واترماركينگ وفقي تصاوير ديجيتال مبتني بر يادگيري ماشيني

Adaptive Digital Image Watermarking Based on Machine Learning

: با استفاده گسترده از اينترنت و توسعه صنعت رايانه، حفاظت از حق چاپ انتشارات ديجيتالي به موضوعي بسيار جدي مبدل شده است. واترماركينگ ديجيتالي شيوه مناسبي براي حل اين مشكل است. در اين مقاله يك روش واترماركينگ وفقي در حوزه تبديل كسينوسي گسسته (DCT) براي تصاوير ديجيتال ارايه مي گردد. در اين روش، تصوير ميزبان به بلوك هاي بدون همپوشاني 8?8 تقسيم مي‌شود و بيت‌هاي واترمارك در ضرايب DCT اين بلوك‌ها جاسازي مي‌شوند. براي افزايش امنيت روش، مكان هاي جاسازي به صورت تصادفي انتخاب مي‌گردند. بلوك‌هاي منتخب براي جاسازي واترمارك بر اساس ويژگي‌هايي نظير بافت، روشنايي و نزديكي به لبه‌ها به شش كلاس مختلف طبقه‌بندي مي‌شوند. در اين تحقيق، از ماشين بردار پشتيبان (SVM) براي شبيه‌سازي سيستم بينايي انسان (HVS) جهت طبقه‌بندي بلوك‌ها استفاده مي‌شود. سپس براي جاسازي وفقي واترمارك، از الگوريتم ژنتيك براي تعيين ضرايب قوت واترمارك بهينه در كلاس‌هاي مختلف استفاده مي‌شود. نتايج پياده‌سازي نشان مي‌دهد كه روش ارايه شده شفافيت بالا و مقاومت بسيار خوبي در برابر حمله‌هاي مختلف دارد.

With the widespread use of Internet and the development in computer industry, copyright protection of digital multimedia has become a serious issue. Digital watermarking is an appropriate way to solve this problem. This paper proposes a novel adaptive image watermarking scheme in discrete cosine transform (DCT) domain. The host image is divided into non-overlapping image blocks with size 8 × 8 and then the binary watermark bits are embedded into DCT domain of image blocks. The embedding locations are selected randomly to enhance the security of watermark. Selected embedding blocks are classified into six classes based on their characteristics like luminance, texture and nearness to the edges. In this research Support Vector Machine (SVM) is used to simulate Human Visual System (HVS) in order to classify the blocks. Then optimal watermark strengths are determined to different classes by genetic algorithm for embedding adaptively. The experimental results show that the proposed method has good fidelity and robustness against different attacks.