A Novel Multiple Objective Optimized Color Scheme Based on LWT-SVD domain Using Nature Based Bat Watermarking algorithm and Firefly Algorithm
نشانه گذاری تصویر های رنگی در حوزه LWT-SVD با بهره گیری از بهینه سازی چند هدفه و الگوریتم های فرا ابتکاری خفاش و کرم شب تاب
در این مقاله یک روش نشانه گذاری با استفاده از ترکیب تبدیل(singular value decomposition) SVD تصویر و نشانه مطرح شده است. تبدیل SVD یک ماتریس W با ابعاد m×n به صورت زیر است:
که در آن U,V ماتریس های متعامدی هستند که اطلاعات هندسه ماتریس را در خود دارند و ∑▒ ماتریسی است که اعضای قطری آن غیر منفی و بقیه صفر هستند و اعضای غیرمنفی آن با نرم دو ماتریس در ارتباطند و بنابراین اطلاعات شدتی را در خود دارند. در روش های مبتنی بر SVD بعد از یافتن تبدیل SVD مربوط به نشانه و تصویر به صورت زیر با هم ترکیب می¬شوند:
بنابراین همانطور که مشاهده میشود در این روش ها اطلاعات موجود در U,V مربوط به نشانه معمولا دور ریخته میشود و این موضوع موجب ناکارآمدی این روش از نظر آشکار سازی می¬شود چرا که روش آشکار سازی نمی¬تواند بین نشانه های مختلفی که مقادیرمنفرد یکسان ولی خواص هندسی متفاوتی دارند تمایز قائل شود. در مقاله مذکور به جای استفاده از مقادیر منفرد (singular value ) های نشانه از ترکیب مقادیر منفرد تصویر با خود نشانه استفاده شده است که بنابراین این مشکل را مد نظر قرار داده است. در این روش در ابتدا نقشه رنگی تصویر به Ycbcr تبدیل می¬شود و سپس با در نظر گرفتن لایه رنگی Y در آن با استفاده از تبدیل ویولت با کرنل Haar تصویر براساس محتوای فرکانسی به چهار بخش تقسیم می¬شود فرکانس های پایین-پایین، بالا-پایین، پایین بالا و بالا-بالا و سپس بخش پایین-بالا مورد استفاده قرار می¬گیرد که نسبت به فیلتر کردن و همچنین فشرده سازی مقاوم تر است؛ سپس برای ترکیب ماتریس مربوط به این محدوده فرکانسی تحت تبدیل SVD قرار می¬گیرد و ماتریس مقادیر منفرد آن با مضربی از حاصل ضرب نشانه در خودش جمع می¬شوند.
برای تعیین این ضریب مناسب از الگوریتم های فراابتکاری خفاش و کرم شب تاب برای حل یک مسئله بهینه سازی چند هدفه استفاده کرده است در اصل با در نظر گرفتن حفظ کیفیت تصویر و مقاوم بودن و ارزیابی آنها از طریق در نظرگرفتن میانگین مجذور تفاوت بین تصویر اصلی و نشانه گذاری شده و همچنین شباهت (correlation) نرمال شده بین تصویر اصلی و تصویراستخراج شده؛ بهینه سازی نشانه گذاری با پارامتر ترکیب معرفی شده در قبل توسط این دو الگوریتم انجام می-شود و پارامتر ترکیب انتخاب می¬شود
با استفاده از الگوریتم فیبوناتچی-لوکاس یکنواخت سازی هندسی بر روی نشانه قبل از نشانه گذاری انجام می¬شود تا به این ترتیب برای ارسال از طریق کانال های ناامن اطلاعات هندسی تصویر کد شود و به این ترتیب نشانه در برابر حملات هندسی که در حین ارسال ممکن است رخ دهد مقاوم خواهد شد و سپس نتیجه بدست آمده برای برای ترکیب تجت فرایند قبل مورد استفاده قرار می¬گیرد.
برای آشکار سازی غیر کور آن به این ترتیب عمل میشود که:
ابتدا تبدیل ویولت تصویر بدست می¬آید و سپس تبدیل SVD ناحیه پایین-بالای فرکانسی بدست می¬آید و با کم کردن SVD مربوط به تصویر اصلی نشانه قابل حصول است و از آنجا که الگوریتم یکنواخت سازی هندسی فیبوناتچی-لوکاس در صورت مشخص بودن کلید مورد استفاده معکوس پذیر است، از طریق کلید مناسب اطلاعات هندسی تصویر بازیابی خواهد شد.
S. Sejpal, “A Novel Multiple Objective Optimized Color Watermarking Scheme Based on LWT-SVD domain Using Nature Based Bat algorithm and Firefly Algorithm,” pp. 38–44, 2016.