Моделирование и разработка системы внедрения и распознавания скрытых изображений

Если раньше проблема подлинности касалась только полиграфической продукции (ценные бумаги, документы, билеты, деньги и др.), то сегодня защита документов, представленных в цифровом виде (отсканированные документы, фотографии и иные мультимедийные документы), является не менее актуальной. Следовательно, создание систем внедрения скрытой информации, в защищаемые документы, различными методами является актуальной задачей, т.к. позволит обезопасить документы, а также в спорных ситуациях подтвердить их подлинность, либо авторские права. В данной работе разработана математическая модель системы внедрения и распознавания скрытых изображений, отличающаяся от аналогов возможностью расширения множества используемых функций внедрения и распознавания. В отличие от известной унифицированной модели системы встраивания информации в цифровые сигналы, в работе предложена модель, позволяющая реализовать модульный принцип построения системы распознавания изображений, содержащих скрытую информацию, внедренную различными методами. Также на основе построенной модели системы, разработана информационная система внедрения и распознавания скрытых изображений, состоящая из трех взаимосвязанных программных модулей. Данная система представляет собой графическую оболочку к моделям, разработанную на языке MATLAB. Данный подход позволяет интегрировать систему, добавлять новые или вносить изменения в существующие модули, вносить изменения в разработанную модель.

1. Федосеев В.А., Митекин В.А. Метод извлечения водяных знаков из текстурированных полиграфических документов. Компьютерная оптика. 2014;38(4):825-832.

2. Шевелев, А.А. Создание латентных изображений с использованием стохастических растровых структур.Технологія і техніка друкарства. 2009;1-2(23-24):226-233.

3. Топчиев, И. Н. Программный модуль для фильтрации изображений визуализированных магнитных сигналограмм. Стратегическое планирование инновационной деятельности и способы коммерциализации научно-технической продукции. Издательский дом «Астраханский университет». 2008;1:5–8.

4. Жарких А.А., Шагрова Г.В., Дроздова В.И. Математическое моделирование и численный метод контроля латентных изображений. Вестник СевКавГТИ. 2017;30(3):118-121.

5. Найем, Х. Разработка модели водяных знаков цифрового изображения. Международная конференция по методам и приложениям для обработки цифровых изображений. 2011; 1 (19): 468-473.

6. Найем, Х. Водяной знак цифрового изображения: его формальная модель, основные свойства и возможные атаки. Журнал EURASIP о достижениях в обработке сигналов. 2014; 1 (1): 1-22.

7. Жарких, А.А. Система распознавания латентных изображений для робототехнического комплекса. Актуальные проблемы современной науки: IV Международная научно-практическая конференция.Изд-во СевКавГТИ, 2015;2:164- 167.

8. Федосеев В.А. Унифицированная модель систем встраивания информации в цифровые сигналы. Компьютерная оптика,. 2016;40(1):87-98.

9. Маслова О.И., Шагрова Г.В. Алгоритм реализации и распознавания скрытых изображений на основе дискретных волн преобразования и сингулярного разложения матриц. Студенческая наука для развития информационного общества. Х Всероссийская науч.-техн. Конференция с международным участием. Изд-во СКФУ. 2019; 2: 444- 452.

10. Жарких А.А., Шагрова Г.В., Маслова О.И. Пакетное вейвлет-разложение и анализ латентного изображения, полученного методом вариации направления линий. Современная наука и инновации. 2018;24(4):11-19.

11. Коэн, А. Игра с водяными знаками по Гауссу. IEEE Труды по теории информации. 2002; 6 (48): 1639-1667.