ارائه مدل جدید نهان کاوی هوشمند تصویر مبتنی بر شبکه عصبی MLP
محل انتشار: مجله پدافند غیر عامل، دوره: 14، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 136
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SAPD-14-4_003
تاریخ نمایه سازی: 22 بهمن 1402
چکیده مقاله:
پیشرفت روزافزون مخابرات، انتقال امن را به یکی از مهم ترین مسائل امروزه تبدیل کرده است. از آنجا که در تصویر ظرفیت پنهان شدن بالایی وجود دارد استفاده از پنهاننگاری تصویر نسبت به سایر روشهای پنهاننگاری بسیار مرسومتر است. در این مقاله از روش پنهاننگاری به روش تبدیل موجک استفاده شده که نتایج نشان میدهد این روش از مقاومت بالایی بهره میبرد. و برای تحلیل تصاویر پنهان شده به روش تبدیل موجک الگوریتمی با استفاده از ویژگی های ماتریس (GLCM)و بردارهای هم رخدادی (DCL) ارائه شده است. پس از بررسی این مقادیر در تصاویر اصلی و کاور، ویژگی های متفاوت بین این تصاویر استخراج و برای آموزش شبکه عصبی چندلایه (MLP) استفاده می شوند. مرحله طبقه بندی با استفاده از لایه های این شبکه عصبی انجام شده و الگوریتم پیشنهادی برای پایگاه داده ۲۰۰ تصویر استاندارد (Casia-Iris) تست شده است. دقت آشکارسازی %۹۰ تصاویر پنهان شده در روش پیشنهادی برتری این روش نهانکاوی در برابر سایر روشها را نشان میدهد.
کلیدواژه ها:
نویسندگان
سعید طلعتی
دانشجوی دکتری دانشگاه علوم و فنون هوایی شهید ستاری، تهران، ایران
رضا اصفهانی
استادیار گروه مخابرات دانشگاه جامع امام حسین(ع)، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :