Программная реализация и исследование метода внедрения цифрового водяного знака в изображение с помощью оптимизационного алгоритма поис

УДК 681.323(075)

 © Д.Я. Гоняк.,  Г.И. Бахрушина, 2017

ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ИССЛЕДОВАНИЕ МЕТОДА ВНЕДРЕНИЯ  ЦИФРОВОГО ВОДЯНОГО ЗНАКА В ИЗОБРАЖЕНИЕ С ПОМОЩЬЮ ОПТИМИЗАЦИОННОГО АЛГОРИТМА ПОИСКА КУКУШКИ

Бахрушина Г.И. - к.ф.-м.н., кафедра “Программное обеспечение вычислительной техники и автоматизированных систем” (ТОГУ), e-mail: gal_bah@mail.ru;  Гоняк Д.Я. – студент кафедры “Программное обеспечение вычислительной техники и автоматизированных систем” (ТОГУ), e-mail: gamkaaaa@mail.ru 

В последнее время, с приходом технологии CUDA Nvidia, многие вычисления переносятся с центрального процессора (CPU) на графический процессор (GPU). На рынке CPU сейчас доступны образцы с 6-ю ядрами, и возможностью выполнения 12 потоков одновременно, с пиковой производительностью около 100 GFLOPs. Топовые модели видеокарт имеют 1536 потоковых ядер, работающих на частоте 1 GHz с максимальной производительностью АЛУ 3.09 TFLOPs, что соответственно в 30 раз больше, чем производительность у CPU и в 60 раз дешевле при пересчете FLOPs/руб. Однако ускорение в 30 раз нужно еще получить, написав код для GPU. В данной работе проводится исследование алгоритма генерации конфигурации для двумерной модели Изинга. Для генерации конфигурации используется алгоритм Монте Карло.

Recently, with the advent of technology CUDA Nvidia, many calculations moved from the CPU (CPU) to the graphics processor (GPU). CPU with 6 cores are now available on the market, and the possibility of 12 threads runned at a time, with a peak performance of about 100 GFLOPs. High-end graphics cards have 1536 stream cores clocked at 1 GHz with a maximum output of ALU 3.09 TFLOPs, which accordingly is 30 times greater than the performance of the CPU and is 60 times more cheaply in terms FLOPs/rub. However, to obtain 30 times the acceleration it requires writing code for GPU. In this paper, we investigate the algorithm for generating a two-dimensional configuration of the Ising model. To generate a configuration was used Monte Carlo algorithm.

Объектом исследования ВКР является алгоритм цифрового маркирования изображений, использующий дискретное вейвлет-преобразование и заимствованный у природы алгоритм поиска кукушки, позволяющий оптимизировать позиции внедрения  цифрового водяного знака.

Целью ВКР является программная реализация указанного алгоритма, а также анализ и исследование алгоритма на устойчивость к различным атакам.

Подлежащая разработке программа позволит незаметно внедрять цифровой водяной знак, представляющий собой бинарное изображение размера  m×m, в полутоновое изображение размера 𝑁×𝑁 (), причем           m =  ,  и извлекать его с хорошим качеством, несмотря на воздействие помех, возникающих при передаче изображения.[pic 1][pic 2]

Ключевые слова: цифровое маркирование изображений, цифровой водяной знак, алгоритм поиска кукушки, полет Леви, дискретное-вейвлет преобразование.

Рассматриваемый в работе  алгоритм  цифрового маркирования изображений был предложен иракскими и китайскими исследователями Jumana Waleed, Huang Dong Jun, Saad Hameed и May Kamil в статье [28] в 2015 году.

Данный алгоритм позволяет маркировать квадратное полутоновое изображение размера NN (N = ) цифровым водяным знаком,  представляющим собой бинарное изображение размера mm (m = ). [pic 3][pic 4][pic 5][pic 6]

Для реализации данного алгоритма используется одноуровневое дискретное вейвлет-преобразование с фильтром Хаара. Основное отличие представленного алгоритма от других алгоритмов цифрового маркирования заключается в использовании оптимизационного алгоритма поиска кукушки.

Данный оптимизационный алгоритм позволяет найти оптимальные позиции для внедрения ЦВЗ и тем самым добиться наилучших значений таких известных показателей как PSNR и NC ( – показателя,  характеризующего незаметность внедрения ЦВЗ в изображение,  и показателя, характеризующего качество извлечения ЦВЗ из маркированного изображения, соответственно.