الگوریتم واترمارکینگ خودکار جدید مبتنی بر منطق فازی و بهینه سازی شاهین هریس
محورهای موضوعی : پردازش تصویر و ویدئو
مهدی فلاح کاظمی
1
,
آرش احمدپور
2
,
نادیا پورمهدی
3
1 - استاد گروه برق، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لاهیجان ، لاهیجان ، ایران
2 - استاد گروه برق، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لاهیجان ، لاهیجان ، ایران
3 - کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لاهیجان ، لاهیجان ، ایران
کلید واژه: واترمارکینگ, استلزام فازی, تجزیه بانک فیلتر هرمی-جهت‌دار, بهینه سازی شاهین هریس,
چکیده مقاله :
این مقاله یک روش واترمارکینگ جدید برای بهبود استحکام و شفافیت تصاویر استخراج‌شده و میزبان ارائه می‌کند. فرآیند تعبیه بر اساس تجزیه بانک فیلتر جهت‌دار هرمی و ماتریس مثلثی است و فرآیند استخراج واترمارک، بر اساس منطق فازی ممدانی است. در این طرح، به منظور دستیابی به استحکام و شفافیت کارآمد، از الگوریتم بهینه‌سازی شاهین هریس برای یافتن بهترین مقدار ضریب تعبیه استفاده شده است. در الگوریتم تعبیه، از تجزیه بانک فیلتر جهت‌دار هرمی استفاده شده است و سپس زیر باندهای تقریبی به بلوکهای 8*8 غیر همپوشان تقسیم می‌شوند. با اعمال تجزیه ماتریس مثلثی به بلوکهای ناهمپوشان، بیت‌های نشانه در درایه ماتریس درج می‌شود و از طرف دیگر از استلزام ممدانی و موتور استنتاج ضرب برای استخراج نشانه استفاده شده است که منجر به استخراج واترمارک کارآمد شده است. نتایج نشان می‌دهد که کیفیت تصویر واترمارک شده برابر با dB6/60 است. در ضمن، الگوریتم پیشنهاد شده در برابر حملات مقاوم است.
This paper presents a new watermarking method to improve the robustness and transparency of extracted and host images. The embedding process is based on decomposing of pyramidal directional filter bank and triangular matrix, while the watermark extraction process is based on Mamdani fuzzy logic. In this design, in order to obtain efficient robustness and transparency, the Harris hawks optimization algorithm is used to find the best value of embedding factor. For this purpose, in the embedding algorithm, pyramid directional filter bank decomposition is utilized and accordingly the approximation sub-bands are divided into 8*8 non-overlapping blocks. Moreover, by decomposing the triangular matrix, which embeds the watermark bits in the matrix element, the use of Mamdani implication and the product inference engine have led to an efficient watermark extraction. The simulation results show that the quality of the watermarked image is equal to 60.6dB. Furethermore, applying the proposed algorithm is strong against attacks.
[1] Z. Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli, “Image Quality Assessment: From Error Visibility to Structural Similarity,” IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600–612, Apr. 2004, doi: 10.1109/tip.2003.819861.
[2] A. A. Heidari, S. Mirjalili, H. Faris, I. Aljarah, M. Mafarja and H. Chen, “Harris hawks optimization: Algorithm and applications,” Future Generation Computer Systems, vol. 97, pp. 849–872, Aug. 2019, doi: 10.1016/j.future.2019.02.028.
[3] Q. Su and B. Chen, “Robust color image watermarking technique in the spatial domain,” Soft Computing, vol. 22, no. 1, pp. 91–106, Jan. 2017, doi: 10.1007/s00500-017-2489-7.
[4] J. Abraham and V. Paul, “An imperceptible spatial domain color image watermarking scheme,” Journal of King Saud University - Computer and Information Sciences, vol. 31, no. 1, pp. 125–133, Jan. 2019, doi: 10.1016/j.jksuci.2016.12.004.
[5] X. Zhang, Q. Su, Z. Yuan and D. Liu, “An efficient blind color image watermarking algorithm in spatial domain combining discrete Fourier transform,” Optik, vol. 219, p. 165272, Oct. 2020, doi: 10.1016/j.ijleo.2020.165272.
[6] M. F. Kazemi and A. H. Mazinan, “Neural network based CT-Canny edge detector considering watermarking framework,” Evolving Systems, vol. 13, no. 1, pp. 145–157, Mar. 2021, doi: 10.1007/s12530-021-09369-2.
[7] M. F. Kazemi, M. A. Pourmina and A. H. Mazinan, “Novel Neural Network Based CT-NSCT Watermarking Framework Based upon Kurtosis Coefficients,” Sensing and Imaging, vol. 21, no. 1, Dec. 2019, doi: 10.1007/s11220-019-0270-y.
[8] M. F. Kazemi, M. A. Pourmina and A. H. Mazinan, “Analysis of watermarking framework for color image through a neural network-based approach,” Complex & Intelligent Systems, vol. 6, no. 1, pp. 213–220, Jan. 2020, doi: 10.1007/s40747-020-00129-4.
[9] H. M. Al-Otum, “Secure and robust host-adapted color image watermarking using inter-layered wavelet-packets,” Journal of Visual Communication and Image Representation, vol. 66, p. 102726, Jan. 2020, doi: 10.1016/j.jvcir.2019.102726.
[10] R. Thanki, A. Kothari and D. Trivedi, “Hybrid and blind watermarking scheme in DCuT – RDWT domain,” Journal of Information Security and Applications, vol. 46, pp. 231–249, Jun. 2019, doi: 10.1016/j.jisa.2019.03.017.
[11] A. M. Abdelhakim, M. H. Saad, M. Sayed and H. I. Saleh, “Optimized SVD-based robust watermarking in the fractional Fourier domain,” Multimedia Tools and Applications, vol. 77, no. 21, pp. 27895–27917, Apr. 2018, doi: 10.1007/s11042-018-6014-5.
[12] F. Ernawan and M. N. Kabir, “A block-based RDWT-SVD image watermarking method using human visual system characteristics,” The Visual Computer, vol. 36, no. 1, pp. 19–37, Jun. 2018, doi: 10.1007/s00371-018-1567-x.
[13] N. M. Makbol and B. E. Khoo, “Robust blind image watermarking scheme based on Redundant Discrete Wavelet Transform and Singular Value Decomposition,” AEU - International Journal of Electronics and Communications, vol. 67, no. 2, pp. 102–112, Feb. 2013, doi: 10.1016/j.aeue.2012.06.008.
[14] M. N. Do and M. Vetterli, “The contourlet transform: an efficient directional multiresolution image representation,” IEEE Transactions on Image Processing, vol. 14, no. 12, pp. 2091–2106, Dec. 2005, doi: 10.1109/tip.2005.859376.
