Использование F-меры для определения порогового значения обнаружения цифровых водяных знаков в изображениях
Предлагается способ определения пороговой границы обнаружения для цифровых водяных знаков, используюшцх оценку уровня корреляции на этапе обнаружения. Задача обнаружения цифрового водяного знака рассматривается как задача бинарной классификации изображений, что позволяет использовать метрики качества бинарных классификаторов, в частности F-меру. В этом случае оптимальное пороговое значение уровня корреляции, которое балансирует ошибки обнаружения разного рода, соответствует максимальному значению F-меры. Значения F-меры вычисляются на заданном наборе тестовых изображений и заданном наборе операций, моделируюших воздействия на изображения в процессе передачи или вследствие действий злоумышленника, направленных на удаление водяного знака. Предлагаются способы уменьшения объема вычислений при поиске максимума F-меры. Производится сравнение предложенного подхода к выбору порогового значения со статистическим методом. Вклад авторов: все авторы сделали эквивалентный вклад в подготовку публикации. Авторы заявляют об отсутствии конфликта интересов.
Ключевые слова
цифровой водяной знак,
F-мера,
пороговое значение обнаружения цифровых водяных знаков,
зашита от несанкционированного копированияАвторы
| Анжин Виктор Андреевич | Национальный исследовательский Томский государственный университет | аспирант кафедры компьютерной безопасности Института прикладной математики и компьютерных наук | viktor.anjin@gmail.com |
| Тренькаев Вадим Николаевич | Национальный исследовательский Томский государственный университет | доцент, кандидат технических наук, доцент кафедры компьютерной безопасности Института прикладной математики и компьютерных наук | kziiktvn@gmail.com |
Всего: 2
Ссылки
Грибунин В.Г., Оков И.Н., Туринцев И.В. Цифровая стеганография. М. : СОЛОН-Пресс, 2016. 262 с.
Cox I.J., Miller M.L., Bloom J.A. Watermarking applications and their properties // Proc.Int. Conf. on Information Technology: Coding and Computing (Cat. No. PR00540). IEEE, 2000. P. 6-10.
Wan W. et al. A comprehensive survey on robust image watermarking // Neurocomputing. 2022. V. 488. P. 226-247. doi: 10.1016/j.neucom.2022.02.083.
Cox I. et al. Digital watermarking and steganography. Morgan Kaufmann, 2007. xxviii, 593 р.
Cox I. J. et al. Secure spread spectrum watermarking for multimedia // IEEE Transactions on Image Processing. 1997. V. 6 (12). P. 1673-1687.
Barni M. et al. A DCT-domain system for robust image watermarking // Signal Processing. 1998. V. 66 (3). P. 357-372.
Cox I.J. et al. Secure spread spectrum watermarking for images, audio and video // Proc. of 3rd IEEE Int. Conf. on Image Processing. 1996. V. 3. P. 243-246.
Jabade V.S., Gengaje S.R. Literature review of wavelet based digital image watermarking techniques // Int. J. of Computer Appli cations. 2011. V. 31 (7). P. 28-35.
Thanki R.M., Kher R.K., Vyas D.D. Robustness of correlation based watermarking techniques using WGN against different order statistics filters // Int. J. of Computer Science and Telecommunications. 2011. V. 2 (4). P. 45-49.
Piva A. et al. Threshold selection for correlation-based watermark detection // Proc. of COST. 1998. V. 254. P. 67-72.
Briassouli A., Strintzis M.G. Locally optimum nonlinearities for DCT watermark detection // IEEE Transactions on Image Processing. 2004. V. 13 (12). P. 1604-1617.
Wang J. et al. Locally optimum detection for Barni's multiplicative watermarking in DWT domain // Signal Processing. 2008. V. 88 (1). P. 117-130.
Kwon S.G. et al. Watermark detection algorithm using statistical decision theory // Proc. IEEE Int. Conference on Multimedia and Expo. 2002. V. 1. P. 561-564.
Powers D.M.W. Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation // arXiv. 2010. Art. 16061. doi: 10.48550/arXiv.2010.16061.
Watermark Detection Threshold Selection // github.com. URL: https://github.com/anjin-viktor/watermark-detection-threshold-selection (accessed: 09.02.2025).
Rashtchian C. et al. Collecting image annotations using amazon’s mechanical turk // Proc. of the NAACL HLT 2010 Workshop on Creating Speech and Language Data with Amazon’s Mechanical Turk. 2010. С. 139-147.
A complete, cross-platform solution to record, convert and stream audio and video // FFmpeg. URL: ffmpeg.org (accessed: 09.02.2025).
Press W., Teukolsky S.A., Vetterling W.T., Flannery B.P. Numerical Recipes in C. Cambridge et al. : Cambridge University Press, 1988. xxvi, 994 р.
Brent R.P. Algorithms for minimization without derivatives. Courier Corporation, 2013.
Plummer B.A. et al. Flickr30k entities: Collecting region-to-phrase correspondences for richer image-to-sentence models // Proc. of the IEEE Int. Conf. on Computer Vision. 2015. P. 2641-2649.
Формат изображения для Интернета. URL: https://developers.google.com/speed/webp (дата обращения: 09.02.2025).
Вы можете добавить статью