非線形離散最適化による可逆ステガノグラフィック符号化の自動化【JST・京大機械翻訳】

Chang Ching-Chun

プレプリント

J-GLOBAL ID：202202215402329808 整理番号：22P0295745

非線形離散最適化による可逆ステガノグラフィック符号化の自動化【JST・京大機械翻訳】

Automation of reversible steganographic coding with nonlinear discrete optimisation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2022年02月26日プレプリントサーバーでの情報更新日： 2023年03月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

認証機構は,様々なタイプのサイバークリムから世界を防御する最前線にある。ステガノグラフィは,オブジェクトのインテグリティを確実にし,同時にメタデータ管理の負担を軽減するために,キャリアオブジェクトに埋め込まれたディジタル署名の利用を通して認証ソリューションとして役立つ。それにもかかわらず,ヒト感覚系に対して一般的に受け入れられないにもかかわらず,ステガノグラフィ的歪みの程度は,法医学科学,法的進行,医療診断および軍事的 re察のような忠実度感受性状況において不適当である可能性がある。これは可逆的ステガノグラフィの開発につながった。可逆ステガノグラフィの基本要素は,強力なニューラルネットワークモデルが有効に展開されている予測解析である。もう一つのコア要素は可逆的ステガノグラフィ符号化である。同時符号化は,主に発見的方法に基づいているが,それは,必ずしも最適ではなく,必ずしも最適で,容量-歪性能に対して,ショートカットを提供する。ニューラルネットワークによる自動符号化を実現するためには試みがなされてきたが,完全な可逆性はそのような学習機械を介して不可解である。発見的方法および機械学習に頼る代わりに,数学的最適化によって最適符号化を導出することを目指した。本研究では,対数容量制約と二次歪目的を持つ非線形離散最適化問題として可逆ステガノグラフィ符号化を定式化した。反復混合整数線形計画法を可能にする線形化技術を開発した。実験結果は,ブート力法に対してベンチマークするとき,提案した最適化アルゴリズムの近最適性を検証した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

図形・画像処理一般 , データ保護

, , ,

前のページに戻る