پنهان نگاری اطلاعات در صوت به کمک کمی سازی برداری مشبکه ای (A(4
- سال انتشار: 1397
- محل انتشار: سومین کنفرانس بین المللی مهندسی برق
- کد COI اختصاصی: ICELE03_024
- زبان مقاله: فارسی
- تعداد مشاهده: 518
نویسندگان
دانشگاه آزاد اسلامی، واحد گرمسار، ایران
استادیارگروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه خاتم، تهران، ایران
چکیده
امروزه بر تعداد کسانی که از محصولات multimedia دیجیتال نظیر موسیقی، تصویر و ویدیو، استفاده می کنند، افزودهشده است. از این رو، نیاز به نگهداری حقوق پدیدآورندگان این مح صولات، نسبت به گذ شته، امری ضروری به نظر میرسد. پنهان نگاری، فرآیند پنهان کردن امن اطلاعات در یی میزبان می باشد، به اوری که هیچ تغییر قابل ادراکی درکیفیت میزبان ایجاد ننماید. فایل های موسیقی به خاطر گستردگی فراوان در اینترنت، سیگنال پوشش بسیار مناسبیبرای سایر سینگنال های multimedia هستند. به طور کلی سیگنال صحبت را در دو حوزه زمان و فرکانس نمایش می دهند. در این پژوهش قصد داریم یک سیستم پنهان نگاری صوتی با ظرفیت بالا را ارایه دهیم تا به وسیله ی آن بتوانیم باتاییر اندازه ی طیف الگوریتم FFT (تبدیل فوریه سریع)، به درج و استخراج دقیق داده یا و آن هم به شکلی بیت به بیت بپردازیم. ایده ی کلیدی ارایه یک الگوریتم کمی سازی برداری مشبکه ای است که مقادیر پارامتریایی همچون ظرفیتشفافیت و مقاومت را بهبود ببخشد. درانتها نتایج عملکرد الگوریتم پیشنهادی با چندین روش پنهان نگاری در این حیطهبر اساس پارامترهای ارزیابی کارایی نسبت سیگنال به نویز signal to noise ratio و درجه تفاوت آبجکتیو Objective Difference Grade مقایسه می نماییم. طرح پیشنهادی ما از 23 بیت تا 20 کیلوبیت ظرفیت پنهان سازی اطلاعات را دارد که در مقایسه با دیگر الگوریتم ها که از 683 تا 3 کیلوبیت ظرفیت دارند، گستره بزرگتری را شامل می شود. همچنین مقدار نسبت توان سیگنال به نویز نسبت سیگنال به نویز بین 24 دسیبل تا 65 دسیبل می باشد. مقدار درجه تفاوت آبجکتیو نیز از 3.85- تا 0.07- می باشد. که در مقایسه با الگوریتم های مشابه عملکرد بهتری دارد.کلیدواژه ها
پنهان نگاری، الگوریتم برگشت پذیر، کمی سازی مشبکه ای برداری، پردازش صوتمقالات مرتبط جدید
- تحلیل مقایسه ای معیارهای ارزیابی نظریه ذهن: پل زدن بین شناخت انسانی و مصنوعی
- تولید محتوا با قدرت هوش مصنوعی: تحول بازاریابی دیجیتال
- دوخت تصاویر تهیه شده توسط پهپاد با استفاده از یادگیری عمیق بدون نظارت
- Stitching of drone images using unsupervised deep learning
- بررسی کاربردهایی از منطق فازی در حل مسائل مهندسی عمران
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.