امروزه انفجار اطلاعات در نتیجه رشد سریع شبکه های کامپیوتری و تکنولوژی چند رسانه ای، بدون نظارت صحیح بر روی این سیستم ها، باعث نادیده گرفتن حق تکثیر و قانون شکنی شده است. برای حمایت در مقابل این مشکل، راه حلهای فراوانی پیشنهاد شده که یکی از آنها نهان نگاری دیجیتال می باشد. اخیرا در بین تکنیکهای نهان نگاری در حوزه تبدیل، روشهای نهان نگاری در حوزه تبدیل موجک گسسته کاربرد بیشتری را در بین تبدیل های دیگر به دست آورده است. در این تحقیق، روشی مبتنی بر تبدیل موجک گسسته بسته ای برای نهان نگاری تصاویر پیشنهاد شده است. در این روش برای افزایش امنیت و بالا بردن کیفیت استخراج نهان نگاره، ابتدا نهان نگاره نویزی گردید و سپس در 5 زیر باند فرکانسی مختلف، بطور یکسان قرارداده شد. برای ازبین بردن خطای ناشی ازگرد کردن به اعداد صحیح، از حلقه تکرار استفاده شده است. در الگوریتم نهان نگاری پیشنهادی مبتنی بر کوانتیزه کردن بزرگترین اندازه ضرایب درختان موجک، ضرایب با اهمیت بطریقی کوانتیزه می گردند که در مرحله استخراج نیازی به دانستن محل ضرایب نمی باشد و کوانتیزه کردن بزرگترین ضرایب از نظر اندازه بر اساس بردار فاصله خواهد بود. بردار فاصله، فاصله بین اولین و دومین، ماکزیمم ضریب هر ابر درخت می باشد. هر بیت نهان نگاره بر اساس یک تغییر مشخص در مقدار بردار فاصله جاگذاری می گردد. یک مقدار آستانه وفقی برای استخراج بیتهای نهان نگاره از تصویر نهان نگاری شده بدست -آمده که برای مقایسه با بردار فاصله استخراج شده بکار می رود و بیت یک یا صفر با استفاده از یک رابطه مشخص بدست می آید. در الگوریتم نهان نگاری پیشنهادی مبتنی بر باقیمانده بردارهای فاصله ضرایب با اهمیت موجک، بزرگترین ضرایب محلی براساس باقیمانده بردار فاصله کوانتیزه گردیده و هر بیت نهان نگاره بر اساس یک تغییر مشخص در مقدار باقیمانده بردار فاصله جاگذاری می گردد. در این حالت دو مقدار آستانه وفقی برای استخراج بیتهای نهان نگاره از تصویر نهان نگاری شده بدست آمده که باقیمانده بردار فاصله با این آستانه ها مقایسه و بیت یک یا صفر با استفاده از یک رابطه مشخص استخراج می شود. در این روش، یک دامنه وسیع از تغییرات، بین انرژی جاگذاری نهان نگاره و کیفیت تصویر نهان نگاری شده وجود دارد. نتایج شبیه سازی ها نشان می دهد که الگوریتم های پیشنهادی در مقایسه با روش های دیگر دارای نسبت سیگنال به نویز (psnr) بالاتری است. همچنین تصویر نهان نگاری شده دچار تخریب های قابل مشاهده نیست.

در طی چند ده? اخیر نهان نگاری به عنوان ابزار قدرتمندی برای کاربردهایی از قبیل حفاظت از حقوق معنوی، تصدیق داده و کنترل کپی برداری مطرح شده است. تحقیقات زیادی در این زمینه در میان محققین صورت گرفته است و الگوریتم ها و روش های بیشماری مطرح شده است. اما متأسفانه ایرادی که به قریب به اتفاق این روش ها وارد است این است که در طی عملیات درج نهان نگاره، داد? اصلی مورد تغییر قرار می گیرد ولی در هنگام عملیات استخراج نهان نگاره، نمی توان داده را به صورت اصلی خود بازگرداند و در واقع عملیات نهان نگاری یک عملیات با اتلاف می باشد. نهان نگاری برگشت پذیر به عنوان پاسخی به این ایراد برای اولین بار در سال 1994 ارائه شد و از آن زمان تا کنون الگوریتم ها و روش های گوناگونی توسط محققین مختلف در این زمینه ارائه شده است. در این پایان نامه هدف بررسی این روش ها و گسترش آن ها با هدف افزایش ظرفیت و افزایش کیفیت می باشد. برای این کار دو روش پیشنهاد کرده ایم. در روش اول با اضافه کردن یک پیش پردازنده/پس پردازنده توانسته ایم تا پاره ای از نواقص روش luo که به علت سرریز/زیر ریز به وجود می آید را حل کرده و از این طریق ظرفیت درج داد? این روش را افزایش دهیم. در کار دوم با استفاده از اید? glsb تعمیمی برای روش شیفت هیستوگرام ارائه داده ایم که به درج کننده اجازه می دهد تا عمل درج را در مبناهای غیر باینری انجام دهد و از این طریق انعطاف پذیری این روش را بالا برده و اجازه می دهد تا درج کننده به طور موثرتری با مسئل? نهان نگاری تطبیق پیدا کند.

نیاز روز افزون به امنیت، استفاده از روش های مرسوم تشخیص هویت نظیر کارت های شناسایی و رمز عبور را ناکارا نموده است. لذا ایده استفاده از فن آوری زیست سنجی و تشخیص هویت توسط مشخصه های فیزیولوژیکی (همچون اثر انگشت، چهره و عنبیه) و یا رفتاری (همچون دست خط و امضاء)، مطرح گردید. عنبیه بدلیل پیچیدگی ساختار بافت ها، سبب ایجاد تمایز میان افراد مختلف می گردد. لذا از آن جهت تشخیص هویت در سطح وسیع استفاده می شود. حصول دقت بالا در این سیستم ها مشروط به اخذ تصاویر با کیفیت و نمایش مناسب الگوهای عنبیه است. در تصاویر غیر ایده آل کاربر همکاری کمتری جهت اخذ تصویر داشته و عوامل نویزی چون پلک ها، مژه ها، بازتابش ها، خارج از کادر بودن و فوکوس بد بوجود آمده که سبب کاهش دقت سیستم می گردد. به منظور حذف نویز، محدوده ی پلک ها توسط تبدیل هاف سهموی و سایر عوامل نویز با یافتن آستانه های بهینه بوسیله راهکاری موسوم به تصمیم گیری آماری، آشکار می گردند. در استخراج ویژگی ها از فیلتری موسوم به گابور- موجک استفاده شده که منطبق بر الگوهای عنبیه طراحی گشته است. بدلیل ساختار پیچیده ی الگوهای عنبیه و این که پارامترهای فیلتر گابور- موجک بر اساس دانش طراح و مقادیر حدسی مشخص می گردند، توصیه می شود از چندین مقدار برای پارامترهای جهت و فرکانس فیلتر استفاده گردد تا اطلاعات از دست نرود. این امر موجب پیچیدگی مرحله های استخراج ویژگی و تطابق و همچنین افزایش فضای مورد نیاز جهت ذخیره سازی قالب ها می گردد. در این پایان نامه برای برطرف نمودن این مشکل دو روش بهینه سازی پارامترهای فیلتر گابور- موجک و انتخاب ویژگی پیشنهاد گردیده است. به علاوه جهت کاهش پیچیدگی، بردارهای ویژگی را به مجموعه ای از بیت ها موسوم به عنبیه کد تبدیل می کنند. بسیاری از محققین از کوانتیزاسیون فاز که شامل اختصاص دو بیت برای هر ویژگی بر اساس علامت قسمت حقیقی و موهومی آن است، استفاده می کنند. در این پایان نامه از انکدینگی نوین که حداکثر طول عنبیه کد تولیدی برابر با ابعاد بردار ویژگی می باشد، استفاده شده است. نتایج حاصله نشان می دهد که عملکرد روش نخست هم به لحاظ دقت و هم طول عنبیه کد، مناسب تر از روش دوم می باشد. همچنین با اعمال فیلتر بانک بهینه با چهار فیلتر گابور- موجک و حذف نویز دقت بالاتری فراهم می گردد. در مرحله تطابق با استفاده از فاصله همینگ وزن دار و بوسیله ماسک کد، بیت های نویزی در مقایسه در نظر گرفته نمی شود. اما با توجه به فیلترهای مورد استفاده ممکن است نواحی نویزی در محاسبه ی ویژگی های غیر نویزی تأثیر گذارند. بر این اساس از ایده تبدیل موجک وفقی شکل که در کدینگ تصاویر کاربردی وسیع دارد، استفاده نموده و به فیلتر گابور- موجک اعمال می گردد. کارایی الگوریتم پیشنهادی بر روی دو پایگاه داده casia و ubiris بررسی شده و علیرغم وجود عوامل نویز متعدد در این تصاویر، دقت بالایی را ارائه می دهد.

با پیشرفت سریع تکنولوژی دیجیتال و استفاده ی گسترده از اینترنت، نهان نگاری دیجیتال به عنوان ابزار قدرتمندی در زمینه ی محافظت داده مورد استفاده قرار گرفته است. یک دسته ی مهم از روش های نهان نگاری که به نام نهان نگاری بدون اتلاف و نیمه شکننده شناخته می شوند،برای رفع مشکل شکنندگی در الگوریتم های نهان نگاری بدون اتلاف مطرح شده اند. هدف اصلی این پایان نامه ارائه ی الگوریتم هایی نیمه شکننده برای نهان نگاری بدون اتلاف به منظور بهبود نتایج وگسترش کاربرد نهان نگاری بدون اتلاف در زمینه ی سندیت تصویر است. بر این اساس سه الگوریتم نهان نگاری بدون اتلاف و نیمه شکننده پیشنهاد شده است. الگوریتم پیشنهادی اول، یک الگوریتم نهان نگاری تهی بر اساس ضرایب ویولت وماشین بردار پشتیبان است.بر این اساس، الگوریتم ارائه شده با استخراج بردار ویژگی مقاوم بر پایه ضرایب ویولت تصویر و اختصاص دنباله بیت بیشتر برای ضرایب فرکانس پایین، که با تغییر تصویر براحتی تغییر نکرده، به آموزش svm پرداخته است. trained-svm در گیرنده برای تست الگوهای آموزشی از تصویر دریافتی مورد استفاه قرار می گیرد. خروجی trained-svmنهان نگاره ی استخراجی است. اگر تصویر دریافتی در گیرنده نسبت به تصویر میزبان بدون تغییر باشد، نهان نگاره ی استخراجی معادل با نهان نگاره ی اصلی است و اگر شدت تغییرات تصویر زیاد و قابل توجه باشد، نهان نگاره ی استخراجی از trained-svmبا نهان نگاره ی اصلی متفاوت است. این مسئله نشان دهنده ی آن است که استفاده از svm، تا حد مطلوبی پاسخگوی نیازهای الگوریتم های برگشت پذیر نیمه شکننده بوده است. در الگوریتم پیشنهادی دوم، نهان نگاری تهی به کمک ضرایب تجزیه ی مقادیر تکین در حوزه ی ویولت انجام شده است.. فلسفه استفاده از تبدیل svd، مقاوم بودن ضرایب آن در برابر تغییرات است، بطوریکه اگر تغییرات وارد شده به تصویر اصلی کم و محدود باشد، ضرایب svd مربوط به آن تقریباً بدون تغییر باقی خواهند ماند. استفاده از ضرایب تبدیل svd خاصیت نیمه شکنندگی را برای این الگوریتم به همراه داشته است. نتایج آزمایش ها نشان می دهد که با افزایش شدت حملات، خطا در نهان نگاره استخراجی به یکباره افزایش داشته و سپس ثابت باقی می ماند. این ویژگی که ناشی از نوع ویژگی های انتخابی است، امکان معرفی یک سطح آستانه را برای شدت حملات امکان پذیر کرده است. و الگوریتم پیشنهادی سوم، نهان نگاری بر اساس انتخاب دو ناحیه ی مطلوب و غیرمطلوب از تصویر است. نهان نگاره ابتدا از ناحیه ی مطلوب تولید شده و سپس با روشی مقاوم و بدون اتلاف در ناحیه ی غیرمطلوب درج می شود.نتایج آزمایش ها نشان می دهد هر سه الگوریتم در عدم حضورحملات، بدون اتلاف هستند، یعنی قادر به استخراج دقیق نهان نگاره و بازیابی کامل تصویر میزبان هستند. در صورت وجود حملات محدود مانند فشرده سازی با ضریب کیفیت بالا نیز، استخراج صحیح نهان نگاره امکان پذیر است. . هدف از اجرای چنین تکنیکی از بین بردن نیاز به اطلاعات سربار در الگوریتم های نهان نگاری تهی است، در حالیکه تصویر بدون اتلاف کد می شود (قابل بازیابی است) و مهم تر از آن، roi که ناحیه ی مهم تصویر کد شده است، کاملاً بدون تغییر باقی می ماند. الگوریتم به گونه ای طراحی شده که امکان بررسی سندیت تصویر دریافتی در گیرنده نیز وجود دارد.هم چنین این الگوریتم ها شرایط بسیار مطلوبی برای بررسی سندیت تصاویر به خصوص برای کاربردهای پزشکی فراهم آورده اند.

داده های پلاریمتری سار به دلیل اطلاعات گسترده ای که در مورد منطقه تصویربرداری شده ارائه می¬دهند امروزه بسیار مورد توجه قرار گرفته¬اند. به دلیل اطلاعاتی که سار پلاریمتری ارائه می¬دهد یکی از کاربردهای اصلی این نوع داده ها استفاده برای طبقه بندی تصاویر می¬باشد. داده های پلاریمتری سار حجم زیادی را اشغال می¬کنند و این حجم زیاد باعث مشکلاتی مانند کم شدن سرعت پردازش، پایین آمدن سرعت انتقال داده، نیاز به پهنای باند زیاد برای انتقال و نیاز به فضای ذخیره سازی زیاد می¬گردد. برای حل این مشکل در این پایان نامه روشی برای فشرده سازی داده های پلاریمتری سار ارائه شده است. در روش پیشنهادی به منظور تعیین ناحیه مورد علاقه تصاویر پلاریمتری توسط الگوریتم طبقه بندی اچ/ای/آلفا طبقه بندی می¬شوند، ناحیه مورد علاقه انتخاب می¬شود و این ناحیه و بقیه تصویر به کمک الگوریتم فشرده سازی به نحوی فشرده سازی می¬شوند که کیفیت ناحیه مورد علاقه بیشتر از ناحیه زمینه باشد. سادگی پیاده سازی الگوریتم و کیفیت بالای فشرده سازی ناحیه مورد علاقه و ناحیه زمینه بر اساس معیار کیفیت معرفی شده در متن از ویژگی های این روش می¬باشد.

نهان نگاری، دانش برقراری ارتباط پنهان و تحلیل نهان نگاری هنر کشف پیام نهان نگاری شده است. علاوه بر کابردهای مجاز نهان نگاری امکان سو استفاده از این الگوریتم ها نیز وجود دارد. به همین جهت تحلیل نهان نگاری از اهمیت ویژه ای برخوردار شده و در سال های اخیر تحقیقات زیادی در این زمینه انجام گرفته است. در این پایان نامه سه روش تحلیل نهان نگاری در حوزه سیگنال تصاویر ارائه گردیده است. روش پیشنهادی اول، از الگوریتم تحلیل مولفه مستقل استفاده شده است. به علت محدودیت ica، با استفاده از الگوریتم حذف نویز یک مشاهده جدید از تصویر مورد بررسی، ایجاد می کنیم. سپس ica سیگنال پوشش و پیام را با استفاده از مشاهدات تخمین می زند. نهایتا بردار مشخصه ی استخراج شده از منابع، توسط ماشین بردار پشتیبان دسته بندی می شود. نتایج حاصل از آزمایشات نشان دهنده ی موفقیت روش پیشنهادی در تحلیل نهان نگاری می باشد. روش دوم با هدف ارائه یک پیش پردازش برای الگوریتم های تحلیل نهان نگاری ارائه شده است. در این پیش پردازش ابتدا تصویر را به بلاک های غیر هم پوشا تقسیم می کنیم. بلاک های مناسب برای تحلیل نهان نگاری با توجه به بردار مشخصه ی استخراجی از هر بلاک انتخاب می گردد. پیش از ارائه بلاک ها به الگوریتم تحلیل نهان نگاری، طرح بیتی مناسب از بلاک های انتخاب شده استخراج می گردد. نتایج حاصل از اعمال پیش پردازش بر روی چندین روش تحلیل نهان نگاری، نشان دهنده کارایی الگوریتم پیشنهادی می باشد. روش سوم با استفاده از مدل تصاویر پاک تشخیص نهان نگاری را انجام می دهد. برای مدل کردن تصاویر، مدل توزیع همسایگان مرتبه اول هر سطح خاکستری استخراج می شود. به ازای هر کدام از پیکسل ها، احتمال مشاهده مقدار جاری پیکسل با استفاده از مدل، محاسبه شده و در ماتریس احتمال ذخیره می شود. در انتها با استفاده از الگوریتم دسته بندی بردار پشتیبان و مشخصه?های استخراجی از ماتریس احتمال، عمل تشخیص نهان?نگاری انجام می گیرد.

چکیده ندارد.