سمینار ارشد مهندسی برق : پنهان شکنی تصاویر با استفاده از شبکه های عصبی

متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی برق

با عنوان : پنهان شکنی تصاویر با استفاده از شبکه های عصبی

در ادامه مطلب می توانید تکه هایی از ابتدای این پایان نامه را بخوانید

و در صورت نیاز به متن کامل آن می توانید از لینک پرداخت و دانلود آنی برای خرید این پایان نامه اقدام نمائید.

دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

“M.Sc” پایان نامه براي دریافت درجه کارشناسی ارشد

مهندسی برق – الکترونیک

عنوان :

پنهان شکنی تصاویر با استفاده از شبکه هاي عصبی

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده:

پنهان نگاري هنر ارتباط پنهانی به وسیله قرار دادن پیام در یک رسانه پوششی با کمترین تغییر قابل درك و در مقابل، پنهانکاوي هنر کشف حضور اطلاعات است. به طور کلی شیوه هاي پنهان کاوي به دو دسته تقسیم میشوند: پنهان کاوي کور که مستقل از روش نهان نگاري است و پنهان کاوي اختصاصی که که فقط به روش نهان نگاري مشخصی اعمال میشود. سه قسمت اصلی در سیستم پنهان کاوي عبارتند از: استخراج ویژگی، انتخاب ویژگیهاي کارا و طبقه بندي. در این راستا، استخراج ویژگیهاي حساس به پنهاننگاري مهم ترین بخش میباشد.

ویژگیها معمولا از حوزهي مکان و یا حوزه هاي تبدیل (مانند DCT، DWT و…) استخراج می شوند. مبحث استخراج ویژگی ها از تبدیل Contourlet نیز به تازگی در شیوه هاي پنهان کاوي استفاده شده و تعداد مقالات محدودي در این زمینه منتشر شده است. در این پژوهش، سیستم پنهان کاوي (Steganalysis) کور در تصاویر رنگی با فرمت JPEG بررسی میشود. در حال حاضر بیشترین فرمت تصویري که براي ارتباطات بخصوص در اینترنت استفاده میشود فرمت JPEG است و اغلب روشهاي پنهان نگاري تصاویر نیز براي این دسته تصاویر طراحی شده اند.

روش پیشنهادي بر اساس کنارهم قرار دادن ویژگیهاي آماري و ماتریس هم رخداد بدست آمده از تبدیل هاي کسینوسی، موجک و Contourlet میباشد. همچنین از تکنیکهاي آنالیز تغییرات (ANOVA) و بهینه سازي باینري جستجوي ذرات (BPSO) به منظور انتخاب دسته ویژگی بهینه استفاده شده است. در ادامه، براي طبقه بندي از روشهاي یادگیري ماشین براي پنهان کاوي میتوان استفاده کرد. در این پژوهش روش هاي مبتنی بر شبکه هاي عصبی و ماشینهاي بردار پشتیبان بکار گرفته شده و نتایج عملکرد آنها با یکدیگر مقایسه شده است.

سیستم پیشنهادي بر روي چهار روش پنهانکاوي معمول براي تصاویر JPEG (روش های Jsteg ،Outguess، Model-based و JPHS) با نرخ پنهان سازي 5%، 10% و 25% از بیشینه ظرفیت این روش ها آزمایش شده است. نتایج حاصل نشان دهنده  کاراتر بودن ویژگی هاي حاصل از تبدیل Contourlet نسبت به تبدیل هاي دیگر و همچنین عملکرد موفق روش پیشنهادي از نظر انتخاب بهترین ویژگی ها و کاهش پیچیدگی محاسباتی در بخش طبقه بندي کننده به دلیل کاهش تعداد ویژگی ها است.

مقدمه:

امروزه مبحث امنیت انتقال اطلاعات، ازمسائل مهم در تبادل اطلاعات محرمانه است. دراین راستا، روش هاي رمزنگاري و پنهان نگاري و همچنین شیوه هاي نفوذ مختلف به طور گسترده توجه پژوهشگران را جلب نموده است. اگرچه استفاده از روش هاي رمزنگاري توانسته تا حدي جوابگوي نیازها در زمینه ي امنیت اطلاعات باشد ولی وضوح این ارتباط زمینه ساز مشکلات دیگري است. هدف پنهان نگاري، مخفی کردن پیام به گونه اي است که حتی وجود پیام نیز محسوس نبوده و تشخیص وجود آن خود مستلزم بکارگیري روشهاي علمی میباشد. به عبارت دیگر شکست روش پنهان نگاري در مشخص شدن وجود پیام در رسانه ي پوششی میباشد که این موضوع، هدف اصلی پنهان کاوي است. پنهان کاوي هنر کشف حضور اطلاعات پنهان است.

اگرچه از تمام فرمتهاي دیجیتالی میتوان جهت پنهان نگاري استفاده نمود، اما فرمتهایی براي این کار مناسب به نظر می رسند که درجه افزونگی آنها بالاتر باشد. منظور از درجه افزونگی تعداد بیت هایی است که دقتی بیش از حد لازم و غیر ضروري را براي نمایش ارائه میکنند. با توجه به این نکته، تصاویر JPEG بیشتر از سایر فرمتها براي این امر مورد استفاده قرار میگیرند. در حال حاضر بیشترین فرمت تصویري که براي ارتباطات بخصوص در اینترنت استفاده میشود فرمت JPEG است و بیشتر روش هاي پنهان نگاري تصاویر نیز براي این دسته تصاویر طراحی شده اند.

به طورکلی شیوه هاي پنهان کاوي به دو دسته تقسیم میشوند: پنهان کاوي کور که مستقل از روش پنهان نگاري است و پنهان کاوي اختصاصی که که فقط به روش پنهان نگاري مشخصی اعمال میشود. الگوریتم هاي پنهان نگاري به دو دسته ي کلی الگوریتم هاي فضاي مکانی یا فضاي تبدیل تقسیم می شوند. روشهاي پنهان سازي درفضای تبدیل پایداری بیشتری دارند. درمقابل، روشهاي پنهانکاوي نیز از استخراج ویژگی از حوزه هاي مکان و تبدیل استفاده میکنند. در بسیاري از مقالات از تبدیل هاي کسینوسی و تبدیل موجک استفاده شده است. به تازگی نیز مراجع محدودي از تبدیل Contourlet استفاده کرده اند. تبدیل موجک بدلیل داشتن تنها سه جهت عمودي، افقی و مورب در تشخیص لبه هاي نرم و ناهمواري ها محدودیت دارد که تبدیل Contourlet بدلیل چند جهته بودن (بیشتر از سه جهت) در سطح هاي مختلف تا حدودي این مشکل را حل کرده است. در این پایان نامه ویژگی هاي استخراج شده از حوزه هاي مختلف مقایسه شده اند.

در این پژوهش به پنهان کاوي کور تصاویر JPEG میپردازیم. پس از بررسی ویژگی هاي سیستم هاي پنهان نگاری در فصل اول، در فصل دوم روشهاي متداول پنهان کاوي تصویر به اختصار بررسی می شوند. در فصل سوم حوزه هاي مختلف تبدیل معرفی میشوند. در فصل چهارم تکنیک هاي یادگیري ماشین بیان شده اند و روش پیشنهادي نیز در فصل پنجم معرفی شده است.

تعداد صفحه : 78

قیمت : شش هزار تومان

 

پشتیبانی سایت :       

        serderehi@gmail.com

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *