عنوان پایان‌نامه
نهان کاوی تصویر بر اساس خواص آماری
- رشته تحصیلی
- مهندسی برق-مخابرات-سیستم
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2779;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 70456
- تاریخ دفاع
- ۱۴ مهر ۱۳۹۰
- دانشجو
- آناهیتا شجاعی هاشمی
- استاد راهنما
- حمید سلطانیان زاده
- چکیده
- در این پروژه با در نظر گرفتن روش های متداول نهان نگاری و اثرات آنها بر روی تصاویر و نیز با بررسی و تحلیل انواع روشهای معتبر نهان کاوی، دو الگوریتم نهان کاوی کور طراحی و ارائه شده اند. الگوریتم اول از خواص تصویر در حوزه موجک استفاده می کند. از آنجا که این حوزه حاوی اطلاعات هر دو حوزه مکان و فرکانس است، نهان نگاری در همه حوزه ها تأثیر به سزایی بر ضرایب آن دارد. لذا این نهان کاو را می توان از نوع کاملاً کور به حساب آورد؛ به این معنا که توانایی مقابله با نهان نگاری در اغلب حوزه ها، اعم از مکان و فرکانس، را داراست. مبنای کار، همانند نهان¬کاو فرید، بررسی همبستگی خطی میان ضرایب موجک از طریق گشتاورهای خطای برازش خطی است؛ با این تفاوت عمده که در روش فرید، فرض بر ایستان بودن ضرایب موجک از لحاظ آماری در سراسر یک زیرباند است، در حالی که در الگوریتم پیشنهادی، ضرایب به صورت محلی ایستان در نظر گرفته شده اند که این امر با تقسیم هر زیرباند به بلوک های هم پوشان محقق گردیده است. الگوریتم پیشنهادی دوم با استفاده از خواص تصویر در حوزه مکان طراحی شده و تنها نسبت به همین حوزه کور است؛ بدین معنا که قابلیت مقابله با نهان نگاری های حوزه مکان را دارد اما عملکرد آن در برابر نهان نگاری های سایر حوزه ها تضمین شده نیست. در عوض از دقت بالاتری در تشخیص نهان نگاری-های حوزه مکان برخوردار می باشد. در این روش که بهبود یافته روش WFLogSv است، همبستگی خطی میان سطرها و ستون های تصویر به صورت محلی و با استفاده از مقادیر تکین بررسی می شود. بدین منظور، تصویر به بلوک های هم پوشان تقسیم می گردد و به جای فاصله مقادیر تکین کم ارزش-تر هر بلوک از صفر، که در نهان کاو WFLogSv استفاده شده است، توزیع انرژی میان مقادیر تکین هر بلوک و میزان شباهتش به توزیع یکنواخت با الهام از نامساوی میانگین حسابی- میانگین هندسی سنجیده می شود. آزمایش های صورت گرفته بر روی نهان کاو پیشنهادی اول، روش فرید و روش WAM (یکی از نهان کاوهای معروف از نوع کاملاً کور) در مقابله با نهان نگاری های MB2 و LSBM که به ترتیب، الگوریتم های حوزه فرکانس و مکان هستند، حاکی از برتری نهان کاو ارائه شده است؛ به عبارت دقیق تر، قابلیت اطمینان آشکارسازی روش ارائه شده در تشخیص نهان نگاری-های MB2 و LSBM، به ترتیب حدود 04/0 و 36/0 نسبت به نهان¬کاو فرید و حدود 21/0 و 1/0 نسبت به روش WAM بهبود یافته است که مقدار دقیق آن بستگی به میزان بار اطلاعاتی پنهان شده دارد. هم چنین آزمایش هایی نیز بر روی نهان کاو پیشنهادی دوم انجام شده و عملکرد آن در برابر LSB و LSBM (دو نهان نگاری حوزه مکان) با روش های WFLogSv و WAM مقایسه گردیده است. نتایج این آزمایش ها برتری الگوریتم طراحی شده را نشان می دهد؛ بدین ترتیب که قابلیت اطمینان آشکارسازی روش ارائه شده به ترتیب حدود 2/0-1/0 و 25/0-15/0 نسبت به نهان-کاوهای WFLogSv و WAM بیشتر است که مقدار دقیق آن بستگی به میزان بار اطلاعاتی پنهان شده دارد
- Abstract
- In this thesis, common steganography methods and their effects on images have been considered and various substantial steganalysis schemes have been examined in order to design two blind steganalysis algorithms. The first algorithm makes use of image characteristics in wavelet domain. Since wavelet coefficients carry information on both spatial and frequency domains, they are substantially affected by steganography in all domains. Consequently, this steganalysis method can be considered as completely blind; that is, it is able to confront steganography methods of most domains, including spatial and frequency ones. Similar to Farid’s steganalyzer, the basis is investigating the linear correlation among wavelet coefficients using the moments of linear regression error. However, the major difference is that in Farid’s scheme, wavelet coefficients are supposed to be statistically steady all over each subband, while in the proposed method, the coefficients are assumed locally steady, which has come into application by dividing each subband to overlapping blocks. The other proposed algorithm has been designed using image properties in spatial domain. It is blind only against this domain; that is, it can detect steganography methods of spatial domain, but its performance against steganography schemes of other domains is not guaranteed. In return, it has higher accuracy than the first scheme regarding spatial domain. This method, which has been obtained by improving the WFLogSv steganalyzer, is based on the local linear correlation among the rows and the columns of the image, which is examined through singular values. To this end, the image is divided to overlapping blocks and rather than the closeness of the lower singular values to zero, used by WFLogSv, the energy distribution among the singular values of each block and its similarity to uniform distribution and is evaluated using a ratio inspired from arithmetic mean-geometric mean inequality. Experiments have designed to compare the performance of the first proposed algorithm with those of Farid’s steganalyzer and WAM method (a renowned completely blind steganalyzer). These experiments evaluate the accuracy of the mentioned steganalysis schemes against MB2 and LSBM steganography methods, which are algorithms of respectively frequency and spatial domains. The results prove the superiority of the proposed steganalyzer; to be more specific, the detection reliability of this method in detecting MB2 and LSBM is respectively about 0.04 and 0.36 more than that of Farid’s method and about 0.21 and 0.1 more than that of WAM scheme, where the exact value depends on the embedding payload. Other experiments have been conducted on the second proposed algorithm, which compare its performance against LSB and LSBM (two steganography methods of spatial diomain) with those of WFLogSv and WAM steganalyzers. The results show that the proposed scheme outperforms its counterparts; in other words, the detection reliability of this method is about 0.1-0.2 and 0.15-0.25 more than those of WFLogSv and WAM, respectively. Again, the exact value depends on the embedding payload.
