نهان کاوی تصویر با استفاده از پنجره‌گذاری ضرایب فرکانس بالای تبدیل موجک

نویسندگان

1 کارشناس ارشد مخابرات

2 دانشگاه جامع امام حسین (ع)

چکیده

نهان­کاوی یکی از موضوعات چالش برانگیز و جذاب برای پژوهشگران در زمینه توسعه روش­های نهان­نگاری است. نهان­کاوی روشی است برای تشخیص اطلاعات پنهان شده در نهانه که توسط الگوریتم­های نهان­نگاری ایجاد شده است. انواع مختلفی از روش­های استخراج ویژگی برای نهان‌کاوی ارائه شده است که هر کدام از آن­ها دارای مزایای مربوط به خود می­باشند. ساخت مجموعه­ای از ویژگی­های مختلف می­تواند عملکرد نهان­کاو را بهبود بخشد. بیشتر الگوریتم‌های نهان­کاوی مدرن یک دسته­بندی کننده را بر اساس بردارهای ویژگی، آموزش می­دهند. یکی از محبوب­ترین و دقیق­ترین دسته­بندی کننده­ها، ماشین بردار پشتیبان است. در این مقاله بر اساس تجربیات و مطالعه روش­های مختلف نهان‌کاوی، یک روش نهان­کاوی کارآمد با استفاده از پنجره­­گذاری روی ضرایب فرکانس بالای تبدیل موجک پیشنهاد شده است. در روش پیشنهادی، تصمیم نهایی روی کل تصویر به کمک روش رأی­گیری اکثریت با استفاده از استخراج ویژگی­های مناسب هر پنجره اعلام شده است. نتایج عملی و شبیه‌سازی نشان می‌دهد که روش پیشنهادی برای کشف وجود پیام در تصاویر به ویژه در نرخ‌های جاسازی پایین در مقایسه با روش‌های نهان‌کاوی موجود دقت بیشتری تا حدود 99 درصد دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Image steganalysis using by high frequency Coefficients of Wavelet Windowing

نویسنده [English]

  • sobhan mousavi 1
1
2
چکیده [English]

Steganalysis is one of the challenging and attractive subjects for the scientists interested in the development of steganography methods. Steganalysis is the procedure to detect the hidden information from the stego created by known steganography algorithms. Different kinds of extraction methods have been proposed for steganalysis, each have their own advantages when attacking different kinds of steganography methods. Making a combination of different feature sets will improve the performance of the steganalysis system. Most modern steganalysis algorithms train a supervised classifier on the feature vectors. One of the most popular and most accurate classifier is support vector machine (svm). In this paper, based on experiences and study different ways, an efficient steganalysis method using windowing on high-frequency coefficients of wavelet transform is proposed. In the proposed method, the final decision on the entire images is announced by majority voting technique using extracted convenient features of each window. Experimental and simulation results show that the proposed method for the detection message embedded in images, especially in low rates compared to existing steganalysis methods has more carefully hidden by about 99 percent.

کلیدواژه‌ها [English]

  • Wavelet Transform
  • Windowing
  • Cover
  • Classifier
  • Steganalysis
  • Stego Image