Bu kaydın yasal hükümlere uygun olmadığını düşünüyorsanız lütfen sayfa sonundaki Hata Bildir bağlantısını takip ederek bildirimde bulununuz. Kayıtlar ilgili üniversite yöneticileri tarafından eklenmektedir. Nadiren de olsa kayıtlarla ilgili hatalar oluşabilmektedir. MİTOS internet üzerindeki herhangi bir ödev sitesi değildir!

A Generaliztion Of Arnold's Cat Map And Fraction Based Embedding In Image Steganography

Diğer Başlık: A Generaliztion Of Arnold's Cat Map And Fraction Based Embedding In Image Steganography

Oluşturulma Tarihi: 25-09-2019

Niteleme Bilgileri

Tür: Tez

Alt Tür: Doktora

Yayınlanma Durumu: Yayınlanmamış

Dosya Biçimi: PDF

Dil: İngilizce

Konu(lar): TEKNOLOJİ,

Yazar(lar): Buker, Mohamed M. M. (Yazar),

Emeği Geçen(ler): Tora, Hakan (Tez Danışmanı), Gökçay, Erhan (Tez Danışmanı),


Yayın Tarihi: 11-07-2019


Dosya:
file show file
Görüntüle
download file
Kaydet

Anahtar Kelimeler

Steganography, Arnold Transform, Least Significant Bit, Discrete Wavelet Transform, Lifted Wavelet Transform. 


Özet

The rapid development of data communication, and the increased amount of information that are communicated via networks, make it very important to find new ways to protect exchanged information. Encryption is one of the most widely used methods nowadays in this area. Steganography is a recent field of research in which the communicated information is being invisible to anyone rather than being only encrypted. The idea behind steganography is to hide the existence of information itself. As long as a third party knew there were information, whether encrypted or not encrypted, the information will be at risk. In this thesis, we present a steganographic model with two levels of security. First, the secret image is scrambled using our Generalized Arnold Cat Map (ACM). Then, the scrambled image is embedded into another image using our Fraction Based Embedding Technique (FBE) in the transform domain using both Discrete Wavelet Transform (DWT) and Lifted Wavelet Transform (LWT). The efficiency of our model was tested on benchmark color images. Peak Signal-to-Noise Ratio (PSNR), Mean Square Error (MSE), Structural Similarity (SSIM) and correlation values are calculated. Results show that our Generalized ACM is more robust compared to standard and modified versions of ACM. At the same time, results of our new FBE technique performs better than those of other techniques regarding to PSNR and MSE values. 


İçindekiler



Açıklamalar



Haklar



Notlar



Kaynakça


Atıf Yapanlar

Gözat Sayfasına Dön

 

Sosyal Medya ve Araçlar

İstatistikler

  • Kayıt
    • Bu ay: 3
    • Toplam: 2444
  • Online
    • Ziyaretçi: 24
    • Üye: 0
    • Toplam: 24

Detaylı İstatistikler