1403/03/05
پرهام مرادی دولت آبادی

پرهام مرادی دولت آبادی

مرتبه علمی: دانشیار
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس: 654
دانشکده: دانشکده مهندسی
نشانی: دانشگاه کردستان، دانشکده مهندسی، گروه مهندسی کامپیوتر
تلفن:

مشخصات پژوهش

عنوان
نشانه گذاری کارای تصاویر دیجیتال بر مبنای روش های تکراریِ فشرده سازی نشانه
نوع پژوهش
پایان نامه
کلیدواژه‌ها
نشانه گذاری تصاویر رقمی، CPPN-NEAT، فراکتال، تبدیل موجک گسسته، تبدیل موجک بالابر، تجزیه مقادیر منفرد.
سال 1391
پژوهشگران کیوان قادری(دانشجو)، فردین اخلاقیان طاب(استاد راهنما)، پرهام مرادی دولت آبادی(استاد مشاور)

چکیده

در دهه های اخیر با پیشرفت سریع تکنولوژی اطلاعات و گسترش شبکه اینترنت، امکان استفاده یا تغییر غیرمجاز داده ها مانند کپی و یا جعل با سرعت قابل توجهی افزایش یافته است. در همین راستا، این امکان باعث شده است که مساله امنیت و حفاظت اطلاعات به صورت جدی تری مطرح گردد. راه حل های مختلفی برای حل این مساله ارائه گردیده است. یکی از این روش ها، نشانه گذاری می باشد. نشانه گذاری به فرایند درج یا تعبیه یک نشانه ( متن، صدا، تصویر و غیره) در داخل داده میزبان گفته می شود و برای کاربردهایی چون اثبات مالکیت، شناسایی صاحب اثر، کنترل کپی، تعیین اعتبار محتوی و بایگانی به کار برده می شود. در این پایان نامه، سه الگوریتم برای نشانه گذاری تصاویر رقمی در حوزه ی تبدیل های موجک و تجزیه مقادیر منفرد ارائه شده است. بر خلاف الگوریتم های رایج که از یک تصویر نشانه ی خاکستری استفاده می کنند، در الگوریتم های اول و دوم پیشنهادی که جزء روش های نشانه گذاری نیمه کور می باشند، از روشهای تکرار برای تولید تصاویر نشانه استفاده شده ست. در این دو روش بجای ذخیره سازی مستقیم تصویر نشانه، روش تولید تصویر نشانه در تصویر میزبان ذخیره می گردد. در الگوریتم پیشنهادی اول، ابتدا تصویر نشانه استفاده شده توسط متد CPPN-NEAT تولید می شود و سپس بجای استفاده مستقیم از این تصویر تولید شده، ماتریس وزن ساختار شبکه CPPN انتخابی در عملیات نشانه گذاری مورد استفاده قرار می گیرد. در مرحله جاسازی از این الگوریتم، ابتدا تصویر میزبان توسط چند مرحله اعمال تبدیل موجک گسسته به زیرباندهای فرکانسی تجزیه می شود. از زیرباندهای بدست، به یک زیرباند خاصی در سطح های مختلف(از اعمال تبدیل موجک) تجزیه مقادیر منفرد گرفته می شود. با توجه به اهمیت ضرایب موجود در ماتریس وزن ساختار CPPN انتخابی، عملیات درج در ماتریس های مقادیر ویژه انجام می گردد. الگوریتم استخراج نشانه روالی عکس با مرحله جاسازی دارد. بعد از استخراج ماتریس وزن، این ماتریس را در ژنومی که با عنوان کلید استخراج داشتیم، قرار داده و متد CPPN-NEAT را دوباره اجرا می کنیم تا تصویر نشانه اصلی بازسازی گردد. نتایج پیاده سازی، شفافیت بالا و مقاومت مناسب روش پیشنهادی را نشان می دهد. در الگوریتم پیشنهادی دوم، تصویر نشانه اصلی در ابتدا از مجموعه تصاویر فراکتالی انتخاب شده، سپس با استفاده از خصوصیات این نوع