СТІЙКІСТЬ ОПТИЧНИХ МАРКЕРІВ НА ЗОБРАЖЕННЯХ ЗА УМОВИ ЗОВНІШНІХ ЗАВАД

Ihor Polovynko, N. Lipkovskyi

Анотація


В даній роботі розглянуто вплив просторових змін та наведених шумів на властивості оптичних маркерів, нанесених на зображення. Написані на мовах C# та Python програми, дозволили наносити на зображення оптичні маркери просторовим, частотним та частотно-вейвлетним методами, змінювати положення маркованих зображень та наносити на них шуми різної інтенсивності із наступним зчитуванням маркерів.

Встановлено, що найпростіший і найдоступніший метод просторового нанесення, у якому маркер видимий на зображенні, є одночасно найбільш надійним у випадку різноманітних деформацій та пошкоджень маркованого зображення. Цей метод може ефективно використовуватись у випаду захисту відеопродукції, де важливий сам факт віднесення його до тої чи іншої торгової марки або власника.

Проаналізовано стійність частотного методу, який дозволяє зробити маркер невидимим. Цей метод, як і попередній, є стійким до деформацій зображення, однак навіть найпростіший шум, яким є гаусівський, здатний погіршити якість відтворення. Причому із збільшенням інтенсивності шуму, нанесеного на початкове зображення, якість відтвореного маркера погіршується. Показано, що частотний метод маркування може використовуватись у системах передачі інформації, у яких рівень шумів не перевищує 3дБ.

Досліджено стійкість частотно-вейвлетного методу , який ґрунтується на використанні різних типів перетворення початкового зображення і зображення маркеру. Цей метод є найбільш надійним у плані захисту відеоінформації, оскільки перед об’єднанням, зображення оптичного маркеру перетворювалось за допомогою дискретного косинусного , а дані оригінального зображення – вейвлетного перетворень. Він виявився досить стійким до поворотів зображень. Однак при появі гаусівського шуму навіть незначній інтенсивності (0,8 дБ), спостерігається зникнення маркеру. Незважаючи на необхідність використовувати у цьому методі ліній зв’язку із низьким шумом, його можна рекомендувати завдяки ряду переваг, до яких відноситься висока надійність захисту, можливість опрацювання динамічних об’єктів а також можливість відтворення маркеру без оригінального зображення.

Ключові слова: оптичні маркери (цифрові підписи, водяні знаки), швидке перетворення Фур’є, нанесення оптичних маркерів (просторовий, частотний та частотно-вейвлетний методи), стеганографія, C# , Python.


Повний текст:

PDF

Посилання


  1. Коханович Г.Ф., Пузиренко Ф.Ю. Комп’ютерна стеганографія. Теорія і практика –Київ: Київ-Прес, 2006.–288 с.
  2. R.C. Gonzalez, E.R. Woods. Digital Image Processing. Second Edition.– Prentice Hall Upper Saddle River, P. 797, 2017.
  3. Наконечний А. Й., Наконечний Р. А., Павлиш В. А. Цифрова обробка сигналів. Навчальний посібник. – Львів: Видавництво Львівської політехніки, 2010. – 368 с.
  4. В. Бондарев, Г. Трэстер, В. Чернега. Цифровая обработка сигналов: методы и средства. Учебное пособие для вузов. Севастополь, СевГТУ, 1999. – 398с.
  5. Ihor Polovynko. Digital signature creation by using descrete cosine and wavelet transformations // Electronics and Information Technology. 2018 – Is.10. – P. 86-98.
  6. Ihor Polovynko. Marcing of the Color Imagies by Using Wavelet Transformations, Electronics and Information Technology – 2021 – Is.15. – P. 59-66 .
  7. Young-Chang Hou, Pei-Hsiu Huang. Image protection based on visual cryptography and statistical property // Statistical Signal Processing Workshop (SSP), 2011 IEEE, pp. 481-484, 2011.
  8. Victor Hernandez-Guzman, Clara Cruz-Ramos, Mariko Nakano-Miyatake, Hector Perez-Meana. Watermarking Algorithm based on the DWT // Latin America Transactions IEEE (Revista IEEE America Latina), vol. 4, no. 4, pp. 257-267, 2006.
  9. F. Perez-Gonzalez, F. Balado, J.R.H. Martin. Performance analysis of existing and new methods for data hiding with known-host information in additive channels // Signal Processing IEEE Transactions on, vol. 51, no. 4, pp. 960-980, 2003.
  10. I. Daubechies. Ten lectures on wavelets. University of Lowell Philadelphia. Society of Industrial and Applied Mathematics (SIAM) (1992.)
  11. S. Mallat. A theory of multiresolution signal decomposition; wavlet representation // IEEE TransPatter. Anal.Machine Intell.June 1989.–Vol.11.–P.674-693.
  12. Слово і Діло https://media.slovoidilo.ua/media/publications/5/40641/40641-1_large.jpg
  13. Wallpaper Flare https://www.wallpaperflare.com/static/621/686/491/fate-series minimalism-black-background-red-wallpaper-preview.jpg
  14. R.O. Duda, P.E. Hart, D.G. Stork. Pattern Classification, (2nd ed.). John Wiley&Sons, NY., 2001
  15. Гутников В.С. Фильтрация измерительных сигналов. – Л.: Энергоатомиздат, 1990. - 192 с.




DOI: http://dx.doi.org/10.30970/eli.19.3

Посилання

  • Поки немає зовнішніх посилань.