MétaCan
Menu
Retour à la cohorte
Enregistrement W4298009573 · doi:10.18280/ts.390408

A New Block Based Non-Blind Hybrid Color Image Watermarking Approach Using Lifting Scheme and Chaotic Encryption Based on Arnold Cat Map

2022· article· en· W4298009573 sur OpenAlexvenueno aff
Sanjay Patsariya, Manish Dixit

Notice bibliographique

RevueTraitement du signal · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Steganography and Watermarking Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDigital watermarkingEncryptionWatermarkComputer visionScramblingComputer scienceArtificial intelligenceChaoticBlock (permutation group theory)Color imageChannel (broadcasting)Cover (algebra)GrayscaleDigital imageAlgorithmImage (mathematics)MathematicsImage processingComputer network

Résumé

récupéré en direct d'OpenAlex

Online platforms became preferred mode of communication due to advancement in communication technology. Sharing of digital documents over online communication medium grown exponentially and thus demanded a secure, robust and transparent watermarking technique for authenticity of digital media and copyright protection. This research study proposes a robust and secure non-blind SVD-LWT watermarking technique. Color images are employed instead of gray scale images and Y channel of YCbCr color model is utilized to embed secret digital information. The selected color model is in accordance with the human visual system and Y channel is ideal for data hiding. Two level LWT, SVD is used and diagonal matrix of Y channel of host (cover) and watermark image along with scaling factor (α) is used to embed digital data. Block based and chaotic image encryption transform are used for image scrambling. The performances of presented watermarking scheme evaluated with the aid of fidelity parameters namely MSE, PSNR, SSIM and NCC.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,729
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,236
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTraitement du signalMême sujetAdvanced Steganography and Watermarking TechniquesTravaux en français237 207