مقالات ترجمه شده دانشگاهی ایران

الگوریتم نهان نگاری هیستوگرام رنگی داده های فریم خام ویدیویی

الگوریتم نهان نگاری هیستوگرام رنگی داده های فریم خام ویدیویی

الگوریتم نهان نگاری هیستوگرام رنگی داده های فریم خام ویدیویی – ایران ترجمه – Irantarjomeh

 

مقالات ترجمه شده آماده گروه کامپیوتر
مقالات ترجمه شده آماده کل گروه های دانشگاهی

مقالات رایگان

مطالعه ۲۰ الی ۱۰۰% رایگان مقالات ترجمه شده

۱- قابلیت مطالعه رایگان ۲۰ الی ۱۰۰ درصدی مقالات ۲- قابلیت سفارش فایل های این ترجمه با قیمتی مناسب مشتمل بر ۳ فایل: pdf انگیسی و فارسی مقاله همراه با msword فارسی -- تذکر: برای استفاده گسترده تر کاربران گرامی از مقالات آماده ترجمه شده، قیمت خرید این مقالات بسیار کمتر از قیمت سفارش ترجمه می باشد.  

چگونگی سفارش

الف – پرداخت وجه بحساب وب سایت ایران ترجمه (شماره حساب) ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.com شامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر -- مقالات آماده سفارش داده شده عرفا در زمان اندک یا حداکثر ظرف مدت چند ساعت به ایمیل شما ارسال خواهند شد. در صورت نیاز فوری از طریق اس ام اس اطلاع دهید.

قیمت

قیمت این مقاله: ۱۸۰۰۰ تومان (ایران ترجمه - irantarjomeh)

توضیح

بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.

مقالات ترجمه شده کامپیوتر - ایران ترجمه - irantarjomeh

www.irantarjomeh.com

الگوریتم نهان نگاری هیستوگرام رنگی داده های فریم خام ویدیویی

شماره      
۱۲۱
کد مقاله
COM121
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
یک الگوریتم استگانوگرافی/ نهان نگاری جدید برمبنای هیستوگرام های رنگی برای داده های جاسازی شده در فریم های خام ویدیویی
نام انگلیسی
A new steganography algorithm based on color histograms for data embedding into raw video streams
تعداد صفحه به فارسی
۳۷
تعداد صفحه به انگلیسی
۷
کلمات کلیدی به فارسی
استگانوگرافی / نهان نگاری، جاسازی داده ها، مخفی سازی داده ها، مخفی سازی اطلاعات، هیستوگرام رنگی
کلمات کلیدی به انگلیسی
Steganography, Data embedding, Data hiding, Information hiding, Color histogram
مرجع به فارسی
دانشگاه ساکاریا، کالج آموز فنی، آموزش سیستم های کامپیوتری، ساکاریا، ترکیه، الزویر
مرجع به انگلیسی
Sakarya University, Technical Education Faculty, Computer Systems Education, Esentepe Campus, Serdivan, Sakarya, Turkey; Elsevier
سال
۲۰۰۹
کشور
ترکیه
یک الگوریتم استگانوگرافی/ نهان نگاری جدید برمبنای هیستوگرام های رنگی برای داده های جاسازی شده در فریم های خام ویدیویی
چکیده
استگانوگرافی یا نهان سازی داده ها که بعنوان یک فن آوری مرتبط با جاسازی داده های سری و مخفی در آبجکت ها یا موضوعاتی که سبب برانگیختگی شک نمی شوند بشمار می آید، به عنوان یک راهکار بین – رشته ای قابل توجه در مبحث روش های جاسازی داده ها ظهور نموده است. با آنکه این پدیده غالبا در گذشته برای تصاویر ثابت به کار گرفته شده است، هم اکنون استفاده از آن در فریم های ویدیویی معروفیت یافته است. به هنگامی که از روش استگانوگرافی / نهان سازی داده ها در استریم های ویدیویی دیجیتال استفاده شود، انتخاب پیکسل های هدف، جهت ذخیره سازی داده های سری یا مخفی، علی الخصوص برای حصول یک فرآیند توام با موفقیت و مطلوب جاسازی، حیاتی می باشد. در صورتی که این پیکسل ها به دقت انتخاب نشوند، در این نوع از فرآیند استگو- ویدیویی مشکلاتی در ارتباط با درک نامطلوب مکانی و زمانی بروز خواهد نمود. در این مقاله، دو الگوریتم استگانوگرافی جدید برحسب استفاده از هیستوگرام های مشابه و همچنین هیستوگرام های نامشابه ارائه می شوند. هردوی این الگوریتم ها بر مبنای انتخاب راهکارهای متناسب پیکسل از طریق تمرکز بر روی پارامترهای ادراک پذیری و ظرفیت ویدیوی تحت پوشش است. به هنگام مقایسه با تکنیک های استگانوگرافی متعارف، نه تنها آنها درک زمانی و مکانی ارتقا یافته و مناسبی را در خصوص پوشش /  استتار – ویدیویی حاصل می آورند، بلکه ارائه دهنده یک ظرفیت جاسازی نسبتا بالای داده ها نیز خواهند بود.
کلمات کلیدی: استگانوگرافی / نهان نگاری، جاسازی داده ها، مخفی سازی داده ها، مخفی سازی اطلاعات، هیستوگرام رنگی
  
۱- مقدمه
از زمان پدیدار شدن جوامع انسانی، انسان ها به حریم خصوصی و ارتباطات شخصی خود اهمیت بسیاری می دادند. در جوامع معاصر، استفاده روز افزون رسانه های دیجیتال سبب شده است تا مسئله امنیت فایل های این رسانه ها به عنوان یکی از اولویت های مورد توجه مخصوصا در برابر کاربرانی که دارای تمایلات بدخواهانه می باشند، مطرح گردد، که این قضیه علی الخصوص در اینترنت صحت خواهد داشت. جهت محافظت از فایل های رسانه های دیجیتالی، محققین اقدام به ارائه و ارتقای الگوریتم های بیشمار مخفی سازی داده ها نموده اند که تحت عنوان الگوریتم های استگانوگرافی / نهان نگاری، الگوریتم های واترماک یا نقشاب داده ها (آب نشان گذاری)، و دیگر الگوریتم های جاسازی یا تعبیه داده ها نموده اند. استگانوگرافی به عنوان یک سیستم ارتباطاتی ایمن مطرح می باشد و می توان آن را به سادگی به عنوان آبجکت ها یا موضوعات مخفی در فایل های چند رسانه ای به شمار آورد. استگانوگرافی را نباید با فرآیند واترمارکینگ یا نقشاب سازی داده ها اشتباه گرفت، با وجود آنکه اهداف اصلی آنها یکسان هستند. تکنیک های نقشاب سازی جهت محافظت از رسانه های دیجیتال در برابر تخلفات مربوط به قانون کپی رایت یا عدم کپی غیر قانونی مورد استفاده قرار می گیرند، در حالیکه تکنیک استگانوگرافی یا نهان سازی داده ها جهت انتقال داده های مخفی به افراد یا طرف های خاصی مدنظر است که سبب می شود تا اشخاص ثالث از حضور داده های مخفی مطلع نشده و بنابر این نتوانند نسبت به کد برداری یا رمزگشایی محتویات داده های مخفی اقدام نمایند. تکنیک نقشاب سازی دو گونه است: نوع آشکار (قابل درک) و نوع غیر آشکار (غیر قابل درک). در اولین نگاه، هیچ گونه تفاوتی بین نقشاب نامشهود و استگانوگرافی وجود ندارد. با این وجود، این تفاوت عمدتا نشات گرفته از قصد و نیت فردی است که اقدام به جاسازی داده ها  می نماید.
بسیاری از نقشاب ها، با وجود آنکه کاملا از وجود آنها آگاه می باشیم، برای چشم انسان غیر قابل درک می باشند. با این وجود، در صورت آگاهی از وجود نقشاب ممکن است رسانه تحت محافظت در معرض حملات گوناگونی قرار گرفته و در نتیجه کلیه تکنیک های متراکم سازی، تبدیل و دیگر پردازش های تصویری که در آن به کار گرفته شده است با خطر روبرو خواهند شد. بنابراین، تکنیک های نقشاب می بایست در مقایسه با فناوری های استگانوگرافی بسیار قدرتمند تر باشند.
تکنیک های نقشاب سازی در ابتدا برای فایل های متنی مورد استفاده قرار گرفت و سپس برای تصاویر ثابت استفاده شد. متعاقبا، تصاویر متحرک یا استریم های ویدیویی نیز مورد توجه بیشتری قرار گرفتند که علت آن ظرفیت و معروفیت آنها می باشد (Koz و Alatan، ۲۰۰۴). روش های نقشاب سازی اخیر که برای تصاویر متحرک استفاده شده اند بر مبنای استریم ویدیویی استفاده شده به دو دسته تقسیم می شوند: ویدیوی خام و استریم – بیت (Barni و همکارن، ۲۰۰۵، Petitcolas و همکاران ۱۹۹۹). یکی از اولین مطالعات انجام شده در زمینه نقشاب سازی ویدیوی – خام بر مبنای راهکاری تحت عنوان ارتباطات طیف- گسترده به وجود آمد (Petitcolas و همکاران، ۱۹۹۹). در این مطالعه، نقشاب به وسیله یک آرایه باینری مشخص شده است، که خود با استفاده از یک شبه نویز ترتیبی آرایش یافته و دارای طول یکسانی از داده های میزبان می باشد. بازیابی اطلاعات نقشاب شده اصلی نیازمند یک روش مبتنی بر همبستگی می باشد و این روش در برابر برش های فریم و تغییرات فریمی حساس است. در مطالعه دیگر، روش نقشاب سازی به وسیله تبدیل گسسته کوسینوسی (DGT) بر روی بلوک های پیوسته ویدیویی اجرا شد (Hsu و Wu، ۱۹۹۷). در آخر، Swanson این موضوع را مطرح نمود که نقشاب را می توان در کامپوزیت های استاتیک و دینامیک فضایی / مکانی یک ویدیو که به وسیله تبدیل موجک فضایی / مکانی ایجاد شده است جاسازی نمود (Swanson و همکاران، ۱۹۹۸). با این وجود، این روش در طی فرآیند استخراج دارای یک عیب اصلی، یعنی نیاز به وجود یک استریم جریان اصلی، می باشد.
کلیه برنامه های کاربردی جاسازی داده ها نیازمند بکارگیری الگوریتم های جاسازی کننده از طرف فرستنده و یک مکانیزم تشخیص دهنده یا الگوریتم مرتبط از طرف گیرنده می باشند. رویه جاسازی داده ها به وسیله یک کلمه کلیدی قابل شناسایی می باشد و تنها افراد مجاز می توانند از آن استفاده نموده و به پیام یا داده های مخفی کد شده در فایل ویدیویی دسترسی داشته باشند. مهمترین پارامترهای برنامه های کاربردی جاسازی داده ها عبارتند از: امنیت، اطمینان پذیری، عدم رویت، پیچیدگی و ظرفیت جاسازی داده ها، که همگی این پارامترها غالبا در ارتباط با یکدیگر هستند (Wang و Wang، ۲۰۰۴).
در این مقاله، ما نسبت به ارائه دو روش استگانوگرافی جدید بر مبنای الگوریتم های جاسازی نوین داده ها اقدام می نماییم. هدف اصلی از این مطالعه جاسازی داده های مخفی در استریم های ویدیویی می باشد به گونه ای که حداقل ناهمخوانی (حداقل قابلیت درک) بین ویدیوی تحت پوشش اصل و استگو- ویدیو (یا ویدیو با اطلاعات نهان شده) وجود داشته باشد. الگوریتم های پیشنهادی این هدف را در دو مرحله ارائه نموده اند. انتخاب پیکسل های مناسب در فریم های ویدیویی و سپس جاسازی داده های مخفی در پیکسل های انتخابی با استفاده از تکنیک های کدگذاری مشخص شده. جهت ارزیابی این الگوریتم ها، ما از تکنیک های برآورد پیک نسبت سیگنال به نویز (PSNR) استفاده نمودیم.
۱-۱٫ اصول ویدیوی دیجیتال
یک ویدیوی دیجیتال حاوی مجموعه ای از تصاویر بدون حرکتی می باشد که با توجه به سرعت مشخص شده فریم، منوط به استانداردهای ویدیویی، پخش می شود. کیفیت تصویر فریم ویدیویی منوط به  چندین  پارامتر نظیر  تعداد  پیکسل ها در یک فریم،  fps  (فریم در ثانیه) و اندازه فریم می باشد. پارامتر fps غالبا استاندارد است (۲۴ یا ۲۵ فریم در ثانیه). با این وجود، در بسیاری از فرمت های معروف ویدیویی، دو پارامتر دیگر دارای انواع مختلفی از استانداردها از تک ویدیویی تا استانداردهای مختلف می باشند. هر تصویر ثابت، که تحت عنوان یک فریم خوانده می شود، شامل پیکسل هایی می باشد که از سه یا چهار ترکیب رنگ نظیر RGB (قرمز- سبز- آبی) یا CMYK (فیروزه ای- ارغوانی- زرد- سیاه) تشکیل شده است. بقیه رنگ ها در حقیقت ترکیبی از این رنگ های اصلی خواهند بود.
از آنجایی که چشم انسان مخصوصا به طیف رنگ سبز حساس می باشد، در برخی از استانداردهای ویدیویی تعداد بیت های هر رنگ تشکیل یافته ممکن است متفاوت باشند. به طور مثال، رنگ های قرمز و آبی در ۵ بیت کد می شوند، در حالیکه رنگ سبز، همان گونه که در جدول ۱ مشخص شده است، برای استاندارد رنگ ۱۶ بیتی شامل ۶ بیت می باشد. در رنگ RGB ۲۴ بیتی، هر رنگ قرمز، سبز و آبی به طول ۸ بیت بوده و دارای ۲۵۶ گوناگونی در مبحث دانسیته رنگ می باشد. در استاندارد CMYK از طرف دیگر، به ۳۲ بیت نیاز داریم و این استاندارد غالبا در نمایشگرهای مدرن کامپیوتری استفاده می شود (Kakumanu و همکاران، ۲۰۰۷).
 
۲- الگوریتم های جاسازی شده پیشنهادی
اخیرا مطالعات بسیاری در زمینه فرآیند تعبیه یا جاسازی داده ها در داخل رسانه دیجیتال انجام شده است که تحت عنوان استگانوگرافی یا نهان نگاری داده ها خوانده می شود. با این وجود، غالب این مطالعات بر حوزه های مکانی/ فضایی تحقیق نظیر تصاویر یا عکس های بدون حرکت متمرکز بوده اند. مطالعات اندکی به بررسی حوزه زمانی همراه با حوزه مکانی/ فضایی اقدام نموده اند. در این مقاله، ما دو الگوریتم مرتبط با ارزش هیستوگرام فایل  پوشش – ویدیویی، که متشکل از هر دوی این حوزه ها بوده و جزئیات آنها در زیر بخش های ذیل دنبال می گردند، را ارائه می نمائیم (Cetin، ۲۰۰۸). در شکل ۳ مراحل مرتبط با فرآیند الگوریتم های پیشنهادی به عنوان دیاگرام بلوکی نشان داده شده است.
۱-۲٫ الگوریتم های هیستوگرام مشابه و نامشابه
در این مقاله، یک راهکار جدید بر مبنای هیستوگرام های رنگی جهت یافتن پیکسل های متناسب در ویدیوی تحت پوشش ارائه می گردد. هیستوگرام ها، آرایه های مقادیر، خود معرف توزیع شدت رنگ هایی می باشند که حاصل آمده از هر مورد ترکیب رنگ پیکسل در یک تصویر است. در این رویکرد، استریم ویدیوی هدف به صورت اولیه به فریم هایی تقسیم بندی شده و مقادیر هیستوگرام هر فریم محاسبه می شوند. با حصول تفاوت های هیستوگرام بین فریم های پیوسته ویدیویی برای هر ترکیب رنگ (RGB)، میانگین هر ترکیب به صورت مجزا محاسبه شده به گونه ای که یک مقدار ارزیابی شده استفاده گردیده در رنگ و تغییرات یا گذارهای حرکت بین فریم های ویدیویی به دست می آید. مقادیر ارزیابی بالاتر موکد آن هستند که گوناگونی های مربوط به رنگ و حرکت در این صحنه معنی دار خواهند بود، در حالیکه ما مقادیر ارزیابی پایین تری را در حالت دارای تغییرات کمتر در رنگ یا حرکت انتظار داریم. این روش همچنین در مطالعات جداسازی ویدیویی نیز کاربرد دارد (Koprinska و Carrato، ۲۰۰۱).
هیستوگرام های فریم – مبنا: در این روش، یک فریم در طی فرآیند جاسازی به عنوان یک مجموعه کل در نظر گرفته می شود. جاسازی داده ها بر روی فریم های متوالی و با توجه به گوناگونی های محتویات صحنه اجرا می گردد. در این روش، با تشخیص فریم های هدف که حاوی تغییرات حرکتی و تغییرات رنگی بسیاری می باشند، فرآیند جاسازی داده ها بر روی هر پیکسل در این فریم ها اعمال می گردد. با وجود آنکه  سیستم دیداری انسان ها (HVS) قابلیت درک تغییر شکل ها بر روی پیکسل ها را ندارد، احتمال درک این مورد زیاد است چرا که فرآیند جاسازی اقدام به تصحیح یا تغییر هر پیکسل به صورت متوالی می نماید. این مورد همچنین به عنوان یک موقعیت نامطلوب برای فناوری های جاسازی داده به شمار می آید. هیستوگرام های فریم مبنا را همچنین می توان با استفاده از دو روش متمایز مشخص ساخت: هیستوگرام های مشابه فریم مبنا (FBSH) و هیستوگرام های نامشابه فریم مبنا (FBDH) . هر دوی این روش ها اقدام به بهره گیری از تغییرات رنگ و حرکت در فریم های متوالی می نمایند. روش های هیستوگرام مشابه و نامشابه در بخش ذیل تشریح می شوند.
۱-۱-۲٫ الگوریتم های هیستوگرام مشابه و نامشابه فریم مبنا
فلوچارت روش های FBDH و FBSH که در شکل ۷ ذیل ارائه شده است. هر دوی این روش ها تقریبا جهت اجرای توابع مورد نیاز مراحل یکسانی را می بایست دنبال نمایند. با این وجود، موثرترین روش از طریق ارتباط بین مقدار میانگین هیستوگرام یک فریم و پارامتر HCV مشخص می شود. در صورتی که HCV کمتر یا مساوی با مقدار میانگین هیستوگرام باشد، روش موثر FBDH خواهد بود، در غیر این صورت روش FBSH استفاده خواهد شد.
۲-۱-۲٫ الگوریتم های هیستوگرام مشابه و نامشابه بلوک مبنا
در شکل ۱۰، یک فلوچارت متعارف برای روش های BBDH و BBSH ارائه شده است. روش مخفی سازی / جاسازی داده ها مورد استفاده به وسیله مقایسه مقدار هیستوگرام بلوک ها و پارامتر HCV مشخص می شود.
۳- تکنیک کدگذاری مورد قبول
LSB (کم اهمیت ترین بیت) یکی از اولین تکنیک های کدگذاری کاربردی در برنامه های استگانوگرافی می باشد (Wang و همکاران، ۲۰۰۱، Noda و همکاران، ۲۰۰۴، Akar و Varol، ۲۰۰۴). این روش از تکنیک های جاسازی مکانی/ فضایی استفاده نموده و اقدام به جاسازی داده های سری در تصویر ویدیوی تحت پوشش می نماید که در آن پیکسل ها در معرض تغییرات جزئی می باشند. بنابراین، جلب توجه سیستم دیداری انسانها (HVS) به این تغییرات کوچک تقریبا غیر ممکن خواهد بود و از اینرو حملات متخاصم بالقوه نیز به حداقل خواهد رسید. با وجود آنکه این روش کدگذاری در بردارنده یک مکانیزم ساده در بسیاری از برنامه های کاربردی می باشد، چنین سیستم دارای برخی از موارد نقص نیز خواهد بود. به طور مثال، جهت بازیابی داده های مخفی از تصویر یا ویدیوی تحت پوشش، ساختار مرتبه بیت را می بایست برمبنای آنچه می باشد حفظ نمود. نویز، فیلترینگ، برش، تغییر شکل های مکانی/ فضایی رنگ و نمونه برداری مجدد جزء ضعیفترین حالات تکنیک LSB به شمار می آیند. به علاوه، این روش ممکن است تحت تاثیر الگوریتم های متراکم سازی ضعیف یا پر اتلاف قرار گیرد به گونه ای که قابلیت تضمین بازیافت داده های مخفی در برنامه هایی که در آن استریم های ویدیویی فشرده شده اند وجود نخواهد داشت.
 
۴- نتایج تجربی
در این بخش، نتایج تجربی حاصل آمده از استریم ویدیوی «Vipmen»  برای هر الگوریتم پیشنهادی ارائه می شوند. تعداد فریم ها ۲۸۳ مورد می باشد و اندازه هر فریم ۱۲۰×۱۶۰ است. برآورد پیک نسبت سیگنال به نویز (PSNR) جهت ارزیابی کیفیت ویدیوی مخفی شده استگو- ویدیو به عنوان یک برآورد آماری در طی آزمایشات مورد استفاده قرار گرفت (Mohamed، ۲۰۰۳). مقادیر PSNR محاسبه شده معرف کیفیت تقریبی بین یک تصویر بازیافتی و تصویر اصلی می باشد. ایده اصلی در این مکانیزم محاسبه مقداری است که بازتاب دهنده کیفیت تصویر بازیافتی باشد. تصاویر بازیافتی با مقادیر PSNR بیشتر به عنوان موارد بهتر ارزیابی می شوند. میانگین مربعات خطا (MSE) را می بایست همان گونه که در معادله (۳) ذکر شده است در ابتدا محاسبه نمود (Netravali و Haskell، ۱۹۹۵)، پس از آن می توان PSNR را با استفاده از معادله (۴) تعیین کرد (Rabbani و Jones،۱۹۹۱).
۱-۴٫  تحلیل عملکرد روش های هیستوگرام مشابه
در تحقیقات تجربی، فایل ویدیویی «vipmen.avi» در کل فرآیند سنجشی مورد استفاده واقع شده است. شکل ۱۷ نشان دهنده این مورد با استفاده از سه پارامتر می باشد: HCV (مقدار ثابت هیستوگرام)، اندازه ظرفیت داده های جاسازی، و تعداد بیت های خراب. پارامتر HCV، که به طور مستقیم بر روی سطح ادراک پذیری داده های مخفی در ویدیوی تحت پوشش تاثیرگذار است، به عنوان یک معیار ارزیابی برای SHM ها (روش های هیستوگرام مشابه) انتخاب شده است.
۲-۴٫ تحلیل عملکرد روش های هیستوگرام نامشابه
همان گونه که در شکل ۱۸ مشخص شده است، روش های هیستوگرام نامشابه فریم مبنا سبب ایجاد شیب های کاملا متمایزی بر روی نمودارها می شوند. در تضاد با مورد هیستوگرام های مشابه، روش های FBDH به هنگامی که مقدار HCV در حدود ۸ باشد اساسا افت خواهند داشت و این روش صرفا قابلیت حصول تقریبا ظرفیت ناچیزی از داده ها را به صورت مجازی و پس از آنکه مقدار HCV به ۱۵ رسید خواهد داشت. فریم های ویدیوی انتخابی برای پروسه های جاسازی داده ها به گونه ای هستند که با گستردگی گوناگونی معنی دار هیستوگرام تا مقدار HCV   ۸  بین فریم های متوالی روبرو می باشیم. به عبارت دیگر، داده های مخفی در آن دسته از فریم های رنگی دارای مناظر فشرده جاسازی می شوند. بر این مبنا می توان نسبت به توضیح یک افت قابل توجه پس از آنکه مقدار HCV به ۸ رسید، برمبنای مشکل تشخیص پیکسل های مناسب در فریم های متوالی، اقدام نمود. پیکسل های مشخص شده در این فریم ها که برای پروسه های جاسازی داده ها استفاده می شوند دارای دانسیته متمایز رنگ نیز می باشند. با این وجود، چنین رخدادی سبب افت قابل توجه در HDC شده و سطح ادراک پذیری پارامترهای داده های جاسازی شده مخفی را نیز کاهش می دهد.
۳-۴٫ تحلیل PSNR برای روش های هیستوگرام
ما برخی از روش های آماری را بر روی ویدیوی کاربردی «Vipmen» مدنظر قرار داده و رویکردهای پیشنهادی خود را اعمال داشته و نتایج PSNR را به دست آوردیم تا آنکه قابلیت مقایسه آنها از نتایج حاصله از مطالعات اخیر بوجود آید. پس از یک فرآیند فشرده سازی توام با موفقیت برای داده های پر اتلاف تصویری یا ویدیویی، مقادیر PSNR بین dB۳۰ و dB۵۰  را می توان به عنوان مقادیر قابل پذیرش مد نظر قرار داد (Netravali و Haskell، ۱۹۹۵، Rabbani و Jones، ۱۹۹۱).
 
۵- نتایج پیاده سازی تکنیک کدگذاری
تعداد پیکسل های خراب که خود ناشی از پروسه های جاسازی داده های مخفی می باشند یکی از معیارهای کاملا حیاتی عملکرد در تحقیق جاری به شمار می آید. این مورد با استفاده از تکنیک های کدگذاری مختلف با توجه به روش های جاسازی مخفی اطلاعات پیشنهادی مورد آزمایش قرار گرفته است و نتایج که در طی رویه های تجربی حاصل آمده اند در جدول ۲ نشان داده شده اند. ما نسبت به بکارگیری استریم پوشش- ویدیویی یکسان به عنوان یک فایل اصلی استفاده نمودیم تا آنکه قابلیت نمایش عملکرد از طریق تمرکز بر روی ناهمخوانی هر تکنیک کدگذاری وجود داشته باشد. به علاوه، ما اندازه های مجزای نمونه های داده مخفی برای هر وهله کدگذاری را بکار گرفته تا آنکه به نتایج این آزمایش دست یابیم. برحسب جدول ۲، کدگذاری RGB و R تقریبا دارای پیکسل های خراب کمتری به میزان ۵/۲ برابر در مقایسه با کدگذاری LSB متعارف می باشد.
روش کدگذاری LSB تاکنون پیکسل های خراب بیشتری را در مقایسه با روش های کدگذاری RGB و R سبب شده است، که خود موجب ایجاد یک خط همپوشانی از طریق ارائه تعداد مساوی پیکسل های خراب می گردد. با این وجود، میزان سطح اعوجاج روش های کدگذاری RGB و R یکسان نمی باشد چرا که فرآیند کدگذاری صرفا شامل دو بیت اولی ترکیب R در روش کدگذاری R می باشد. بنابراین، ناهمخوانی بین کدگذاری RGB و R به وسیله چشم حساس و کاملا هوشیار انسان قابل مشاهده است و این مورد صرفا مرتبط با پارامترهای ادراک پذیری خواهد بود.
۶- نتیجه گیری
در این مقاله، ما دو الگوریتم جاسازی داده های مخفی جدید بر مبنای بکارگیری برخی از خواص هیستوگرام استریم های ویدیویی دیجیتال خام را ارائه نموده ایم. در الگوریتم های پیشنهادی، سیستم دیداری انسانی مد نظر می باشد، که خود سبب می شود تا این مطالعه در چنین مبحثی متمایز گردد. فایل های اطلاعاتی مخفی که در پروسه های جاسازی داده ها به کار گرفته شده اند ممکن است دارای چندین فرمت متمایز همانند ‘rar’ باشند. بعلاوه، فایل های «‘rar’، ‘mp3’، ‘doc’، ‘htm’، ‘pdf’، ‘xls’»  قابلیت فراهم آوردن یک روش متراکم سازی قدرتمند را نیز خواهند داشت که خود تا میزانی سبب پشتیبانی از تکنیک های رمز نگاری و پنهان سازی قدرتمند خواهد شد.
مهمترین تفاوت بین الگوریتم های مخفی سازی اطلاعات مشابه و نامشابه پیشنهادی نرخ هیستوگرامی می باشد که از هر فریم ویدیویی حاصل می گردد. این مطالعه متعاقبا از طریق بکارگیری دو رویکرد اضافه که تحت عناوین رویکردهای فریم مبنا و بلوک مبنا خوانده می شوند از غنای بیشتری برخوردار گردیده تا آنکه قابلیت مشاهده برخی از تاثیرات مرتبط برای پارامترهای حیاتی همانند HDC، تعداد بیت های خراب، وجود داشته باشد. روش جاسازی مخفی داده ها به صورت مطلوب از طریق کاربرد یک پارامتر HCV قابل پیکربندی به وسیله کاربر جهت برنامه های کاربردی هدف مشخص شده است. بنابراین می توان این نتیجه را حاصل آورد که رویکردهای بلوک مبنا نتایج بهتری را در مقایسه با رویکردهای فریم مبنا در روش های هیستوگرام نامشابه  حاصل می آورند. اما روش های فریم مبنا دارای تفوق بیشتری در مقایسه با روش های بلوک مبنا در رویکردهای هیستوگرام مشابه هستند.

الگوریتم نهان نگاری هیستوگرام رنگی داده های فریم خام ویدیویی

 

دیدگاهتان را بنویسید

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

لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
تماس با ما

اکنون آفلاین هستیم، اما امکان ارسال ایمیل وجود دارد.

به سیستم پشتیبانی سایت ایران ترجمه خوش آمدید.