intTypePromotion=3

Phương pháp nhúng thủy vân thích nghi sử dụng kỹ thuật Total Variation

Chia sẻ: ViVatican2711 ViVatican2711 | Ngày: | Loại File: PDF | Số trang:9

0
4
lượt xem
0
download

Phương pháp nhúng thủy vân thích nghi sử dụng kỹ thuật Total Variation

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết này đề xuất phương pháp nhúng thủy vân dựa trên giá trị ngưỡng cảm nhận sự khác biệt (Just Noticeable Difference - JND) mức xám của hệ thống thị giác. Quá trình nhúng dữ liệu sẽ được thực hiện thích nghi với tính chất của vùng ảnh, sao cho mức độ thay đổi của các điểm ảnh sau khi nhúng luôn thấp hơn ngưỡng cảm nhận.

Chủ đề:
Lưu

Nội dung Text: Phương pháp nhúng thủy vân thích nghi sử dụng kỹ thuật Total Variation

  1. TRƯỜNG ĐẠI HỌC SÀI GÒN SAIGON UNIVERSITY TẠP CHÍ KHOA HỌC SCIENTIFIC JOURNAL ĐẠI HỌC SÀI GÒN OF SAIGON UNIVERSITY Số 61 (01/2019) No. 61 (01/2019) Email: tcdhsg@sgu.edu.vn ; Website: https://tapchikhoahoc.sgu.edu.vn PHƯƠNG PHÁP NHÚNG THỦY VÂN THÍCH NGHI SỬ DỤNG KỸ THUẬT TOTAL VARIATION An adaptive watermarking method based on Total Variation technique TS. Nguyễn Thanh Bình(1), ThS. Nguyễn Nhật Tiến(2) Học viện Công nghệ Bưu chính Viễn thông (1) (2)TrườngĐại học Sài Gòn Tóm tắt Hiện nay, việc sao chép bất hợp pháp các sản phẩm đa phương tiện diễn ra khá phổ biến. Do đó, công nghệ bảo vệ bản quyền và xác thực quyền sở hữu trí tuệ đang được quan tâm đặc biệt và cũng là mục tiêu nghiên cứu của nhiều tổ chức khoa học. Một trong những kỹ thuật tiên tiến cho phép thực hiện nhúng thông tin bản quyền vào dữ liệu đa phương tiện lưu dưới dạng số là kỹ thuật thủy vân. Kỹ thuật này cho phép nhúng thông tin dấu thủy vân vào các tín hiệu âm thanh, hình ảnh, vide, v.v., mà không ảnh hưởng đến chất lượng và đảm bảo độ bền vững cao của tín hiệu trong trường hợp nó chịu ảnh hưởng của các tác động bên ngoài. Bài viết này đề xuất phương pháp nhúng thủy vân dựa trên giá trị ngưỡng cảm nhận sự khác biệt (Just Noticeable Difference - JND) mức xám của hệ thống thị giác. Quá trình nhúng dữ liệu sẽ được thực hiện thích nghi với tính chất của vùng ảnh, sao cho mức độ thay đổi của các điểm ảnh sau khi nhúng luôn thấp hơn ngưỡng cảm nhận. Khi đó, mức độ "trong suốt" của phương pháp nhúng thủy vân sẽ được cải thiện. Trong phương pháp được đề xuất, chúng tôi sử dụng kỹ thuật Total Variation để phân tích ảnh và từ đó áp dụng các kỹ thuật nhúng phù hợp nhằm giảm thiểu mức độ biến dạng của ảnh sau khi nhúng. Kết quả mô phỏng cho thấy phương pháp này cho phép cải thiện độ trong suốt so với các phương pháp nhúng truyền thống khác. Từ khóa: an toàn dữ liệu, hệ thống thông tin, kỹ thuật thủy vân số, Total Variation. Abstract Currently, illegal copying of multimedia products is quite common. Therefore, technology to protect copyright and authenticate intellectual property rights are of particular interest and is also the research goal of many scientific organizations. One of the advanced techniques that allow embedding copyright information into multimedia data saved in digital form is the watermark technique. Watermark technology embeds transparency information into audio, image, videowithout affecting the quality of the signal as well as ensuring high reliability in case of signal resistance effects of external impacts. In this paper, we propose a watermark method based on the perceived difference threshold, namely Just Noticeable Difference (JND), gray level of the vision system. The data embedding process will be adapted to the properties of the image area based on the changes of the embedded pixels that are always below the sensible threshold. Therefore, the "transparent" level of the watermarking method will be improved. By the embedding watermark method proposed, we will use the Total Variation technique to analyze images and thereby apply appropriate embedding techniques to reduce the deformation of the image after being embedded. The simulation results show that the proposed embedding watermark method allows to improving transparency compared to other traditional embedding methods. Keywords: data safety, information system, hydrographic techniques number, Total Variation. Email: thanhbinh68@gmail.com 15
  2. SCIENTIFIC JOURNAL OF SAIGON UNIVERSITY No. 61 (01/2019) 1. Giới thiệu chung cảm nhận sự khác biệt JND khác nhau Các kỹ thuật nhúng thủy vân số được nhằm hướng tới làm tăng độ trong suốt của coi là một giải pháp có hiệu quả nhằm ngăn dấu thủy vân trong ảnh [8,12]. Trong [1] đề chặn nạn sao chép lậu dữ liệu số đang rất xuất phương pháp nhúng thủy vân với phổ biến hiện nay. Các yếu tố quan trọng model JND bao gồm ba ngưỡng cảm nhận nhất cần cân nhắc khi lựa chọn phương theo tần số, độ chói và độ tương phản. pháp dùng các kỹ thuật này là mức độ biến Model JND trong trường hợp này được dạng của hình ảnh sau khi nhúng (độ trong trích xuất từ không gian biến đổi DWT. Để suốt) và tính bền vững của dấu thủy vân tăng cường chất lượng nhúng thủy vân, tác khi ảnh nhúng bị thay đổi bởi các tác động giả bài báo [3] đề xuất phương pháp nhúng bên ngoài. thích nghi theo hướng biên của các chi tiết Có nhiều phương pháp nhúng thủy vân trong vùng ảnh. Trong nhiều phương pháp đã được nghiên cứu và công bố. Thông tin nhúng thủy vân thích nghi, hướng biên hay thủy vân có thể được nhúng trực tiếp trong các tính chất đặc biệt khác của vùng ảnh không gian ảnh hoặc nhúng vào các miền thường được dùng để điều khiển quá trình biến đổi. Cách nhúng trong không gian ảnh nhúng. Hướng biên của vùng ảnh có thể tiêu biểu là phương pháp nhúng trực tiếp được xác định khá chính xác dựa trên kỹ giá trị bít dấu thủy vân vào bít có trọng số thuật Total Variation [5,7,9,11]. Các nhỏ nhất trong từ mã độ chói của các điểm phương pháp nhúng thủy vân dựa trên cảm ảnh (phương pháp Least Significant Bit – nhận chủ quan của người quan sát kết hợp LSB) [2]. Các phương pháp nhúng trong với việc nhúng thích nghi theo tính chất không gian ảnh có ưu điểm là thực hiện của ảnh, hứa hẹn cải thiện đáng kể độ trong đơn giản, độ trong suốt cao, nhưng không suốt cũng như mức độ bền vững của dấu bền vững trước tác động của nhiễu và các thủy vân trong ảnh. phép biến đổi hình ảnh (như thay đổi độ 2. Kiến thức cơ sở chói, độ tương phản, nén ảnh, chuyển đổi Trong phần này, chúng tôi trình bày định dạng v.v.) [4]. Các phương pháp thủy hai khái niệm cơ bản sẽ sử dụng trong vân sử dụng biến đổi DCT (Discrete phương pháp nhúng thủy vân được đề xuất, Cosine Transform) thường nhúng thông tin đó là ngưỡng cảm nhận sự khác biệt (JND) dấu thủy vân bằng cách thay đổi các hệ số theo mức xám và kỹ thuật phân tích Total DCT tại miền tần số trung bình, để đảm Variation. bảo mức trong suốt đồng thời duy trì tính 2.1. Ngưỡng cảm nhận sự khác biệt bền vững cho thông tin được nhúng dựa trên mức xám [4,6,10]. Tác giả bài báo [10] đề xuất Ngưỡng cảm nhận sự khác biệt mức phương pháp nhúng thủy vân trong miền xám là mức chênh lệch nhỏ nhất về độ chói tần số vào các khối ảnh có kích thước khác giữa một điểm ảnh và mức chói nền mà nhau, để tăng độ bền vững của tác động mắt người có thể cảm nhận được [12]. Giá thay đổi kích thước ảnh. Nhiều nghiên cứu trị JND thay đổi tùy thuộc vào mức xám đề xuất phương pháp nhúng thủy vân dựa của vùng ảnh nền theo quy luật mô tả trên trên khả năng cảm nhận hình ảnh của hình 1. Đường cong trong Hình 1 có thể người quan sát với các mô hình có ngưỡng được xấp xỉ bằng 3 đoạn thẳng theo công 16
  3. NGUYỄN THANH BÌNH - NGUYỄN NHẬT TIẾN TẠP CHÍ KHOA HỌC ĐẠI HỌC SÀI GÒN thức (1). biên, chuyển đổi định dạng ảnh raster – vector, nhúng thủy vân v.v… [11]. Trong bài báo này, dựa trên ảnh cấu trúc SI, chúng tôi xác định vùng ảnh "mịn" (có sự thay đổi mức xám nhỏ) để nhúng dữ liệu thủy vân sao cho mức độ biến động mức xám của vùng ảnh gốc và vùng ảnh sau khi nhúng nhỏ hơn giá trị JND được tính theo công thức (1). Ở trường hợp này, người quan sát sẽ hầu như không cảm nhận được sự khác biệt giữa ảnh gốc và ảnh đã nhúng dữ liệu, do đó tính trong suốt của phương pháp nhúng sẽ được cải thiện. Hình 1. Quan hệ JND và giá trị mức Chúng tôi sử dụng thuật toán được xám nền. công bố trong [11] để trích xuất ảnh SI từ  1 ảnh gốc. Trong [11], tác giả đã sử dụng mô  8 p  6, p   0,32  hình TV-L2 Rudin, Oshena và Fatemi [7]   1 như sau: y   p3 p   33, 64  (1)  32  Dx  p  D  p  arg min   S p  I p    (2) 2  y  1 1 Lx  p    Ly  p    p   65, 255  p     96 p  3 S  Trong (1), y là giá trị JND theo mức Dx  p    q  R p  g p ,q   x S q (3) xám, p là giá trị mức xám của điểm ảnh. Ví dụ: trong một vùng ảnh có mức chói p=32, Dy  p    g p ,q   y S  (4) q q  R p  tính theo (1) chúng ta có giá trị JND= 2. Điều này có nghĩa là, nếu một điểm ảnh của vùng ảnh này bị thay đổi mức xám Lx  p    q  R p  g p ,q    x S q (5) trong phạm vi p  32  2 thì mắt người quan sát sẽ không cảm nhận được sự biến Ly  p    g p ,q    y S  (6) q q  R p  đổi của vùng ảnh. Có thể thấy rằng, giá trị JND thay đổi từ 1-6 khi mức xám của ảnh Trong đó, I là ảnh gốc, p là số lượng thay đổi từ 0-255. điểm ảnh, S là ảnh cấu trúc SI. 2.2. Kỹ thuật Total Variantion Mô hình trong biểu thức (2) được hình Kỹ thuật Total Variation (TV) được sử thành dựa trên phương pháp nhân tử dụng rộng rãi để tách ảnh gốc thành ảnh Lagrange:  là nhân tử Lagrange; thành chứa thông tin về cấu trúc (Structure Image phần thứ nhất của (2) là (Sp – Ip)2 cần – SI) và ảnh chứa thông tin về kết cấu thiết để ảnh S có cấu trúc giống với ảnh (Texture Image – TI) [5,7,11]. Thông tin I, thành phần thứ hai là về cấu trúc và kết cấu của hình ảnh có thể Dx  p  Dy  p  được sử dụng hiệu quả trong các bài toán  có tác dụng loại bỏ Lx  p    Ly  p    khác nhau như lọc nhiễu, phân tích đường 17
  4. SCIENTIFIC JOURNAL OF SAIGON UNIVERSITY No. 61 (01/2019) các thành phần kết cấu lân cận trong ảnh; DCT mang thông tin về bit dữ liệu nhúng,  -có giá trị dương để mẫu số luôn khác sao cho giá trị sai số mức xám giữa các không; nằm trong dải 0.01~0.03 [11]. điểm ảnh sau và trước khi nhúng luôn nhỏ hơn giá trị JND được tính theo (1). Biến q chỉ ra tất cả pixel trong vùng chữ Để xác định vị trí các khối ảnh nền, nhật lân cận điểm ảnh p và gp,q, là bộ lọc chúng ta sử dụng ảnh SI tách từ ảnh gốc Gaussian có độ lệch chuẩn bằng bằng kỹ thuật TV được mô tả ở phần II.   x  x 2   y  y 2  Các khối ảnh 8x8 trong ảnh SI có giá trị độ  :g  exp   p q p q  (7) ( p ,q )  2 2  lệch mức chói  nhỏ hơn mức ngưỡng sẽ   được chọn để nhúng theo phương pháp Trên Hình 2a là thành phần chói của trên. ảnh gối, Hình 2b là ảnh cấu trúc SI nhận Sơ đồ khối hệ thống nhúng thủy vân được sau khi giải bài toán trong mô hình (2). thích nghi theo JND được trình bày trong Hình 3. Hình 3. Sơ đồ khối hệ thống nhúng thủy Hình 2. Kết quả tách ảnh cấu trúc SI ứng vân thích nghi theo JND dụng kỹ thuật TV Phương pháp nhúng thủy vân đề xuất 3. Phương pháp nhúng thủy vân đề xuất được thực hiện theo trình tự như sau: Trong phần này, chúng tôi đề xuất phương pháp nhúng thủy vân thích nghi 1- Ảnh màu gốc I  i, j  chuẩn RGB, theo giá trị JND để giảm thiểu tối đa mức kính thước (mxn) được chuyển đổi sang độ suy giảm chất lượng hình ảnh sau khi không gian YcrCb; dấu thủy vân sẽ được nhúng. Quá trình nhúng thủy vân được nhúng vào thành phần Y (thành phần chói) thực hiện trong không gian tần số sử dụng của ảnh gốc. biến đổi DCT [4,10]. Mỗi bít thông tin dấu 2- Ảnh dấu thủy vân BM được chuyển thủy vân sẽ được nhúng vào khối ảnh có đổi thành dạng vector các giá trị nhị phân kích thước 8x8. Sau khi nhúng thủy vân, để nhúng vào kênh chói Y của ảnh gốc; giá trị độ chói của các điểm ảnh sẽ bị thay một bít BM sẽ được nhúng vào khối ảnh có đổi, do đó khối ảnh kết quả sẽ có sự khác kích thước 8x8. biệt với khối ảnh gốc. Người quan sát sẽ 3- Sử dụng kỹ thuật TV đã trình bày cảm nhận được sự khác biệt nói trên rõ trong phần II để tách ảnh cấu trúc SI từ ảnh ràng nhất tại các khối ảnh có độ chói thay gốc. Chia ảnh SI thành các khối ảnh liên đổi chậm gọi tắt là khối ảnh nền. Chính vì tiếp có kích thước 8x8 f SI  i, j  và tìm giá vậy, trong phương pháp được đề xuất, khi trị tổng độ lệch chuẩn các mức xám S cho nhúng dữ liệu vào các khối ảnh nền, chúng từng khối: ta sẽ thay đổi giá trị các hệ số khai triển 18
  5. NGUYỄN THANH BÌNH - NGUYỄN NHẬT TIẾN TẠP CHÍ KHOA HỌC ĐẠI HỌC SÀI GÒN 1 7 7 KSUM sẽ là khối ảnh nhúng kết quả.  f SI  i, j    2 S 5- Các khối ảnh trong ảnh gốc có độ 64 i 0 j 0 (8) chói thay đổi nhanh (tổng giá trị độ lệch 1 7 7 chuẩn các mức xám S lớn) sẽ được nhúng   f SJ  i, j  64 i 0 j 0 dữ liệu BM giống như bước 4 với giá trị k (9) không đổi (k=50). Trong trường hợp này Trong đó, f  i, j  là mức xám của các giá trị k được chọn tương đối lớn để tăng điểm ảnh trong khối ảnh 8x8,  - giá trị độ độ bền vững của dữ liệu thủy vân. chói trung bình của khối ảnh. Ngưỡng so 6- Ảnh Y chứa thông tin dấu thủy vân sánh T để xác định các khối ảnh nền; giá trị sẽ được tổng hợp với các thành phần màu T dựa trên kết quả mô phỏng nằm trong Cr và Cb, rồi chuyển đổi về định dạng khoảng 0.01-0.05. RGB để có ảnh màu đã nhúng dấu thủy 4- Để nhúng các bít dữ liệu BM vào vân. từng khối ảnh nền (kích thước 8x8) chúng 4. Kết quả mô phỏng ta thực hiện các bước sau: Chúng tôi đã mô phỏng phương pháp a) Khởi tạo giá trị mức chênh lệch k nhúng thủy vân thích nghi theo JND với kỹ giữa 2 hệ số khai triển DCT để nhúng dữ thuật TV (JND_TV) được đề xuất ở trên và liệu bằng 1. một số phương pháp nhúng khác như b) Thực hiện biến đổi DCT cho khối nhúng trong không gian ảnh LSB, nhúng ảnh fY  i, j  kích thước 8x8 để có ma trận trong miền DCT không thích nghi theo hệ số khai triển DCT FY  u, v  . Chọn hai hệ JND (DCT). Tập ảnh gốc để nhúng thủy vân định dạng .bmp có kích thước số trong miền tần số trung bình [1], giả sử 512x512. Ảnh dấu thủy vân là ảnh nhị đó là F(i,j) và F(p,q). Thay đổi giá trị F(i,j) phân có kích thước 69x39 (Hình 4d). và F(p,q) để nhúng bít BM theo quy tắc: Chương trình mô phỏng được thực trên  BM  1 FY  i, j   FY  p, q   k Matlab R2017b.   BM  0 FY  i, j   FY  p, q   k (10) 4.1. Đánh giá độ trong suốt của dấu thủy vân Kết quả nhận được là ma trận * FY (u, v) . c) Thực hiện biến đổi IDCT với ma trận FY * (u, v) để có khối ảnh đã nhúng bít BM fY *  i, j  . Tính tổng giá trị JND KJND Hình 4. Ảnh gốc (a), ảnh nhúng theo của tất cả điểm ảnh trong khối fY  i, j  , tính phương pháp JND_TV (b) và phương pháp DCT (c), ảnh dấu thủy vân (d) tổng sai số tuyệt đối KSUM giữa hai khối ảnh fY  i, j  và fY *  i, j  . Kết quả mô phỏng trên hình 4 cho thấy, nhúng thủy vân thích nghi JND_TV d) Nếu KJND>KSUM, tăng giá trị k = k+1 và nhúng không thích nghi DCT đều có độ và lặp lại các bước b, c đến khi KJND ≤ trong suốt cao. Người quan sát hầu như KSUM; khối ảnh fY *  i, j  cho giá trị KJND ≤ không thấy sự khác biệt giữa ảnh đã nhúng 19
  6. SCIENTIFIC JOURNAL OF SAIGON UNIVERSITY No. 61 (01/2019) thủy vân và ảnh gốc. SIMilarity – SSIM là QSSIM. QSSIM   1,1 Để đánh giá một cách khách quan ảnh có giá trị càng cao thì ảnh gốc và ảnh hưởng của dấu thủy vân tới chất lượng nhúng càng giống nhau. Kết quả tính toán hình ảnh chúng tôi đã so sánh ảnh gốc và giá trị QMSE và QSSIM cho nhiều ảnh khác ảnh đã nhúng dựa trên tiêu chí sai số trung nhau được nhúng theo các phương pháp bình bình phương (Mean Squared Error - JND_TV, DCT và LSB ghi trong bảng 1. MSE) QMSE và tiêu chí Structural Bảng 1. MSE và SSIM của ảnh nhúng thủy vân bằng các phương pháp khác nhau Có thể thấy rằng, phương pháp LSB dấu thủy vân được tách ra từ ảnh nhúng cho ảnh nhúng với giá trị MSE rất nhỏ và bằng tỷ lệ lỗi bít BER (Bit Error Rate). giá trị SSIM gần bằng 1. Do đó, xét về độ Chúng tôi đã xét các trường hợp ảnh trong suốt, phương pháp LSB có ưu điểm nhúng thủy vân dưới các tác động: vượt trội so với các phương pháp còn lại. - Nhiễu cộng Gaussian với các mức Phương pháp JND-TV có độ trong suốt cao công suất khác nhau (tương đương với tỷ lệ hơn so với nhúng DCT không thích nghi và tín hiệu trên nhiễu SNR khác nhau của ảnh điều này trùng khớp với kết quả phân tích đã nhúng thủy vân) lý thuyết trong phần II, III. - Nén có tổn hao theo phương pháp 4.2. Đánh giá độ bền vững của các JPEG với các mức độ khác nhau (tương phương pháp nhúng thủy vân đương tỷ lệ nén khác nhau) Mức độ bền vững của phương pháp - Thay đổi kích thước ảnh với tỷ lệ nhúng thủy vân được đánh giá dựa trên sự khác nhau và xoay với các góc độ khác khác biệt giữa dấu thủy vân nguyên thủy và nhau 20
  7. NGUYỄN THANH BÌNH - NGUYỄN NHẬT TIẾN TẠP CHÍ KHOA HỌC ĐẠI HỌC SÀI GÒN Hình 5. Quan hệ giữa BER và tỷ lệ SNR của ảnh chứa dấu thủy vân. Hình 6. Quan hệ giữa BER và mức tổn hao của ảnh thủy vân nén theo JPEG. Hình 7. Quan hệ giữa BER và hệ số thu nhỏ của ảnh thủy vân. 21
  8. SCIENTIFIC JOURNAL OF SAIGON UNIVERSITY No. 61 (01/2019) Dựa vào kết quả mô phỏng trên các đồ Cuối cùng, trên hình 8 hiển thị kết thị hình 5,6,7 có thể thấy, với tất cả các quả phục hồi dấu thủy vân bằng hai hình thức tấn công, dấu thủy vân nhận phương pháp JND_TV và DCT cho nhiều được từ phương pháp JND_TV luôn có giá ảnh khác nhau. Những ảnh này được nén trị BER thấp hơn so với phương pháp DCT suy hao theo chuẩn JPEG với tỷ lệ nén truyền thống. Phương pháp nhúng trong 0.5. Tỷ lệ BER của phương pháp JND_TV không gian ảnh LSB có mức độ bền vững luôn thấp hơn so với phương pháp nhúng thấp nhất. DCT. Hình 8. So sánh BER của phương pháp JND_TV và DCT (nén với tỷ lệ 50%). 5. Kết luận TÀI LIỆU THAM KHẢO Với bài báo này, chúng tôi đã đề xuất 1. Barni M., Bartolini F., PivaF., “Improved phương pháp nhúng thủy vân thích nghi wavelet-based watermarking through pixel- theo giá trị JND mức xám. Thông tin thủy wise masking”, IEEE Transactions on vân được nhúng vào các vùng ảnh có độ Image Processing, Vol.10, pp. 783 -791, chói thay đổi chậm. Những vùng ảnh 2001. nhúng bằng phương pháp này được xác 2. Etti Mathur, Manish Mathuria, định dựa trên sự phân tích ảnh cấu trúc SI "Unbreakable Digital Watermarking using tách ra từ ảnh gốc sử dụng kỹ thuật TV. combination of LSB and DCT", Kết quả mô phỏng cho thấy, phương pháp International Conference on Electronics, nhúng như đã đề xuất có độ trong suốt cao Communication and Aerospace Technology ICECA, December 2017. hơn và có độ bền vững tốt hơn so với phương pháp nhúng không thích nghi DCT 3. Jianwei Guo, Yana Zhang, Shuang Zhi, Pamela Cosman, "Adaptive Edge Masking và phương pháp nhúng trong không gian Based on TV Decomposition and Adjacent ảnh LSB. Similarity for Digital Watermkarking", IEEE International Conference on Progress 22
  9. NGUYỄN THANH BÌNH - NGUYỄN NHẬT TIẾN TẠP CHÍ KHOA HỌC ĐẠI HỌC SÀI GÒN in Informatics and Computing (PIC), June 8. Salama Ahmed S., Amr Mokhtar Mohamed, 2016. "Combined Technique for Improving 4. Kurappa A., "A Survey on various Image Digital Image Watermarking" 2nd IEEE Water marking Techniquesand Features in International Conference on Computer and Digital Image Processing", IJSRSET | Communications, 2016. Volume 2 | Issue 5 | Themed Section: 9. Santoyo-Garcia Hector, Fragoso-Navarro Engineering and Technology, 2016. Eduardo, Reyes-Reyes Rogelio, Gabriel 5. Ndajah Peter, Kikuchi Hisakazu, "Total Sanchez-Perez Mariko Nakano-Miyatake, Variation Image Edge Detection", Recent Hector Perez-Meana, "An Automatic Researches in Communications, Visible Watermark Detection Method using Automation, Signal Processing, Total Variation", 5th International Nanotechnology, Astronomy and Nuclear Workshop on Biometrics and Forensics Physics, Niigata Uninversity, Japan, 2011. (IWBF), May 2017. 6. Octavio David, Muñoz Ramirez, 10. Xin Li, Xingjun Wang, Anqi Chen, Volodymyr Ponomaryov, Rogelio Reyes- Linghao Xiao, "A Simplified and Robust Reyes, Volodymyr Kyrychenko, Oleksandr DCT-based Watermarking Algorithm", 2nd Pechenin, Alexander Totsky, "A Robust International Conference on Multimedia Watermarking Scheme to JPEG and Image Processing, March 2017. Compression for Embedding a Color 11. Xu Li, Quiong Yan, Yan Xia, “Structrue Watermark into Digital Images", The 9th extraction from texture via relative from IEEE International Conference on total variation”, ACM Transactions on Dependable Systems, Services and Graphics, Vol. 31, No. 6, Article 139, Technologies, DESSERT’2018, 24-27 May November 2012. 2018. 12. Yu P., Yan Shang, Chunming Li, “A new 7. Rudin Leonid, Stanley Osher, Emad Fatemi, visible watermarking technique applied to “Nonlinear total variation based noise CMOS image sensor”, in Proc. SPIE. removal algorithms”, Physica D Nonlinear Multispectral Image Acquisition, Phenomena, Vol.60, No. 5, pp. 259-268, Processing, and Analysis, Vol. 8917, 1992. Oct. 2013. Ngày nhận bài: 07/07/2018 Biên tập xong: 15/12/2018 Duyệt đăng: 20/01/2019 23

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản