлов » Диссертация 1

Диссертация 1 (1189900), страница 9

Файл №1189900 Диссертация 1 (Алгоритм генерирования и встраивания цифровых водяных знаков в изображение для применения в WMSN) 9 страницаДиссертация 1 (1189900) страница 92020-10-01СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 9)

Полученные значения параметров визуального искажения для данного изображения приведены в таблице 3.2.

Таблица 3.2  Значения параметров визуального искажения для изображения Lighthouse

Алгоритм / Мера

AD

NAD

SNR

PSNR

IF

Koch

0,403295

0,004097

43400

148680

99,9977%

Sanghavi

0,615485

0,006252

1663

5696

99,9399%

Soheili

0,251603

0,002556

49882

170882

99,998%

Предлагаемый

0,007187

0,000073

860114

2946540

99,9999%

Из результатов эксперимента следует, что предлагаемый в работе алгоритм генерирования и встраивания ЦВЗ вносит наименьшие искажения при внедрении битов информации в данный контейнер. При этом при правильном подборе параметра P (разности между коэффициентами) качество изображения сохраняется практически на идеальном уровне. В данном эксперименте значение параметра P бралось равным 10. Такое небольшое значение практически не меняет статистику контейнера.

Использование алгоритмов Koch и Soheili при встраивании ЦВЗ также не дало видимых искажений при встраивании в синюю компоненту изображений. В алгоритме Koch значение параметра P, соответствующее разности между коэффициентами ДКП, было также выбрано равным 10. В алгоритме Soheili шаг квантования Q был взят равным 16. Эти значения позволили правильно извлечь цифровой водяной знак и не внести серьезных статистических изменений в изображения. Высокие результаты алгоритма Koch связаны с тем, что данное изображение сжато в формате JPEG. При сжатии использовалось то же преобразование (дискретное косинусное), что и при встраивании ЦВЗ.

Наибольшие искажения при встраивании дало использование алгоритма Sanghavi. При встраивании в HL-поддиапазон четвертого уровня разложения синей цветовой компоненты при качестве изображения в 99,89% возникли видимые артефакты (пятна желтого цвета). При встраивании в более высокочастотный LH-поддиапазон удалось повысить качество изображения (до 99,94%) и отношение «сигнал-шум», понизить показатели ошибки и уменьшить количество возникших артефактов, но тем не менее видимые искажения в контейнере сохранились. Возможным методом решения этой проблемы является использование более вычислительно сложного инвариантного к перестановке 5 коэффициентов вейвлетного преобразования (например, Добеши-6).

3.1.2 Визуальные искажения в стегосистемах с контейнером Koala

Данное изображение является фотографией с преобладающим объектом переднего плана (головой коалы) и размытым задним фоном, разрешение изображения 1024x768 пикселей. На изображении преобладает зелёная компонента, синяя и красная также заметно выражены. Контрастность изображения невысокая. Полученные в результате эксперимента показатели приведены в таблице 3.3.

Таблица 3.3 – Показатели визуального искажения для изображения Koalа

Алгоритм / Мера

AD

NAD

SNR

PSNR

IF

Koch

0,992101

0,009729

13915

64914

99,9928%

Sanghavi

1,42665

0,013991

495,5

2312

99,7982%

Soheili

0,249512

0,002447

37021

172704

99,9973%

Предлагаемый

0,10544

0,00103

91392

426347

99,9989%

Стегосистема, построенная на основе алгоритма изменения разности между коэффициентами ДВП, обладает наибольшей визуальной стойкостью. При стандартном значении P = 10 визуальных искажений и значительного изменения статистики контейнера не замечено. Чуть худшее, по сравнению с предыдущим изображением качество, связано с меньшими значениями синей компоненты пикселей.

Использование алгоритмов Koch и Soheili снова позволило избежать видимых искажений контейнера и добиться высокого показателя отношения «сигнал-шум». Значение параметров P и Q не менялось по сравнению с предыдущим экспериментом. Ухудшение статистических показателей алгоритма Koch также связано с преобладанием зеленой компоненты и меньшей выраженностью синей.

Применение алгоритма Sanghavi для встраивания ЦВЗ снова привело к появлению артефактов (желто-синих пятен) при высоком качестве изображения в 99,8 %. При этом, учитывая результаты предыдущего эксперимента, встраивание велось в LH- поддиапазон четвертого уровня вейвлет-разложения.

3.1.3 Визуальные искажения в стегосистемах с контейнером Snap

Изображение Snap является фотографией, полученной с веб-камеры. Недорогие веб-камеры часто используются в качестве узлов в беспроводных мультимедийных сенсорных сетях. Изображение, полученное с веб-камеры, сохранено в формате JPEG. Данный формат применяется по умолчанию для сохранения изображений практически во всех камерах. Качество изображения довольно низкое. Размер изображения 640x480 пикселей. Полученные в результате эксперимента показатели искажений приведены в таблице 3.4.

Таблица 3.4 – Показатели визуального искажения для изображения Snap

Алгоритм / Мера

AD

NAD

SNR

PSNR

IF

Koch

1,8437

0,018934

2307,63

10862

99,9567%

Sanghavi

0,291491

0,002993

6633,71

31224,8

99,9849%

Soheili

0,241043

0,002466

36293,8

170835

99,9972%

Предлагаемый

0,024596

0,000252

51286,1

241403

99,9981%

Стегосистема, встраивающая ЦВЗ путем изменения разности между коэффициентами ДВП, обладает наибольшей визуальной стойкостью. При значении P = 10 визуальных искажений и значительного изменения статистики контейнера не замечено.

Применение остальных алгоритмов также позволило избежать возникновения артефактов и добиться высокого показателя отношения «сигнал-шум». Значение Q алгоритма Soheili не менялось по сравнению с предыдущим экспериментом.

3.1.4 Оценка визуальных искажений в стегосистемах с контейнером Lena

Данное изображение сохранено в формате BMP (точечный рисунок) с разрешением 512x512 точек. Формат BMP (в базовой версии) не предусматривает сжатия и хранит изображение в исходном виде.

Это изображение является портретом, а портрет содержит достаточно большое количество мелких деталей. Цвета приглушены, так как снимок сделан в середине XX века. Доминирует красная компонента, зелёная и синяя выражены средне. Полученные значения параметров визуального искажения для данного изображения приведены в таблице 3.5.

Таблица 3.5 – Показатели визуального искажения при встраивании в изображение Lena

Алгоритм / Мера

AD

NAD

SNR

PSNR

IF

Koch

18,204

0,172697

35,89

148,1

97,2138%

Sanghavi

0,472923

0,004486

1743

7190

99,9426%

Soheili

0,244946

0,002324

33886

139797

99,997%

Предлагаемый

0,29617

0,00281

32371

133549

99,9969%

Лучшие показатели визуального искажения показали предлагаемая схема и алгоритм Soheili. Уменьшение размера изображения отрицательно сказалось на показателях первого и положительно на показателях второго.

Для встраивания тестового сообщения в изображение с применением алгоритма Sanghavi, вследствие небольшого размера изображения, использовались среднечастотные коэффициенты третьего уровня вейвлет-разложения. Удалось достичь хороших показателей визуального искажения и избежать видимых артефактов. Однако понижение уровня встраивания ведет к ухудшению робастности метода.

Худшие показатели имеет алгоритм Koch, использующий ДКП, в то время как формат изображения не использует алгоритмов сжатия. Но главной проблемой для Koch стал небольшой размер изображения, что резко понизило отношение “сигнал-шум”. Артефакты, из-за общей тусклости цветов, менее заметны, но общее затемнение фона изображения ощутимо. От использования данного алгоритма с изображениями формата BMP рекомендовано воздержаться.

3.1.5 Показатели визуальных искажений в стегосистемах с контейнером Napoleon

Изображение Napoleon является цифровой репродукцией картины, сохраненной в формате PNG размером 1200x801 пикселей. Цифровые копии картин характеризуются невысокой яркостью и наличием большого количества мелких деталей, а также резкими цветовыми переходами, связанными с техникой художника. Изображение затемнённое, цвета не насыщены. Цветовые компоненты выражены слабо. Полученные значения параметров визуального искажения для данного изображения приведены в таблице 3.6.

Таблица 3.6 – Показатели визуального искажения для изображения Napoleon

Алгоритм / Мера

AD

NAD

SNR

PSNR

IF

Koch

27,9812

0,394229

8,25179

54,6579

87,8814%

Sanghavi

0,548808

0,007732

769,908

5099,68

99,8701%

Soheili

0,245298

0,003456

17978,3

119084

99,9944%

Предлагаемый

0,0062

0,00009

283165

1872650

99,9996%

И вновь лучших показателей удалось достигнуть при использовании предлагаемой схемы встраивания. При ее использовании удалось достичь уменьшения разностных показателей и увеличения отношения «сигнал-шум» при сохранении практически максимального качества изображения и отсутствии видимых искажений.

При применении метода Soheili удалось достичь хороших показателей визуального искажения при отсутствии видимых искажений.

Использование алгоритма Sanghavi привело к неточной детекции цифрового водяного знака (3 бита из 256 оказались искажены при извлечении). Это связано с нечетной размерностью (шириной) изображения. При использовании вейвлетов Добеши рекомендовано использовать в качестве контейнера изображение с четными размерностями. Тем не менее эта рекомендация оказалась актуальна только для одного из трех алгоритмов, основанных на ДВП. Также в процессе встраивания возникли видимые артефакты.

Алгоритм Koch применять в стегосистемах с данным изображением не рекомендуется. Это связано с особенностями формата (отсутствием сжатия JPEG) и низкой яркостью изображения. Использование данного метода привело к возникновению значительных искажений и резкому ухудшению оцениваемых показателей. Изменение параметра алгоритма не привело к значительному улучшению результатов.

3.1.6 Визуальные искажения в стегосистемах с контейнером Puzzle

Изображение Puzzle является изображением, сохранённым в формате PNG. Изображение содержит много мелких деталей разного цвета и однотонный фон. Разрешение изображения-контейнера 800x600 точек. Изображение яркое, цвета насыщенные, зеленая и красная компоненты выражены сильнее, чем синяя.

Полученные значения параметров визуального искажения для данного изображения приведены в таблице 3.7.

Таблица 3.7 – Показатели визуального искажения при для изображения Puzzle

Алгоритм / Мера

AD

NAD

SNR

PSNR

IF

Koch

27,031

0,282674

12,4877

50,7181

91,9921%

Sanghavi

0,960529

0,010045

941,223

3822,74

99,8938%

Soheili

0,24809

0,002594

25945,3

105376

99,9961%

Предлагаемый

0,013367

0,00014

119835

486704

99,9992%

Схема, основанная на относительном изменении разности низкочастотных коэффициентов ДВП обеспечивает наименьшее искажение контейнера при встраивании. Качество изображения близко к 100%.

Использование алгоритмов Soheili и Sanghavi позволило избежать видимых искажений и добиться хороших показателей визуального искажения.

Характеристики

Список файлов ВКР

Свежие статьи
Популярно сейчас
Зачем заказывать выполнение своего задания, если оно уже было выполнено много много раз? Его можно просто купить или даже скачать бесплатно на СтудИзбе. Найдите нужный учебный материал у нас!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6612
Авторов
на СтудИзбе
295
Средний доход
с одного платного файла
Обучение Подробнее