评价网 > 科教论文 > 管理学毕业论文 > MBA论文 > 正文

1 引言 随着计算机和因特网的飞速发展，数字多(2)

2013-05-05 01:04
　　
　　2.3 内容认证
　　按照上述步骤计算待检测图像的Hash 序列，比较原始图像与待检测图像的Hash 序列来认证图像内容的真实性。
　　其中L 为Hash 序列的长度。本文采用以上的公式来计算Hash 值序列的距离。值越大说明两个序列相差越大，图像的差异也越大。
　　
　　3 实验仿真
　　
　　本文是在 Matlab7.0 平台下对算法进行了大量的仿真实验。实验选用大小为256×256 的标准Lena、Baboon 和Boats 灰度图像作为输入图像。在BP 神经网络中选取σ 为0.01，训练次数为1000。
　　
　　3.1 鲁棒性分析
　　分别是算法在高斯噪声、剪切、JPEG 压缩和中值滤波操作下的性能。从图中可以看出，算法能较好的抵抗高斯噪声、JPEG 压缩、剪切和中值滤波。中是设定高斯噪声的均值为0，在不同的方差的情况下比较算法的性能，可以看出大部分的Hash 值序列距离是在0.30 以下。中是在不同的JPEG 压缩质量因子下对算法进行的比较，可以看出所有的Hash 值序列距离都在0.30 以下，故算法对JPEG 压缩的鲁棒性很好。中的横坐标为图像的剪切百分比，在仿真的过程是将图像的左上角要剪切的部分像素值设为0，由于剪切也是对图像的一种损坏，所以随着剪切百分比的增加，图像Hash 值的距离也随着增加。是对图像进行中值滤波，在模板大小未超过3 时，算法的鲁棒性较好。
　　
　　3.2 脆弱性分析
　　算法中通过计算Lena，Cameraman、Baboon 和Boats 之间的Hash 值距离来分析算法的脆弱性，不同图像之间的标准汉明距离越大，算法脆弱性越高。从表1 可以看出不同图像之间的Hash 距离基本上都在0.30 以上，具有较好的脆弱性。
　　
　　4 结论
　　
　　本文是在 BP 神经网络的基础上提出的一种新的感知图像Hash 算法，打破了传统的只是使用直方图变换、DCT 以及DWT 来产生Hash 的方法。实验过程并不复杂，而且算法对高斯噪声，JPEG 压缩，中值滤波等操作具有较好的鲁棒性，对于不同图像之间的脆弱性也较好。但是，算法也存在着不足之处，比如对于某些操作的鲁棒性并不是很好，在鲁棒性和脆弱性间的权衡还不是很完善。图像Hash 技术已广泛应用于图像认证、版权保护以及图像检索等方面，未来的研究方向包括如何将BP 神经网络和鲁棒性好的特征提取等方法有机地结合在一起，使算法更加完美。

中国网提供大量免费mba硕士，如有业务需求请咨询网站客服人员！ 本文来自中国科教评价网
　　
　　参考文献　　
　　[1] V.Monga,A.Banerjee,B.L.Evans,A Clustering Based Approach to Perceptual Image Hashing. IEEETransactions on Information forensics and security,2006,1(1):68-79
　　[2] V.Monga ,M.K.Mihcak, Robust and Secure Image Hashing via Non-Negative Matrix Factorizations. IEEETransactions on Information Forensics and Security,2007,2(3):376-390
　　[3] R. Venkatesan, S. M. Koon, M. H. Jakubowski, P. Moulin, Robust image hashing. IEEE Proc. InternationalConference on Image Processing,2000,3(10-13):664 - 666
　　[4] J. Fridrich ,M. Goljan, Robust Hash functions for Digital Watermarking. IEEE Proc. International Conferenceon Information Technology: Coding and Computing, 2000, (27-29):178-183
　　[5] M. K. Mihcak, R. Venkatesan, New Iterative Geometric Methods for Robust Perceptual Image Hashing. Proc.of ACM Workshop on Security and Privacy in Dig. Rights Mgmt, PA,2001:289-294
　　[6] HONG WANG, QIONG SUN.Research on Audio information hiding algorithm Based on BP Neural Network.Proceedings of International Conference on Wavelet Analysis and Pattern Recognition,Beijing,China,2007，(2-4):687-690