La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Image Watermarking Technique Using Embedder and Extractor Neural Networks Technique de filigrane d'image utilisant des réseaux de neurones d'intégration et d'extraction

Ippei HAMAMOTO, Masaki KAWAMURA

  • Vues en texte intégral

    0

  • Citer

Résumé:

Un auto-encodeur a la capacité potentielle de compresser et de décompresser des informations. Dans ce travail, nous considérons le processus de génération d'une stégo-image à partir d'une image originale et de filigranes comme compression, et le processus de récupération de l'image originale et des filigranes à partir de la stégo-image comme décompression. Nous proposons des réseaux de neurones intégrateurs et extracteurs basés sur l'auto-encodeur. Le réseau d'intégration apprend le mappage à partir des coefficients DCT de l'image originale et d'un filigrane avec ceux de la stégo-image. Le réseau d'extracteurs apprend le mappage des coefficients DCT de la stégo-image au filigrane. Une fois le réseau neuronal proposé formé, le réseau peut intégrer et extraire le filigrane dans des images de test non apprises. Nous avons étudié la relation entre le nombre de neurones et les performances du réseau par des simulations informatiques et avons découvert que le réseau neuronal entraîné pouvait fournir des stégo-images et des filigranes de haute qualité avec peu d'erreurs. Nous avons également évalué la robustesse par rapport à la compression JPEG et constaté que, lorsque des paramètres appropriés étaient utilisés, les filigranes étaient extraits avec un BER moyen inférieur à 0.01 et une qualité d'image supérieure à 35 dB lorsque le facteur de qualité Q avait plus de 50 ans. Nous avons également étudié comment représenter les filigranes dans la stégo-image par notre réseau neuronal. Il existe deux possibilités : la représentation distribuée et la représentation clairsemée. À partir des résultats de l'enquête sur la sortie de la couche stégo (3ème couche), nous avons constaté que la représentation distribuée émergeait à une étape d'apprentissage précoce, puis que la représentation clairsemée apparaissait à une étape ultérieure.

Publication
IEICE TRANSACTIONS on Information Vol.E102-D No.1 pp.19-30
Date de publication
2019/01/01
Publicisé
2018/10/19
ISSN en ligne
1745-1361
DOI
10.1587/transinf.2018MUP0006
Type de manuscrit
Special Section PAPER (Special Section on Enriched Multimedia — Making Multimedia More Convenient and Safer —)
Catégories

Auteurs

Ippei HAMAMOTO
  Yamaguchi University
Masaki KAWAMURA
  Yamaguchi University

Mots-clés

Table des matières