مقاله نهان کاوی در تصاویر JPEG بر مبنای دسته بندی ویژگی های آماری و تصمیم گیری دو مرحله ای

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله نهان کاوی در تصاویر JPEG بر مبنای دسته بندی ویژگی های آماری و تصمیم گیری دو مرحله ای دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله نهان کاوی در تصاویر JPEG بر مبنای دسته بندی ویژگی های آماری و تصمیم گیری دو مرحله ای  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله نهان کاوی در تصاویر JPEG بر مبنای دسته بندی ویژگی های آماری و تصمیم گیری دو مرحله ای،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله نهان کاوی در تصاویر JPEG بر مبنای دسته بندی ویژگی های آماری و تصمیم گیری دو مرحله ای :

مقاله نهان کاوی در تصاویر JPEG بر مبنای دسته بندی ویژگی های آماری و تصمیم گیری دو مرحله ای که چکیده‌ی آن در زیر آورده شده است، در ۱۳۸۸ در پردازش علایم و داده ها از صفحه ۵۳ تا ۷۰ منتشر شده است.
نام: نهان کاوی در تصاویر JPEG بر مبنای دسته بندی ویژگی های آماری و تصمیم گیری دو مرحله ای
این مقاله دارای ۱۸ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله نهان کاوی تصاویر JPEG
مقاله حمله به پنهان نگاری
مقاله جای گذاری در LSB
مقاله تطبیق LSB
مقاله دسته بندی ویژگی ها

چکیده و خلاصه‌ای از مقاله:
در این مقاله روش جامعی برای نهان کاوی در تصاویر JPEG معرفی می شود. در این روش پس از بررسی دقیق اثر فرآیندهای پنهان نگاری گوناگون بر مشخصات آماری تصویر، ویژگی های بهینه ای از تصویر استخراج می شود که توانایی بالایی در ایجاد تمایز بین دو گروه تصاویر طبیعی و پنهان نگار دارند. علاوه بر استخراج ویژگی های بهینه، در یک تصمیم گیری سلسله مراتبی دقت تشخیص به شکل قابل توجهی افزایش یافته است. در این مقاله نشان می دهیم که آمارگان مرتبه اول ضرایب DCT (مانند هیستوگرام) بیشتر در حمله به روش های پنهان نگاری جای گذاری در LSB (مانند JSTEG، OUTGUESS،JPHide & Seek وStegHide ) موفق تر از آمارگان مرتبه دوم (مانند انواع همبستگی ها) عمل می کنند. همچنین مشخصات آماری مرتبه دوم در تشخیص سایر روش های پنهان نگاری در حوزه ضرایب DCT (بالاخص روش های تطبیق LSB، روش MB1،SSIS و روش مبتنی بر کوانتیزیشن) عملکرد بهتری از مشخصات آماری مرتبه اول دارند. علاوه بر آن، روش نهان کاوی معرفی شده با نگاه جامع به انواع روش های پنهان نگاری موجود، مشخص می کند که نقاط ضعف هر یک در مقابل حملات آماری گوناگون چیست و چگونه می توان به روش های جاسازی امن تر دست پیدا کرد. نتایج تجربی نشان می دهد که دقت این روش در مقایسه با روش های رقیب، بهتر بوده و در عین حال از جامعیت و تعمیم پذیری بالاتری برخوردار است. آزمایش ها روی مجموعه دوهزارتایی از تصاویر JPEG با ضرایب کیفیت متنوع انجام شده و روش معرفی شده، قادر بوده است که شش روش پنهان نگاری معمول (JSteg، OutGuess، F5، MB1،Sequential LSB matching وRandom LSB Matching ) را با دقت بیش از ۸۰% در نرخ های جاسازی بیش از ۲۰% تشخیص دهد. طبقه بندی کننده های مورد استفاده برای طبقه بندی از نوع SVM هستند.