MétaCan
Menu
Retour à la cohorte
Enregistrement W4311164555 · doi:10.18280/ts.390533

Entropy Based Secure and Robust Image Watermarking Using Lifting Wavelet Transform and Multi-Level-Multiple Image Scrambling Technique

2022· article· en· W4311164555 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-clésScramblingDigital watermarkingComputer scienceArtificial intelligenceEntropy (arrow of time)Robustness (evolution)Computer visionFidelityWatermarkImage (mathematics)Pattern recognition (psychology)AlgorithmTelecommunications

Résumé

récupéré en direct d'OpenAlex

Online communication platforms prompted the versatility and easiness in communication. That’s why these platforms are witnessing abrupt rise in their usage. On the other side, it can lead to unauthorized replication and alteration of digital images that raises security concerns. Ensuring robustness, security and imperceptibility of digital watermarking has become a critical task. SVD-LWT watermarking technique along with entropy is presented and Y-channel of YCbCr color space is utilized to implant secret information. The presented paper also uses multilevel-multiple image scrambling approach to enhance security. To estimate performance, fidelity parameters namely PSNR, NPCR, UACI, SSIM, UIQI and NCC are used.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,814
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 savante0,0000,001
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 Opus0,036
Tête enseignante GPT0,250
Écart entre enseignants0,214 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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