安全框架基于选择的视频水印技术解决质量数据丢失:结合图变换为基础,奇异值分解和超混沌加密

文摘

互联网技术的进步导致了音频的可用性,图像和视频等不同形式。未经授权的用户通过传输利用多媒体的使用在不同的网站赚钱不道德不干预原版权所有者。水印技术用来隐藏里面的信号称为水印的多媒体数据不可见的入侵者操纵任何信息。本文获得了水印的方法开发解决版权保护和所有权问题识别。获得了基于图形的变换、奇异值分解和超混沌加密提出了混合动力技术。水印不能嵌入到每一帧的视频,因为它增加了视频水印的大小由入侵者很容易检索。因此,框架提出了选择算法在给定的工作。添加水印的框架增加了质量损失的挑战。质量损失是在这项工作。已经应用于有水印的各种攻击帧计算提出技术使用的性能质量指标:峰值信噪比,结构相似度指数、规范化的相关性和比特误码率。 The results indicate that the proposed technique is effective against various attack scenarios.

1。介绍

多媒体数据的可用性在互联网促使未经授权的人员非法分发多媒体数据,如视频在互联网上。版权保护和所有权等问题识别是著名的和受保护的发展需要技术来应对这些问题。视频是最可腐蚀的多媒体数据和未经授权的人分发视频为他们自己的利益和在这方面赚了很多钱。非法销售视频见图1视频在哪里接触互联网DVD发布或电影发布后,这个问题导致了电影产业的巨大损失。大量的实时视频正在流行各种像NETFLIX和AMAZON PRIME奥特平台。版权保护的问题再次成为这些平台的视频被发布到互联网,从而降低用户访问这些网站的数量。有必要的安全技术来识别这些未经授权的用户,从而阻止非法销售。水印是一种嵌入的技术秘密和不显明的信号在视频这是任何未经授权的用户无法辨认的。多媒体数据和内部的水印嵌入加密水印提取的过程从研究者的测试方案的有效性。视频需要有水印的分布在整个网络。图2描述了水印的过程的关键内部嵌入的水印。

本文提出的技术嵌入的秘密信号和额外的安全功能,未经授权的人无法识别它。中可用的实时视频压缩领域,因为它是非常具有挑战性的销售未压缩域视频在互联网上。未压缩的视频是原始视频和原始视频的压缩域视频编码版本。可用在很多视频编解码器像XVID, h, H.265和WMV。用于实时视频的编解码器是h。该技术将在压缩域的视频中嵌入水印。嵌入水印的主要挑战在视频帧的选择,嵌入后质量损失。

框架做的选择,因为水印不能嵌入到每一帧的视频会很容易检测水印的未经身份验证的用户和删除它。质量损失的主要约束研究作为水印的嵌入影响视频的质量。有许多可用的水印技术。图中描述的不同类型的技术3。最常见的类型的水印技术是频域技术,如离散余弦变换(DCT)和离散小波变换(DWT)。许多研究人员应用这些技术来提供解决这些问题。虽然这些技术都很好,可以在很多方面改善。中使用的加密机制提出技术增加了额外的安全功能,因为它将是非常困难的对于任何入侵者检测水印和恢复水印有水印的视频。拟议的研究中使用的技术是基于图像变换和奇异值分解为基础。这种组合应用于加密的水印。加密可以在很多方面,如密码、AES和DES。为什么AES和DES并不是用于加密水印是他们非常压缩,使水印算法更加复杂的超混沌加密(1)用于研究。

提议的有效性测试技术在应用某些有水印的视频信号处理攻击。高斯噪声,加强攻击、旋转、模糊和JPEG压缩攻击已经应用于有水印的视频。质量参数、峰值信噪比(PSNR),结构相似度指数(SSIM),归一化相关(NC)和误比特率(BER),用于研究。这个手稿的重大贡献是总结如下。(一)我们提出的帧选择算法确定最佳合适的压缩域视频帧。(b)我们提出新的技术基于图形的变换、奇异值分解和超混沌加密水印嵌入。(c)我们提出的性能评估技术对各种信号处理攻击。

本文的组织如下:部分2在这一领域审查所有相关的工作,第三节拟议的技术,介绍了研究方法第四节礼物来自各种实验结果进行选择的视频,和第五节描述了从给定的研究获得的结论。

2。相关工作

提出了视频水印技术的数字水印领域的。最突出的水印嵌入方法是离散小波变换(DWT)。这种技术已被许多研究人员应用的转换框架DWT是一种可靠的方法。空间域方法给出快速但不够健壮,处理任何信号处理攻击(2,3]。频域技术DWT和DCT已经被许多研究者使用。技术是好,但遭受的问题降维;这就是为什么这些技术加上另一种技术被任命为奇异值分解(计算)。水印的主要限制是水印嵌入的地方。现在提出了许多技术和方法,研究了特征选择和特征提取。提出了快速方法像SLFNs (4基于极限学习机。算法等优化算法(5)提高现有算法的效率,针对高适应度函数的值与各自的数学模型。数字水印技术可以更安全的通过添加加密机制。中提出的技术(6增加了上述机制的安全特性。频域技术可以优化的性能使用遗传算法等优化算法(7]。PSO算法(8]也优化水印技术通过质量的性能参数考虑进去。基于图形的变换是一种新的变换,解读图表的形式的信号。提出了一种新的基于图形变换深度映射编码(9]。框架选择的过程的研究是非常重要的方面。框架选择算法通过使用相同的帧提取概念(10]。场景变化检测的过程中应用了Masoumi [11]。拟议的工作灵感的研究多年来在视频和打算解决问题的现有研究。不同的频域技术用于水印(12]但DWT已被许多研究人员使用。圣言的应用是提取好的最大数量的功能来执行转换系数S分量的计算矩阵可以抵抗图像压缩和处理攻击和嵌入水印时不会影响任何的频域方法加上圣言(13]。傅里叶变换的频域的一部分技术(14),但这项技术不会产生好的结果无法感知。框架选择的过程完成的基础上变化场景的帧数。计算使用直方图差异(15]。一个新的灰太狼优化器是用于解决局部最优问题,从给定的一组解决方案中找到最优解。拥有是一种有效的算法技术(16]。混合的组合DWT-SVD提出了不同的研究人员。混合动力技术基于DWT-SVD连同萤火虫算法得到高质量的参数值(17]。提出了一种视频水印技术与应用程序使用多个小波DWT-SVD [18]。GBT变换解相关申请数据(19也是一个有效的变换,可以应用于多媒体数据。一个semiblind DWT-SVD技术提出了压缩域视频(20.]。图像傅里叶变换用于深度图编码。这种技术在多媒体数据中产生好的结果(21]。混合变换DWT-SVD产生有利的结果的质量参数。混合变换结合模糊症架构灰度图像。这是生产好的视觉质量有水印的图像(22]。DWT-SVD被应用于视频Sharma [23]。水印嵌入技术隐藏信号在多媒体数据,确保数据安全,各种加密技术与频域技术一起使用。王(24)提出了加密的水印技术使用多个种类的混乱。一种混合遗传算法结合果蝇优化(25]地址QOS参数,有助于在更短的计算时间解决这个问题。同样的技术可以被用于水印产生好结果。BWT-SVD相结合的混合动力技术和优化算法(26将水印嵌入到多媒体数据。盲人h压缩域技术发现的某些领域提出了嵌入水印的帧。提出了模式识别技术(27]。沙玛(28)增强工作通过添加置换的密码的组合变换DWT-SVD加强安全。置换的密码中使用(29日在安全问题上。研究中使用的密码(30.)提高安全的数字水印技术。相结合的方法提出了基于图形的变换和奇异值分解的图像各自的工作(31日]。曹(1)提出了一种加密技术,产生良好的结果与他人相比。GBT-SVD变换产生更好的结果比之前GBT用于研究[9,19]。表1说明了差距在最近的研究在这个领域。

3所示。提出的方法

在本节中,我们提出一个框架选择机制之后,某些攻击的水印嵌入和应用该技术。在这个研究中,框架选择过程是重要的水印信息是敏感的,不应该泄露给任何入侵者。在每一帧中嵌入水印的信息容易被不明身份的用户和增加在每一帧添加水印的大小有水印的视频。因此,框架选择机制是很重要的。这种机制是紧随其后的是水印嵌入,然后评估拟议的技术是通过应用一定的攻击场景。

3.1。帧提取和选择

第一阶段提出的工作是找到合适的提取视频帧的帧数。找到合适的实时帧的过程是通过使用场景变化检测。不能嵌入水印在所有帧的视频它很容易成为每一个对于任何入侵者检测水印,水印添加到所有帧也增加视频的大小。找到合适的帧的过程变得重要。选择重要的框架,应用场景变化检测机制。彼此相邻帧的比较。相同的帧的分组。差异将决定是否帧的值将被视为同一组或不同组的一部分。如果差异很大,那么它将被认为是不同的组的一部分。决定将被视为阈值的参数; if the value of frame difference is higher than the value of threshold, the next frame will be the part of next group. The same is illustrated in Figure4。执行时间采样,提高了框架选择的过程,让更好的结果比(10]。第一帧的选择是来自所有不同的组来完成的。可以表示为直方图帧差的区别,可以表示为 在FD_k和代表帧区别吗T_k直方图的值吗k^th框架的水平米和我的数量水平的直方图。分组相似的图像是基于场景变化检测。阈值检测维护强度直方图差异计算突然之间过渡帧(为了找到更大的框架的区别)。这种情况下表示为 K_b是阈值。σ和µ是选择框架的标准差和均值强度直方图差异。选中的值α的研究是2.8。颞抽样也增强框架选择的过程。框架选择的标准取决于FD的比较_k与K_b。算法测试6视频。相关的框架做了选择。标准的帧率是29.97。总共6视频已作为这个过程的数据集。

更多的视频场景变化将有更多的选择的框架。说明了此过程的帮助下算法作为算法1。

Akiyo视频没有任何场景变化;因此,不会选择和水印嵌入帧不会发生。水印嵌入之前帧只选择过程。这一步是总框架的评估参数选择提取帧的视频。帧提取的过程完成之后,框架的选择。一些视频数量较小的场景变化;因此,减少帧将被选中。如果没有发现任何场景,然后没有选择框架。纯存储视频更多的场景变化;因此更多的帧将被选中。 The importance of frame selection comes from the fact that watermarking on still number of frames will give a chance to any unauthorized person to get access of watermark content because of similar properties [32]。图4描述了框架选择的过程。框架选择使用场景变化检测是给予更好的结果,特别是在未压缩域。分组相似的图像,阈值计算使用(2);场景变化检测到的那一刻,第一帧在个人选择框架遵循同样的步骤,直到所有的提取帧处理(33]。过程是快速避免类似的框架选择,从而节约时间坐标系选择和储蓄整体嵌入时间嵌入过程。结果制定在MATLAB使用i5处理器2019 b。

3.2。提出的数字水印技术

下一步选择帧后嵌入加密的水印。嵌入水印加密之前选择的框架(34]。水印嵌入质量损失的构成了巨大的挑战。应对嵌入后质量损失的问题,提出的技术应该是针对高质量参数的PSNR值。基于混合图的组合变换,提出了奇异值分解和超混沌加密应对多媒体数据的安全问题。基于图形的变换(GBT)是一种形式的变换,利用信号图并产生更好的结果的调整信号结构的图像(35]。GBT用作健壮的对各种图像处理领域的攻击场景。奇异值分解计数器的问题降维(36]。框架选择完成后,选择框架被应用与GBT变换之后,圣言,同时与超混沌加密水印加密之前被应用到选定的帧。所选框架作为一个信号的形式图和转换应用使用GBT [37]。S值是在圣言。使用超混沌加密和水印进行加密计算应用于(38]。S的值选择的框架和水印相结合形成修改后的年代有水印的框架的价值。提出的水印嵌入技术进一步在以下部分中讨论。

3.2.1之上。嵌入技术

基于图形的变换是由新成立的变换 在哪里V和E图的顶点和边,年代代表帧信号(39图G) 在哪里米_我,j代表的重量优势。度矩阵 是一个对角矩阵,元素是哪里

然后,Laplacian-Graph矩阵l将被定义为 的运营商l也被称为基尔霍夫操作符,表示为邻接矩阵a的特征值分解完成设定的非负特征值代表的 ;正交特征向量表示 ,导出为

解相关信号的定义在图上使用特征向量。

奇异值分解是通过使用方程10号,变换使用年代更耐图像处理攻击。

3.2.2。加密的水印嵌入之前

水印嵌入在选定帧加密使用超混沌加密安全特性添加到提出技术(1]。的价值x,y,z,从上面计算方程将用于加密水印图像中使用一个框架。标准值的a、b和c被按文献[中的值1]。第二步是转换R;年代完成到x,y的列和行加密水印图像。第三步是交换的系数米^th行和x(米)^th连续的图像W−米= 1,2,…我,N= 1,2,…j;看算法2。

加密水印图像的表示为W(我,j),表示为图像大小米 n。第一步是生成的序列R,年代使用洛伦兹系统。这里新增的安全特性增加了安全功能通过加密水印在嵌入之前,从而使技术更加安全。实时应用程序广播面临的安全问题和版权保护等;提出现有超混沌加密技术结合增加了安全功能,还增加了版权保护。图5描述了水印嵌入过程。

3.3。提取过程

在下一节中提出的工作描述水印提取过程,恢复水印有水印的视频。有水印的视频中提取的水印是嵌入的逆过程的帮助下水印嵌入时(13)。帧的提取是紧随其后的是应用GBT和奇异值分解和提取按下列计算方程。这是紧随其后的是逆GBT和逆圣言;然后解密使用的关键;则恢复水印。图6描述了水印提取过程: 在哪里W(我,j)提取水印,WF′(我,j)是有水印的框架,一个(我,j)选择框架。

提取过程是用来找到原始的区别和提取水印。高区别这两种水印技术是无效的;然而,根据计算结果,发现有一个微不足道的差异在两种水印提取完成后,如算法所示3。

3.4。绩效评估

水印技术的绩效评估通常是计算在质量上视频和参数鲁棒性对高斯噪声等各种攻击场景,锐化,旋转、模糊和JPEG压缩。SSIM参数PSNR,数控,方方面面。(一)PSNR(峰值信噪比)是一个主要质量参数,区分正本和水印框架基于均方误差。平均PSNR PSNR值之和除以所有选定的帧的帧数。该技术的目的是获得高的PSNR值嵌入水印引起质量损失。更高的PSNR值表示技术的效率。它是由以下方程:计算 在哪里G和H行和列的图片: 人工智能(我,j)选择框架;EI (我,j)是有水印的框架。 (b)归一化相关(NC):这个参数用于发现有水印的帧和选中的帧之间的相关性。这是计算使用以下方程: (c)结构相似度指数测量(SSIM):这个参数用于查找结构相似性有水印的框架和选择的框架。它是计算从以下方程: 在哪里P_米和P_n代表的平均水平米和n列;K_米和K_n代表的方差米和n;K_锰代表的协方差米和n和c1,c2变量。(d)误比特率(BER):这是PSNR的逆计算以下方程:

数控的数值,SSIM,误码率躺在[0,1]的范围。而SSIM和数控测量相似,所以高值的首选和数量成反比PSNR值显示技术的效率较低。

4所示。实验结果

结果是评估在MATLAB使用i5处理器2019 b。框架选择时间和嵌入时间取决于所使用的处理器的类型。编译的结果依赖于水印嵌入时间和帧选择时间。总共6共同交换格式(Cif)已经采取了视频编码和帧选择机制完全取决于数量的视频场景变化。一些视频更多的场景变化;因此更多的帧将被选中。Akiyo没有足够的场景变化检测的水印技术不能应用于FD的价值_k(帧差)不大于K_b(阈值)没有明显的从视频帧选择;其他有显著的视频帧选为每帧选择算法。视频从数据中获得的数据集7(一)- - - - - -7 (e)这意味着一些选定的帧数据集的视频。随着这些视频2二进制水印及其加密版本已被证明;在研究压缩域视频中使用的相同类型的视频播放应用程序;删除未经授权的访问这些视频,视频与加密的水印嵌入,解决了实时应用所面临的问题。加密的水印不仅解决了安全问题,而且增加了版权保护,实现所有权识别。更高的PSNR值和较低的值的误码率影响该技术高效少导致损失的输出视频质量。每个视频都有不同的属性,这意味着每个视频帧选择将会不同。也是在这研究不同的视频有不同的帧数选择。

4.1。实验测试进行质量检查

实验结果被分成特定的阶段,开始输入视频Avi或Mp4文件;这个阶段是紧随其后的是帧提取。帧中提取。png格式as.jpeg是一种压缩格式。使用标准帧率29.97帧提取。下一阶段是嵌入水印相结合的S值水印和选定的帧。的最后阶段是检查效率提出技术运用信号处理攻击他们进一步采取的部分。水印嵌入是以选中的帧中描述的数据7(一)- - - - - -7 (e);压缩域的视频被压缩域视频需要更多的时间来处理。Cif格式被称为共同交换格式,它被称为一个标准化的格式图片分辨率和数据已经从网站获得命名https://media.xiph.org/video/derf/。数据8(一个)- - - - - -8 (h)描述选择帧以及选择水印。所有的视频都是相同的分辨率和帧的选择我的年代在实时完成。视频编码标准mpeg - 4格式使用编解码器x264。质量参数的值是根据原与有水印的帧。

表2代表输入视频的比较和选择的帧数从给定的视频。发现纯存储视频具有更高的帧数选择的视频。表3代表了水印的嵌入1选择帧没有任何攻击。提出了计算技术的性能与各种因素表表示3。数据9(一个)- - - - - -9 (d)描述的性能应用嵌入技术没有攻击。

4.2。实验测试时间复杂性

表4编译所需的处理时间(以秒为单位)进行框架选择,嵌入时间给定的一组视频。时间是完全基于处理器的需求。消耗的总时间取决于选择的视频帧。纯存储视频有5选择帧,每一帧的时间从20到35秒每一帧。嵌入时间的价值选择的帧数量成正比。总共5帧选择从纯存储视频;因此,总嵌入时间同样是最高的视频。水印嵌入系数保持0.02和GBT随后圣言在选定的帧和混合水印的价值。拟议的技术是快速,每个处理器需求,工作相当好的速度。人物的情节10 ()和10 (b)表示时间的选择从5帧视频。更多数量的变化成正比的视频帧选择时间和水印嵌入在选定为单个视频帧取决于选择的帧数。人物的情节10 ()和10 (b)标志着嵌入时间被选中的帧的视频。表4代表的总框架选择时间和嵌入时间输入视频。

4.3。处理事件

提出技术的鲁棒性测试针对高斯噪声等各种攻击场景,锐化,旋转、模糊和JPEG压缩。一系列的实验进行攻击每一个有水印的框架来衡量质量损失。这项技术的鲁棒性完全取决于PSNR值的值,SSIM,数控,误码率。

4.4。高斯噪声攻击

在高斯噪声攻击中,随机高斯序列{0.01}的值被添加到所有选定的帧有水印的视频使用水印1。它可以看到人物的情节(11日)- - - - - -11 (d)平均PSNR、数控和SSIM减少与增加攻击攻击价值价值和数量增加而增加。数据(11日)- - - - - -11 (d)实时编译测试通过应用这种攻击0.01高斯值;表5代表质量参数高斯噪声攻击后的结果。

4.1.1。加强攻击

在加强攻击,一个随机序列{0.01}被添加到实际价值的所有帧有水印的视频使用水印1。它可以看到人物的情节12(一个)- - - - - -12 (d)平均PSNR、数控和SSIM减少与增加攻击攻击价值价值和数量增加而增加。加强攻击应用于突出图像的细节。加强攻击是攻击,增强了高、低频率的变化选择帧。更多的变化导致图像失真。它应用于低和高频段的形象。在我们的研究中,这种攻击是有水印的应用找出差异框架这种攻击和没有它。质量参数加强攻击后的结果在表表示6。

10/24/11。旋转攻击

轮流攻击,有水印的框架使用水印旋转角90 1。更高的旋转攻击会影响PSNR的有水印的框架。旋转攻击影响的质量指标越高角坐标系的旋转。它可以看到人物的情节(13日)- - - - - -13 (d)数控,平均PSNR和SSIM恶化增加攻击攻击价值价值和数量增加而增加。旋转攻击是由旋转有水印的框架和正常选择框架。技术对旋转攻击是脆弱的,它不会取得好的结果。的优化算法寻找最佳适应度函数的值可以提高质量标准对这种攻击。表7代表质量参数应用旋转攻击后的结果。

4.4.3。模糊攻击

在模糊攻击中,实际值的随机序列{2.05}是有水印的视频添加到所有帧使用水印1。的攻击是由运动引起的模糊对象。移动对象越多,越低的PSNR。它可以看到人物的情节(14日)- - - - - -14 (d)平均PSNR、数控和SSIM减少与增加攻击攻击价值价值和数量增加而增加。在这项研究中,我们应用模糊攻击检查有水印的帧的运动。更高的PSNR值将表明该技术的有效性。表8代表质量参数应用模糊攻击后的结果。

4.4.4。JPEG压缩攻击

{98}在JPEG压缩攻击中,值,应用于所有有水印的视频帧。JPEG压缩决定多少数量可以应用压缩攻击。JPEG压缩应用程序上有水印的框架表示没有显著变化。它可以看到人物的情节(15日)- - - - - -15 (d)平均PSNR、数控和SSIM减少值压缩攻击值下降和误码率增加与减少攻击值。表9代表质量参数运用JPEG压缩攻击后的结果。

5。结论和未来的工作

我们提出了一个新颖的基于帧选择水印技术(GBT-SVD-hyperchaotic)来解决质量数据丢失。框架选择算法来选择适当数量的帧在每一帧添加水印嵌入算法的时间复杂度。框架选择的基础上完成的场景变化做视频。基于混合图的组合变换,奇异值分解和超混沌加密水印嵌入提供了有效的结果。拟议的技术被发现健壮的许多信号处理攻击,高斯噪声,锐化攻击,旋转、模糊和JPEG压缩。额外的安全机制应用于拟议的工作给添加优势置换的密码相关的工作。提出的方法是快速;然而,它面临着缺乏优化算法的局限性。提出技术的性能可以像灰太狼一样提高了应用优化算法优化,优化嵌入因子,因此针对高的PSNR值。

数据可用性

上可用的数据开放和请求。

的利益冲突

作者宣称没有利益冲突。

引用

1. 曹z l·王,“一个安全的视频水印技术基于超混沌洛伦兹系统,”多媒体工具和应用程序,卷78,不。18日,第26109 - 26089页,2019年。视图:出版商的网站|谷歌学术搜索
2. t . s . Bhattacharya将挑战,朋友,”一个调查在不同的视频水印技术和比较分析,参照h . 264 / AVC”页1 - 6,2006。视图:出版商的网站|谷歌学术搜索
3. d .你们,c .邹、戴y和z王”一种新的自适应水印实时MPEG视频,”应用数学和计算,卷185,不。2、907 - 918年,2007页。视图:出版商的网站|谷歌学术搜索
4. G.-B。黄和l·陈,“凸增量极端的学习机器,”Neurocomputing,卷70,不。16 - 3056 - 3062,2007页。视图:出版商的网站|谷歌学术搜索
5. f t d .赵,y,和z,“资源服务组合和最佳选择基于粒子群优化的制造网格系统,”IEEE工业信息,4卷,不。4、315 - 327年,2008页。视图:出版商的网站|谷歌学术搜索
6. 王x和m .王”,一个超混沌产生的洛伦兹系统,”自然史答:统计力学及其应用,卷387,不。14日,第3758 - 3751页,2008年。视图:出版商的网站|谷歌学术搜索
7. 答:阿勒-哈吉和a . Abu-Errub”性能优化的基于离散小波变换的图像数字水印使用遗传算法,“4卷,没有。10日,834 - 841年,2008页。视图:出版商的网站|谷歌学术搜索
8. c·h·吴y郑,w·h·Ip, c . y . Chan k . l .容和z . m .,”一个灵活的h / AVC压缩视频水印方案使用基于粒子群优化的抖动调制,”AEU-International电子和通讯》杂志上,卷65,不。1,27-36,2011页。视图:出版商的网站|谷歌学术搜索
9. g .张w·金,a·奥尔特加j .石田和a .日本久保田公司“深度映射编码使用基于图的变换和变换域sparsification,”2011年。视图:出版商的网站|谷歌学术搜索
10. t . Tabassum和s . m . m .伊斯兰教”,基于相同的帧提取的数字视频水印技术在三级DWT,”2012年。视图:出版商的网站|谷歌学术搜索
11. m . Masoumi和美国Amiri盲目scene-based水印视频版权保护,”AEU-International电子和通讯》杂志上,卷67,不。6,528 - 535年,2013页。视图:出版商的网站|谷歌学术搜索
12. r . Rewani m·库马尔,答:两个“数字图像水印:一项调查,”国际工程研究和应用程序(IJERA)杂志,3卷,不。4、1750 - 1753年,2013页。视图:谷歌学术搜索
13. o . s . Faragallah“高效视频水印基于奇异值分解在离散小波变换域,“AEU-International电子和通讯》杂志上,卷67,不。3、189 - 196年,2013页。视图:出版商的网站|谷歌学术搜索
14. m·库马尔和r . Rewani使用分数傅里叶变换的数字图像水印图像压缩,”2013年。视图:出版商的网站|谷歌学术搜索
15. p . Venugopala h . Sarojadevi n . Chiplunkar诉Bhat,“视频水印通过调整像素值和使用场景变化检测,”2014年。视图:出版商的网站|谷歌学术搜索
16. s . Mirjalili s . m . Mirjalili和a·刘易斯,“灰太狼优化器,”工程软件的进步卷。69年,46 - 61年,2014页。视图:出版商的网站|谷歌学术搜索
17. a . Mishra c Agarwal, a·沙玛,p·贝迪”优化灰度图像水印使用DWT-SVD和萤火虫算法,”专家系统与应用程序第41卷。。17日,第7867 - 7858页,2014年。视图:出版商的网站|谷歌学术搜索
18. b . bloom和c·阿伦,”一个增强的方法在视频与多个使用小波水印,水印”通信技术和电子杂志》上,卷61,不。2、165 - 175年,2016页。视图:出版商的网站|谷歌学术搜索
19. 和l . j .侯h . Liu洲,“基于变换解相关的数据,2016年。视图:出版商的网站|谷歌学术搜索
20. d·考尔金达尔,“半Blind-DWT-SVD视频水印。”Procedia计算机科学,46卷,第1667 - 1661页,2015年。视图:出版商的网站|谷歌学术搜索
21. 即Daribo、d . Florencio和g .张“任意形状的运动预测深度视频压缩使用算术编码,“IEEE图像处理,23卷,不。11日,第4708 - 4696页,2014年。视图:出版商的网站|谷歌学术搜索
22. c . Agarwal A Mishra,沙玛,“小说灰度图像水印使用混合Fuzzy-BPN架构,”埃及信息学杂志,16卷,不。1,第102 - 83页,2015。视图:出版商的网站|谷歌学术搜索
23. c . Sharma g·辛格·g·辛格,“有效的视频水印技术质量损失的数据,”印度科学和技术杂志》上,2016卷,2016年。视图:谷歌学术搜索
24. HY。w . Wang, p .太阳,y彭日成,比比任,“一种新颖的基于小波变换的数字图像加密算法和Multi-Chaos”无线通信和传感器网络,2016卷,2016年。视图:谷歌学术搜索
25. f . Seghir和A . Khababa“混合方法利用基因和果蝇优化算法QoS-aware云服务组合,”《智能制造,2016卷,2016年。视图:谷歌学术搜索
26. 答:为了和r . Tirumala”,基于双正交小波变换的视频水印使用优化技术,”今天材料:诉讼,5卷,不。1,第1477 - 1470页,2018。视图:出版商的网站|谷歌学术搜索
27. a . Mansouri a Aznaveh f·拉扎,“盲目h压缩视频水印模式考虑”《IEEE国际会议音响、演讲和信号处理美国德克萨斯州,2010。视图:谷歌学术搜索
28. c·沙玛,a Bagga视频水印方案基于DWT,圣言,栅栏质量损失的数据,”2018年。视图:出版商的网站|谷歌学术搜索
29. 拉西普A、A . Mishra和r·巴拉”小说模糊选择基于mpeg - 4的视频水印方案使用双向极端的学习机器,”应用软计算杂志,2018卷,2018年。视图:谷歌学术搜索
30. m . w . Wang Si, y彭日成et al .,“一个基于结合混沌加密算法在人体区域网络,”计算机与电气工程卷,65年,第291 - 282页,2018年。视图:出版商的网站|谷歌学术搜索
31. m . Shabaz和c Garg“集群Yelp的信心数据通过各种方法估计错误率,”今天材料:诉讼,2020年。视图:出版商的网站|谷歌学术搜索
32. m·考尔·d·辛格,r . s . Uppal“平行力量基于帕累托进化algorithm-II图像加密的,”专业图像处理,14卷,不。6,1015 - 1026年,2019页。视图:谷歌学术搜索
33. a·古普塔d·辛格,m·考尔,“一个有效的图像加密使用基于non-dominated排序遗传algorithm-III 4 d混乱的地图,“环境智能和人性化计算杂志》上,11卷,不。3、1309 - 1324年,2020页。视图:出版商的网站|谷歌学术搜索
34. m·考尔·d·辛格,k .太阳和Rawat,“彩色图像加密使用non-dominated排序遗传算法与当地基于混沌搜索的5 d混乱的地图,“未来一代计算机系统卷,107年,第350 - 333页,2020年。视图:出版商的网站|谷歌学术搜索
35. 答:一、侯赛因,A . Algarni和m .:“一个强大的在线多媒体版权保护的水印方案使用新的混沌映射,”应用密码学和抗噪声数据安全,1卷,2018年。视图:谷歌学术搜索
36. h . Santoyo-Garcia e . Fragoso-Navarro r . Reyes-Reyes c . Cruz-Ramos和m . Nakano-Miyatake”可见水印技术基于人类视觉系统对单传感器的数码相机,“安全性和通信网络,1卷,2017年。视图:谷歌学术搜索
37. m·法塔赫·m·Rezvani, y .伊朗的“一种新的编码方法基于LSB匹配隐写术重新审视,“安全性和通信网络,1 - 15卷,2021年。视图:谷歌学术搜索
38. j .曾庆红和c·王”,一种新颖的超混沌图像加密系统基于粒子群优化算法和细胞自动机,”安全性和通信网络,1 - 15卷,2021年。视图:谷歌学术搜索
39. 周秦,棕褐色,f . j .徐>,“可核查steganography-based秘密图像共享方案5 g网络,”安全性和通信网络1 - 14卷,2021年。视图:谷歌学术搜索

版权

版权©2021是Sharma等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。