整合向量量化神經網路與可逆式資訊藏匿法之研究

NCUTIR > College of Electrical Engineering and Computer Science > Department of Computer Science and Information Engineering > 【資訊工程系所】博碩士論文 > Item 987654321/5212

Please use this identifier to cite or link to this item: http://ir.lib.ncut.edu.tw/handle/987654321/5212

Title:	整合向量量化神經網路與可逆式資訊藏匿法之研究
Authors:	楊惠君林基源
Contributors:	資訊工程系
Keywords:	可逆式資料藏匿方法遺傳基因演算法向量量化遺傳基因改良式競爭學習網路
Date:	2012
Issue Date:	2013-08-07 13:57:58 (UTC+8)
Publisher:	台中;國立勤益科技大學
Abstract:	影像壓縮(image compression)為了達成通訊、傳輸或儲存的目的，使位元率(bit rate)下降後，影像仍必須保持令人滿意的解析度及可視品質。向量量化(Vector Quantization,VQ)技術為目前普遍受到大家所歡迎的影像壓縮技術之一，它的目的(goal)在於建立一個編碼簿(codebook)使得介於訓練向量(training vector)與編碼簿中之編碼向量(codevector)的平均誤差最小，它是影像壓縮中最重要的技巧之一。可逆式資料藏匿方法(Reversible Data Hiding)的特點可以使原來的媒體經過資料藏匿的運算後，可以完整還原成原來的媒體。本篇論文將使用可逆式藏匿方法，主要是將媒體經過差值運算轉成直方圖，再將訊息藏匿於高峰點上(Peak Point)，可達隱匿版權的效果。本篇論文主要結合可逆式資訊藏匿方法與遺傳基因改良式競爭學習網路(Genetic Modified Competitive Learning Network , GMCLN)，首先將秘密影像利用GMCLN產生編碼簿(codebook)，再利用可逆式資料藏匿方法將此編碼簿嵌入偽裝影像。驗證時可完整的將編碼簿嵌出，也不會破壞其偽裝影像。從實驗結果得知，本論文使用此方法可以嵌入大量的資訊，而並不會使得偽裝影像的PSNR值受到太大的影響，是本論文最重要發現，將可解決嵌入容量不足的問題。
Appears in Collections:	[Department of Computer Science and Information Engineering] 【資訊工程系所】博碩士論文

Files in This Item:

There are no files associated with this item.

View Licence

Loading...