اولین گام در نشانه گذاری یک سیگنال مد نظر تولید کردن نشانه مناسب است در این مقاله نویسندگان الگوریتمی را برای تولید نشانه از طریق نمونه ی اسکن شده اثر انگشت مطرح کرده اند. اثر انگشت و دیگر دادههای بیومتریک میتوانند به عنوان ابزاری برای تولید نشانه یکتا مورد استفاده قرار گیرند که این امر خصوصا در اثبات مالکیت و همچنین پیگیری منشا استفاده غیر مجاز مد نظر است. در این مقاله بعد از اعمال فیلتر های مناسب بر نمونه اسکن شده و استفاده از فیلترهای هندسی برای تعیین جهتگیری تصویر اسکن شده سه تابع فازی به ناحیه مطلوب بدست آمده از تصویر نسبت داده میشود تابع اول با استفاده از نقاط برخورد خطوط عمودی با طرح اثر انگشت تولید میشود برای فازی سازی به جای یک خط عمودی و بدست آوردن نقاط برخورد آن از سه خط که با هم 1 یا 2 پیکسل فاصله دارند استفاده شده است و با استفاده از سه نقطه بدست آمده یک عدد فازی با تابع عضویت مثلثی به آن نسبت داده میشود. تابع دوم با استفاده از نقاط برخورد افقی و به ترتیب گفته شده و تابع سوم با استفاده از بیضی های فازی رسم شده در تصویر و بررسی نقاط برخورد و با همان فرایند فازی سازی قبل تشکیل داده شده اند و سپس تبدیل فوریه فازی از این سه تابع گرفته میشود و ضرایب تبدیل فوریه فازی به عنوان مشخصه های مناسب برای نشانه گذاری مورد استفاده قرار گرفته است.
برای قرار دادن نشانه در تصویر از تکنیک های حوزه زمان-فرکانس (ویولت) استفاده شده است. در نهایت الگوهایی برای آشکار سازی در جهت استفاده از این روش برای تعیین مالکیت حقوقی، تشخیص مالک اصلی و اولیه در هنگام حضور چندین نشانه و ادعای مالکیت و بررسی و پیگیری استفاده و تغییر در تصویر مورد ارزیابی قرار گرفته است که شرح مختصری از آنها در ادامه آورده شده است:
در ابتدا برای آشکار سازی از اندازه گیری تفاوت بین محتوای فرکانسی بین تصویر اصلی بدون نشانه و تصویر مد نظر برای بررسی استفاده شده است که این کار از طریق مقایسه مناسب نرم ها امکان پذیر است. همچنین از آنجا که برای آشکارسازی به تصویر اصلی نیاز است بنابراین روش مذکور جز روش های آشکار سازی غیرکور به حساب میآید.
براساس مقایسه انجام شده و از آنجا که در تصویر نشانه گذاری شده محتوای اولیه تصویر با محتوای جدید جمع میشود میتوان نتیجه گرفت که بنابراین خروجی تابع مقایسه باید مثبت باشد و در صورتی که صفر باشد به معنای عدم تفاوت بین تصویر اصلی و تصویر نشانه گذاری شده و در نیتجه به معنای عدم وجود نشانه است. در صورت تشخیص وجود نشانه در گام بعدی تصویر نشانه گذاری شده با استفاده از نشانه مدعی مالکیت با تصویر مورد بررسی مورد بررسی قرار میگیرند و تابع مقایسه قبل بین این دو تصویر محاسبه میشود که در نتیجه به اندازه کافی کوچک بودن مقدار تابع مقایسه به معنای یکسان بودن نشانه های موجود است و در صورتی که مقدار تابع مقایسه از حد مناسبی بزرگ تر باشد به این معناست که تصویر مورد بررسی حاوی تغییرات دیگری نیز میباشد که این تغییرات میتواند وجود نشانه های دیگر و یا هر نوع حمله دیگری به تصویر باشد و در صورتی که مقدار تابع مقایسه از حد مد نظر کوچکتر باشد به این معناست که اصلا تصویر با این نشانه، نشانه گذاری نشده است. در حالتی که مقدار تابع مقایسه بزرگتر از حد مناسب باشد در آن صورت برای بررسی اینکه آیا نشانه مدعی در آن وجود دارد یا نه از آنجا که فرایند نشانه گذاری همواره به صورت نرمالیزه انجام میشود ابتدا تصویر مورد بررسی را با نشانه مدعی با دیگر نشانه گذاری میکنند و سپس تفاوت بین این دو تصویر را با تابع مقایسه مناسب مانند قبل اندازه گیری میکنند در صورتی که مقدار تابع مقایسه بزرگتر از حد معینی باشد در آن صورت به این معناست که این نشانه از قبل در تصویر موجود نبوده و در صورتی که به اندازه کافی کوچک باشد به این معناست که این نشانه نیز از قبل وجود داشته است.
همچنین در شرایطی که چندین نشانه در تصویر موجود باشد فرایند تشخیص نشانه اولیه به صورت زیر ارائه شده است:
اگر تصویر مورد بررسی اول را با p_1 و نشانه او را با o_1 نمایش دهیم و به همین ترتیب برای شخص دوم نیز تصویر را با p_2 و نشانه را با o_2 نمایش دهیم برای تعیین اینکه کدام نشانه اصلی است فرایند زیر قابل استفاده است:
تصویر p_1 را با نشانه o_2 نشانه گذاری می¬کنیم و با p_1 مقایسه می¬کنیم همین کار را برای p_2 و o_1 انجام می¬دهیم اگر نتایج مقایسه را به ترتیب S_12 و S_21 بنامیم مقدار S_12-S_21 معیار مناسبی است که مشخص می¬کند که آیا پیش از نشانه گذاری o_1 نشانه o_2 در تصویر موجود بوده یا نه که در نتیجه می¬توان از این طریق نشانه ای که زودتر در تصویر قرار داده شده است را شناسایی کنیم. با انجام همین فرایند برای هر دو تا ادعا می¬توان در میان مجموعه ای از نشانه ها مشخص کرد که کدام نشانه نشانه اصلی بوده است.
مقاله اصلی در لینک قابل دسترس هست.
Information Fusion based on Fuzzy Fourier Transform of Fingerprints for Image Watermarking
G. Iovane, M. Leone, P. Giordano, and E. Benedetto, “Information Fusion based on Fuzzy Fourier Transform of Fingerprints for Image Watermarking,” 2012