Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Digital Watermarking Method for Printed Matters Using Deep Learning for Detecting Watermarked Areas Kaedah Penanda Air Digital untuk Perkara Bercetak Menggunakan Pembelajaran Mendalam untuk Mengesan Kawasan Tera Air

Hiroyuki IMAGAWA, Motoi IWATA, Koichi KISE

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Terdapat beberapa teknologi seperti kod QR untuk mendapatkan maklumat digital daripada bahan bercetak. Penanda air digital adalah salah satu daripada teknik tersebut. Berbanding dengan teknik lain, penanda air digital sesuai untuk menambah maklumat pada imej tanpa merosakkan reka bentuknya. Untuk tujuan tersebut, kaedah penanda air digital untuk perkara bercetak menggunakan penanda pengesanan atau teknik pendaftaran imej untuk mengesan kawasan bertanda air dicadangkan. Walau bagaimanapun, penanda pengesanan itu sendiri boleh merosakkan penampilan sehingga kelebihan penanda air digital, yang tidak kehilangan reka bentuk, tidak digunakan sepenuhnya. Sebaliknya, kaedah menggunakan teknik pendaftaran imej tidak dapat berfungsi untuk imej yang tidak didaftarkan. Dalam makalah ini, kami mencadangkan kaedah penanda air digital baru menggunakan pembelajaran mendalam untuk pengesanan kawasan bertanda air dan bukannya menggunakan penanda pengesanan atau pendaftaran imej. Kaedah yang dicadangkan memperkenalkan pembahagian semantik berdasarkan model pembelajaran mendalam untuk mengesan kawasan bertanda air daripada bahan bercetak. Kami menyediakan dua set data untuk melatih model pembelajaran mendalam. Satu terdiri daripada imej tidak bertanda air dan bertanda air yang diubah secara geometri. Bilangan imej dalam set data ini agak besar kerana imej boleh dijana berdasarkan pemprosesan imej. Set data ini digunakan untuk pra-latihan. Satu lagi diperolehi daripada gambar yang sebenarnya diambil termasuk perkara bercetak tidak bertanda air atau bertanda air. Bilangan set data ini agak kecil kerana mengambil gambar memerlukan banyak usaha dan masa. Walau bagaimanapun, kewujudan pra-latihan membolehkan imej latihan yang lebih sedikit. Set data ini digunakan untuk penalaan halus untuk meningkatkan kekukuhan bagi serangan kamera cetak. Dalam eksperimen, kami menyiasat prestasi kaedah kami dengan melaksanakannya pada telefon pintar. Keputusan eksperimen menunjukkan bahawa kaedah kami boleh membawa 96 bit maklumat dengan perkara bercetak bertanda air.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E104-D No.1 pp.34-42
Tarikh penerbitan
2021/01/01
Diumumkan
2020/10/07
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2020MUP0004
Jenis Manuskrip
Special Section PAPER (Special Section on Enriched Multimedia — Multimedia Security and Forensics —)
kategori

Pengarang

Hiroyuki IMAGAWA
  Osaka Prefecture University
Motoi IWATA
  Osaka Prefecture University
Koichi KISE
  Osaka Prefecture University

Kata kunci

Contents [show]