بهینهسازی پنهانیابی تصاویر با استفاده از الگوریتمهای زیستی [پايان نامه فارسي]
مجتبی مداحی
| شناسگر رکورد: | ۱۵۴۳۲ |
| رشته تحصیلی: | مدیریت سیستم های اطلاعاتی |
| عنوان: | بهینهسازی پنهانیابی تصاویر با استفاده از الگوریتمهای زیستی |
| نويسنده: | مجتبی مداحی |
| استاد راهنما : | دکتر احسان اخترکاوان |
| استاد مشاور: | دکتر بابک مجیدی |
| مقطع تحصیلی : | کارشناسی ارشد |
| دانشگاه : | خاتم |
| تاریخ دفاع : | ۱۳۹۵ |
| چکیده: | پنهان کردن اطلاعات در تصاویر با نام پنهاننگاری شناخته میشود. در نقطه مقابل پنهاننگاری، پنهانیابی اطلاعات قرار دارد که عمل کشف اطلاعات پنهان شده در فایلهای مختلف را انجام میدهد. پنهانیابی نیز مانند پنهاننگاری جزو موارد مهم در امنیت اطلاعات محسوب میشود. همانطور که پنهان کردن اطلاعات در فایل مهم است، کشف وجود اطلاعات مخفی در یک فایل و یا استخراج آن از فایل نیز از نظر امنیتی از اهمیت بالایی برخوردار است. پنهاننگاری و جایگذاری اطلاعات در یک فایل باعث تغییر در ساختار فایل مورد نظر میشود و این تغییر به وجود آمده ابزار کلیدی برای پنهانیابی است. در بین انواع فایلها در این تحقیق پنهانیابی روی تصاویر مورد بحث قرار گرفته است. از بین روشهای مختلف پنهانیابی از روش آماری استفاده شده است. یکی از تکنیکهای موجود در روش آماری استفاده از تابع ۴۸۶)CHEN) است. این تابع تعداد ۴۸۶ خاصیت را با استفاده از اختلاف بین همبستگیهای درون-بلوکی و بین-بلوکی موجود در تصاویر استخراج میکند. در حالت معمول از این خاصیتها در الگوریتمهای دستهبندی استفاده میشود تا تصاویر را به دو دسته تصاویر دارای اطلاعات مخفی و تصاویر خالی از اطلاعات مخفی تقسیم کند. اما این تعداد بالای خاصیتها باعث کند شدن فرآیند دستهبندی خواهد شد. در این شرایط میتوان از الگوریتمهای بهینهسازی به منظور انتخاب بهترین و مؤثرترین خاصیتها استفاده کرد. در این شرایط در بخش آموزش الگوریتم دستهبندی ابتدا الگوریتمهای بهینهسازی وارد عمل شده و بهترین خاصیتهای ممکن را انتخاب میکنند و سپس با استفاده از این خاصیتها عمل آموزش و تست در کلیه تصاویر مورد نظر انجام میشود. این روش باعث کاهش تعداد خاصیتهای مورد استفاده در دستهبندی میشود و علاوه بر آن بهترین و مؤثرترین آنها را انتخاب میکند که علاوه بر کاهش هزینههای موجود مانع از کاهش مشهود دقت پنهان یابی نیز خواهد شد. هدف از این تحقیق مقایسه تاثیر انواع الگوریتمهای بهینهسازی در میزان دقت پنهانیابی است. هر الگوریتم بهینهسازی با تغییر پارامتر در آزمایشهای مختلف به کار گرفته شده و نتایج به صورت جدول نمایش داده شده است. در تمامی بخش ها از الگوریتم بردار پشتیبان برای دستهبندی استفاده شده است. در این تحقیق از تصاویر با استاندارد تصویر برداری و ارتباطات دیجیتال پزشکی (DICOM) به عنوان مجموعه داده استفاده شده است. |
| واژگان کلیدی: | مهندسی کامپیوتر |
| واژگان کلیدی: | مدیریت سیستمهای اطلاعاتی |
| واژگان کلیدی: | پنهان یابی |
| واژگان کلیدی: | بهینه سازی |
| واژگان کلیدی: | مهندسی فناوری اطلاعات |
| شماره ثبت | جزء | نسخه | جلد | بخش | قسمت | مرجع | شماره بازیابی | در دست امانت | تاریخ بازگشت | ملاحظات | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 225771 | 1 | ||||||||||
| 225772 | 2 | ||||||||||
| 225773 | 3 | ||||||||||
| 225774 | 4 |
جهت ثبت نظر با حساب کاربری تان وارد شوید