نهان نگاري مقاوم تصاوير ديجيتال به كمك تبديل گراف‌محور و الگوريتم ژنتيك

Robust Digital image watermarking method using Graph-based transform(GBT) and Genetic Algorithm

به منظور نهان‌نگاري اطلاعات در تصاوير ديجيتال و همچنين مقاوم‌سازي آنها روش‌هاي متعددي تاكنون معرفي شده است. در اين روش از تبديل گراف محور استفاده شده است و به كمك الگوريتم ژنتيك بهترين ساختار گراف استخراج مي‌شود به طوري كه نهان‌نگاري با بيشترين مقاومت در برابر حملات انجام شود. يكي از روش‌هاي مرسوم در مقاوم‌سازي نهان‌نگاري استفاده از تبديل كسينوسي گسسته است. در اين تحقيق نشان داده‌ايم كه روش پيشنهادي بسيار قدرتمندتر از تبديل كسينوسي گسسته است براي آزمايش روش پيشنهادي از تصاوير معروف ‌لنا، ‌باربارا، بابون، قايق و فلفل استفاده شده است و نتايج حاصل از شبيه سازي هر دو تبديل به خوبي نشان مي‌دهند كه روش پيشنهادي مقاومت بيشتري نسبت به روش‌هاي مشابه مانند روش‌هاي مبتني بر تبديل كسينوسي گسسته دارد. در اين شبيه سازي تصوير نهان نگار يك لوگوي تصادفي با ابعاد 8×8 و 16×16 است. نهان‌نگاري به كمك معيارهاي نرخ خطاي بيت، معيار اندازه‌گيري شباهت ساختاري و نسبت دامنه سيگنال به نويز و حملات نويز گاوسي با شدت‌هاي مختلف، فشرده سازي، فيلترميانه، تاري، تغيير اندازه، چرخش و برش مورد ارزيابي قرار گرفته است.

Numerous methods have been introduced for digital images atermarking as well as rubosting them. In this method, with using Graph-based transform and extracts the best graph structure with genetic algorithm so that watermarking can be performed with maximum robustness. One of the common methods in watermarking robustness is the use of discrete cosine transform (DCT). In this study, we have shown that the proposed method is much more powerful than DCT. The proposed method is tested on five different color images such as Lena, Barbara, Boat, Baboon, Peppers. Watermark image (logo) is a random binary image with size 16 x 16 and 8 x 8 pixels. This simulation results show that the proposed method is more robust to similar methods such as discrete cosine transforms. Proposing Watermarking has been evaluated using Bit Error Rate (BER), Structural Similarity Index Measuring (SSIM) and Peak signal-to-noise ratio (PSNR) criteria and different strength Gaussian noise attacks, JPEG compression, median filter, bluring, rescaling, rotate and cropping attacks