پنهان شکنی تصاویر با استفاده از شبکه های عصبی – برق

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی برق
نوع ارائه:پایان نامه
تعداد صفحات:86
قالب بندی:word قابل ویرایش

نحوه خرید

پنهان شکنی تصاویر با استفاده از شبکه های عصبی – برق

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فهرست مطالب
چکیده……………………………………………….. 1

مقدمه …………………………………………………………. 2

فصل اول: کلیـات پنهان نگاري …………………………. 3

1 -1) پنهاننگاري ……………………….. 4
1 -2) تفاوت پنهاننگاري ورمزنگاري ……………………………… 5
1 -3) کاربردهاي پنهاننگاري………………………….. 6
1 -4) ویژگیهاي سیستمهاي پنهاننگاري ………………………… 6
1 -5) تقسیمبندي الگوریتمهاي پنهاننگاري براساس میزان مقاومت……………. 7
1 -6) طراحی باتوجه به ویژگیهاي موردنظر……………………. 7

فصل دوم: مروري برکارهاي انجام شده …………………………… 11

2 -1) مقدمه …………………………………….. 12
2 -2) بررسی روشهاي ارائه شده ………………….. 13
فصل سوم :معرفی حوزههاي تبدیل ………….. 18

3 -1) تبدیل گسسته کسینوسی ………………………………. 19
3 -1-1) نهاننگاري درحوزةDCTازکل تصویر …………………………. 19
3 -1-2) روش نهاننگاري وفقی مبتنی برDCT..ا……………. 20
3 -2) تبدیل موجک ………………………………….. 22
3 -2-1) تبدیل موجک دوبعدي ………………………………… 22
3 -2-2) مزایاي روش مبتنی برتبدیل موجک………………………… 23
23 ………………………………………..Ridgeletتبدیل (3- 3
3 -3-1) ایده تبدیلRidgelet براساس تبدیل رادون وتبدیل موجک …….. 23
3 -3-2) پنهاننگاري درحوزهRidgelet ……………ا……. 25
26 ………………………………… Curveletتبدیل (4- 3
27 ……………………………………….. Contourletتبدیل (5- 3
3 -5-1) ساختارفیلتربانک جهتدار و هرمی …………………… 27

فصل چهارم :تکنیکهاي یادگیري ماشین ………………….. 31
4 -1) مقدمه ……………………………………… 32
4 -2) شبکه عصبی مصنوعی ……………………. 32
4 -2-1) شبکه عصبی احتمالاتی(PNN) ….ا………………… 34
4 -2-2) شبکه عصبی تابع شعاع مداري(RBFNN)..ا………… 35
4 -3) ماشین بردار پشتیبان………………………………………… 36
4 -3-1) فوق صفحهي جداساز بهینه ………………… 37
4 -3-2) بهینهسازي تابع درجه دوم براي یافتن فوق صفحهي بهینه ………………… 38
4 -3-3) فوق صفحهي بهینه براي الگوهاي تفکیک ناپذیربه صورت خطی …………………….. 39
4 -3-4 دستهبندي غیرخطی…………… 41

فصل پنجم : روش پیشنهادي ……………………….. 42

5 -1) مقدمه ……………………… 43
5 -2) پنهانکاوي مبنی براستخراج ویژگیهاي آماري ازسه حوزه ………………………… 43
5 -2-1) استخراج ویژگی……………………….. 43
5 -2-2) محاسبه تصاویر پیشگویی خطا درتبدیل موجک ……………………….. 45
5 -2-3) محاسبه تصاویر پیشگویی خطا درتبدیلContourlet ….ا…….. 47
5 -2-4) انتخاب ویژگی براساس آنالیز تغییرات ……………….. 48
5 -2-5) بکارگیريBPSO براي انتخاب دسته ویژگی بهینه …………….. 48
5 -3) پنهان کاوي مبنی بر ویژگیهاي آمارگان مرتبه اول و بالاتر و ماتریس
همرخدادازحوزه تبدیلContourlet ………..ا……… 51
5 -4) مقایسه شبکههاي عصبی پایه شعاعی وماشین بردار پشتیبان درطبقهبندي……….. 53
فصل ششم :نتیجه گیري وپیشنهادات ……………… 58
6 -1) نتیجه گیري ………………………………… 59
6 -2) پیشنهادات ………………………………….. 59

منابع و ماخذ 68

فهرست منابع فارسی 68

فهرست منابع لاتین 69

چکیده انگلیسی 73

چکیده:
پنهاننگاري 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. بهطورکلی شیوههاي پنهانکاوي به دو دسته تقسیم میشوند: پنهانکاوي کور که مستقل از روش نهاننگاري است و پنهانکاوي اختصاصی که که فقـط بـه روشنهاننگاري مشخصی اعمال میشود. سه قسمت اصلی در سیستم پنهانکـاوي عبارتنـد از : اسـتخراج ویژگـی، انتخاب ویژگیهاي کارا و طبقهبندي. در این راستا، استخراج ویژگیهاي حساس به پنهاننگـاري مهـمتـرینبخش میباشد.
ویژگیها معمولا از حوزهي مکان و یا حوزههاي تبدیل (مانند DWT ،DCT و…) اسـتخراج مـیشـوند . مبحـثاستخراج ویژگیها از تبدیل Contourlet نیز بهتازگی در شیوههاي پنهانکاوي استفاده شده و تعـداد مقـالاتمحدودي در این زمینه منتشر شده است. در این پژوهش، سیستم پنهانکاوي (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 پنهاننگاري تصاویر نیز براي این دسته تصـاویرطراحی شدهاند.
روش پیشنهادي بر اساس کنارهم قرار دادن ویژگیهاي آماري و ماتریس همرخداد بدست آمده از تبدیلهاي 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 شـده اسـت. در ادامـه، بـرايطبقهبندي از روشهاي یادگیري ماشین براي پنهانکاوي میتـوان اسـتفاده کـرد. در ایـن پـژوهش روشهـايمبتنی برشبکه هاي عصبی وماشینهاي بردارپشتیبان بکار گرفته شده و نتایج عملکرد آنها با یکـدیگر مقایسـهشده است.
سیستم پیشنهادي بر روي چهار روش پنهانکاوي معمول براي تصاویر JPEG (روشهـايOutguess ،Jsteg ، Model-based وJPHS) با نرخ پنهانسازي 5% ، 10% و 25% از بیشینه ظرفیت ایـن روش هـا آزمـایش شـدهاست. نتایج حاصل نشاندهندهي کاراتر بودن ویژگیهاي حاصل از تبدیل Contourlet نسبت بـه تبـدیلهـايدیگر و همچنین عملکـرد موفـق روش پیشـنهادي از نظـر انتخـاب بهتـرین ویژگـی هـا و کـاهش پیچیـدگیمحاسباتی در بخش طبقهبندي کننده به دلیل کاهش تعداد ویژگیها است.

مقدمه:
امروزه مبحث امنیت انتقال اطلاعات، ازمسائل مهم در تبادل اطلاعات محرمانه است. دراین راستا، روش-هاي رمزنگاري و پنهاننگاري و همچنین شیوههاي نفوذ مختلف به طور گسترده توجه پژوهشـگران را جلـبنموده است. اگرچه استفاده از روشهاي رمزنگاري توانسـته تـا حـدي جوابگـوي نیازهـا در زمینـهي امنیـتاطلاعات باشد ولی وضوح این ارتباط زمینهساز مشکلات دیگري است. هدف پنهاننگاري ، مخفیکـردن پیـامبگونهاي است که حتی وجود پیام نیز محسوس نبوده و تشخیص وجود آن خود مستلزم بکارگیري روشهـايعلمی میباشد. به عبارت دیگر شکست روش پنهاننگاري در مشخص شدن وجود پیـام در رسـانهي پوششـیمیباشد که این موضوع، هدف اصلی پنهانکاوي است. پنهانکاوي هنر کشف حضور اطلاعات پنهان است.
اگرچه از تمام فرمتهاي دیجیتالی میتوان جهت پنهاننگاري استفاده نمود، اما فرمتهایی بـراي ایـن کـارمناسب به نظر می رسند که درجه افزونگی آنها بالاتر باشد. منظور از درجه افزونگی تعداد بیتهایی اسـت کـهدقتی بیش از حد لازم و غیر ضروري را براي نمایش ارائه میکنند. با توجه به این نکته، تصاویرJPEG بیشتر از سایر فرمتها براي این امر مورد استفاده قرار میگیرند. در حال حاضر بیشترین فرمـت تصـویري کـه بـرايارتباطات بخصوص در اینترنت استفاده میشود فرمت JPEG است و بیشتر روشهاي پنهاننگاري تصاویر نیز براي این دسته تصاویر طراحی شدهاند.
بهطورکلی شیوههاي پنهانکاوي به دو دسته تقسیم میشوند: پنهـان کـاوي کـور کـه مسـتقل از روشپنهاننگاري است و پنهانکاوي اختصاصی که که فقط به روش پنهاننگاري مشخصی اعمال میشود. الگوریتمهاي پنهاننگاري به دو دستهي کلی الگوریتمهاي فضاي مکانی یا فضاي تبدیل تقسیم مـی شـوند . روشهـايپنهانسازي درفضایتبدیلپایداریبیشتریدارند. درمقابل، روشهاي پنهانکاوي نیز از استخراج ویژگـی از حـوزه-هاي مکان و تبدیل استفاده میکنند. در بسیاري از مقالات از تبدیلهاي کسینوسی و تبدیل موجک استفاده شده است. بهتازگی نیز مراجع محدودي از تبدیل Contourlet استفاده کردهاند. تبدیل موجک بدلیل داشتن تنها سه جهت عمودي، افقی و مورب در تشخیص لبههـاي نـرم و نـاهمواري هـا محـدودیت دارد کـه تبـدیلContourlet بدلیل چند جهته بودن (بیشتر از سه جهت) در سطحهاي مختلف تا حدودي این مشکل را حل کرده است. در این پایاننامه ویژگیهاي استخراج شده از حوزههاي مختلف مقایسه شدهاند.
در این پژوهش به پنهانکاوي کور تصاویر JPEG میپردازیم. پس از بررسی ویژگـی هـاي سیسـتمهـايپنهاننگاریدر فصل اول، در فصل دوم روشهاي متداول پنهانکاوي تصویر به اختصـار بررسـی مـیشـوند . در فصل سوم حوزههاي مختلف تبدیل معرفی میشوند. درفصل چهارم تکنیکهاي یادگیري ماشین بیان شدهاند و روش پیشنهادي نیز در فصل پنجم معرفی شده است.

نتیجه گیري
در این پژوهش ویژگیهاي سیستم پنهاننگار بیان شد که در طراحی باید تقابل برخی ویژگیها مثل شفافیت و امنیت و.. در نظرگرفته شود. تکنیکهاي پنهاننگاري در حوزه تبدیل مقاومت بیشتري در مقابل حملات گوناگون در مقایسه با تکنیکهاي حوزه مکان از خود نشان میدهند. در حوزهي تبدیل، تبدیل موجک براي نمایش ناپیوستگیهاي نقطهاي و تبدیلات جهتدار مثلRidgeletو Contourlet براي نمایش ناپیوستگیها در راستاي خطوط و منحنی مناسب هستند. الگوریتمهاي پنهانکاوي نیز به طور کلی در دو حوزه تبدیل و حوزه مکان انجام میشوند و همگام با روشهاي پنهاننگاري گسترش مییابند. با توجه به اثراتی که درج در تصویر برجاي گذاشته و تغییراتی که در مولفههاي آماري و پارامترهاي مختلف آن ایجاد شده ،استخراج ویژگی صورت میگیرد. براي استخراج ویژگیها علاوه بر تصاویر زیرباند تبدیلهاي موجک وContourlet از تصاویر خطاي پیشبینی نیز استفاده شد. در واقع براي تقویت تغییرات ایجادشده در اثر پنهاننگاري در تصویر، شدت رنگ هر پیکسل در تصویر از روي شدت رنگ پیکسل هاي مجاور پیشبینی شده که تصویر خطاي پیش بینی از طریق تشکیل تفاضل تصویر پیش بینی شده از تصویر اصلی به دست میآید. درتصویر خطاي پیش بینی، اطلاعاتی غیر از اطلاعات ایجاد شده در پروسه پنهانسازي حذف شده و در نتیجه باعث بهبود آنالیز پنهانکاوي میشود. در اینجا از ویژگیهاي آماري سه حوزه تبدیل استفاده شد. بیشترین ویژگیهاي انتخاب شده توسط تکنیکهاي انتخاب ویژگی از حوزه Contourlet بود که نشانگر حساستر بودن این ویژگیها نسبت به پنهاننگاري میباشد. همچنین بکارگیري تکنیکهاي انتخاب ویژگی تحلیل تغییرات به عنوان تکنیک مستقل از طبقهبندي کننده و بهینه سازي باینري جستجوي ذرات به عنوان تکنیک وابسته به طبقهبندي کننده، تعداد ویژگیها به طور موثري کاهش یافت. در ادامه، به منظور مقایسه دقیقتر روش پنهانکاوي مبتنی بر Contourlet در مرجع[15] بر روي دادگان تصاویر و روشهاي پنهان -نگاري مورد حمله در این پایاننامه پیادهسازي شد و با استفاده از تکنیک بهینه سازي باینري جستجوي ذرات براي انتخاب موثرترین ویژگیها علاوه برکاهش تعداد ویژگیها نتایج حاصل نیز بهبود یافت. همچنین اضافه کردن ویژگیهاي مرتبه دوم از ماتریس همرخداد به ویژگیهاي آماري مرتبه اول و بالاتر در حوزه Contourlet و استفاده از تحلیل تغییرات براي انتخاب کاراترین ویژگیها باعث بهبود روشپنهانکاوي ارائه شده در مرجع[15] شد. در نهایت، مقایسه بین طبقهبندي کننده شبکه عصبی (RBF,PNN) و ماشین بردار پشتیبان نشان داد ماشین بردار پشتیبان و شبکه RBF نتایج تقریبا یکسانی داشته و نسبت به شبکه PNN دقت بیشتري دارند. با توجه به کمتر بودن زمان آموزش ماشین بردار پشتیبان، این طبقهبندي کننده بیشترین کارایی را دارد.

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت