Fugu-MT 論文翻訳(概要): PermutEx: Feature-Extraction-Based Permutation -- A New Diffusion Scheme for Image Encryption Algorithms

論文の概要: PermutEx: Feature-Extraction-Based Permutation -- A New Diffusion Scheme for Image Encryption Algorithms

arxiv url: http://arxiv.org/abs/2311.02795v1
Date: Sun, 5 Nov 2023 23:46:25 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 13:36:10.765938
Title: PermutEx: Feature-Extraction-Based Permutation -- A New Diffusion Scheme for Image Encryption Algorithms
Title（参考訳）: PermutEx: 画像暗号化アルゴリズムのための新しい拡散スキーム
Authors: Muhammad Shahbaz Khan, Jawad Ahmad, Ahmed Al-Dubai, Zakwan Jaroucheh, Nikolaos Pitropakis, William J. Buchanan,
Abstract要約: 本稿では,ピクセルを効率よくスクランブルする特徴抽出型置換法PermutExを紹介する。相関値0.000062となる画像内の情報豊富な領域の相関を効果的に破壊する。
参考スコア（独自算出の注目度）: 2.2351927942921366
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Traditional permutation schemes mostly focus on random scrambling of pixels, often neglecting the intrinsic image information that could enhance diffusion in image encryption algorithms. This paper introduces PermutEx, a feature-extraction-based permutation method that utilizes inherent image features to scramble pixels effectively. Unlike random permutation schemes, PermutEx extracts the spatial frequency and local contrast features of the image and ranks each pixel based on this information, identifying which pixels are more important or information-rich based on texture and edge information. In addition, a unique permutation key is generated using the Logistic-Sine Map based on chaotic behavior. The ranked pixels are permuted in conjunction with this unique key, effectively permuting the original image into a scrambled version. Experimental results indicate that the proposed method effectively disrupts the correlation in information-rich areas within the image resulting in a correlation value of 0.000062. The effective scrambling of pixels, resulting in nearly zero correlation, makes this method suitable to be used as diffusion in image encryption algorithms.
Abstract（参考訳）: 従来の置換方式は主に画素のランダムスクランブルに焦点を合わせ、しばしば画像暗号化アルゴリズムの拡散を増大させる固有の画像情報を無視した。本稿では,ピクセルのスクランブルに固有の特徴を利用する特徴抽出型置換法PermutExを紹介する。ランダムな置換方式とは異なり、PermutExは画像の空間周波数と局所コントラストの特徴を抽出し、この情報に基づいて各ピクセルをランク付けする。さらに、カオス的振る舞いに基づいてロジスティック・シンマップを用いて、ユニークな置換キーを生成する。ランク付けされたピクセルは、このユニークなキーと共に置換され、元のイメージをスクランブルバージョンに効果的に置換する。実験結果から,提案手法は画像内の情報量の多い領域の相関を効果的に破壊し,相関値が0.000062であることが確認された。画素の効率的なスクランブルは、ほぼ相関関係を保ち、この手法は画像暗号化アルゴリズムの拡散として用いるのに適している。

関連論文リスト

Restoring Images in Adverse Weather Conditions via Histogram Transformer [75.74328579778049]
悪天候による画像の復元に有効なヒストグラム変換器(Histoformer)を提案する。これはヒストグラム自己アテンション( histogram self-attention)と呼ばれるメカニズムで、空間的特徴を強度ベースのビンに分類し、セグメント化する。ヒストグラムの自己アテンションを高めるために,従来のコンボリューションが類似画素上で動作できるようにするダイナミックレンジ・コンボリューションを提案する。
論文参考訳（メタデータ） (2024-07-14T11:59:22Z)
An Effective Approach to Scramble Multiple Diagnostic Imageries Using Chaos-Based Cryptography [0.0]
カオスシステムに基づく医用画像暗号化方式を提案する。平画像とカオスキーに基づく置換は、平画像のピクセルを他の行や列にシャッフルするために提供される。本研究では, 分岐プロット, Lyapunov指数, MSE, PSNR試験, ヒストグラム解析などの様々な手法と試験を用いて, 提案システムのカオス的挙動を解析した。
論文参考訳（メタデータ） (2024-05-02T05:18:46Z)
Learning Invariant Inter-pixel Correlations for Superpixel Generation [12.605604620139497]
学習可能な特徴は、制約付き判別能力を示し、不満足なピクセルグループ化性能をもたらす。本稿では,不変画素間相関と統計特性を選択的に分離するContentangle Superpixelアルゴリズムを提案する。 4つのベンチマークデータセットの実験結果は、既存の最先端手法に対するアプローチの優位性を示している。
論文参考訳（メタデータ） (2024-02-28T09:46:56Z)
Perceptual Image Compression with Cooperative Cross-Modal Side Information [53.356714177243745]
本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
論文参考訳（メタデータ） (2023-11-23T08:31:11Z)
Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
論文参考訳（メタデータ） (2023-09-30T02:54:51Z)
Pixel Relationships-based Regularizer for Retinal Vessel Image Segmentation [4.3251090426112695]
本研究は, 正則化器を用いて, 学習プロセスに画素近傍の関係情報を付与する。実験により,提案手法は画素近傍関係の捕捉に成功し,畳み込みニューラルネットワークの性能向上を図っている。
論文参考訳（メタデータ） (2022-12-28T07:35:20Z)
Unsupervised Superpixel Generation using Edge-Sparse Embedding [18.92698251515116]
特徴に対する画素の類似性に基づいて画像をスーパーピクセルに分割することは、データの複雑さを著しく減らし、その後の画像処理タスクを改善する。コントラストの少ない非畳み込み画像デコーダを提案し、再構成画像にスムーズで接続されたエッジを強制する。我々はデコーダの最後に隠された層から、余分な空間情報をスムーズなアクティベーションマップに符号化してエッジスパース画素埋め込みを生成し、標準クラスタリングアルゴリズムを用いて高品質なスーパーピクセルを抽出する。
論文参考訳（メタデータ） (2022-11-28T15:55:05Z)
Adaptive Local Implicit Image Function for Arbitrary-scale Super-resolution [61.95533972380704]
局所暗黙画像関数(LIIF)は、対応する座標を入力として、画素値が拡張される連続関数として画像を表す。 LIIFは任意のスケールの超解像タスクに適用でき、その結果、様々なアップスケーリング要因に対して単一の効率的かつ効率的なモデルが得られる。この問題を軽減するために,新しい適応型局所像関数(A-LIIF)を提案する。
論文参考訳（メタデータ） (2022-08-07T11:23:23Z)
Multiscale Analysis for Improving Texture Classification [62.226224120400026]
本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
論文参考訳（メタデータ） (2022-04-21T01:32:22Z)
Image Generation with Self Pixel-wise Normalization [17.147675335268282]
領域適応正規化(RAN)法はGAN(Generative Adversarial Network)に基づく画像と画像の変換技術で広く用いられている。本稿では,マスク画像のない画素適応アフィン変換を行うことにより,自己画素ワイド正規化(SPN)と呼ばれる新しい正規化手法を提案する。
論文参考訳（メタデータ） (2022-01-26T03:14:31Z)
Image Inpainting with Edge-guided Learnable Bidirectional Attention Maps [85.67745220834718]
不規則な穴の画像インペインティングを改善するためのエッジガイド学習可能な双方向注意マップ(Edge-LBAM)を紹介します。当社のEdge-LBAMメソッドには、予測エッジによる構造認識マスク更新を含むデュアルプロシージャが含まれています。広範な実験により,エッジlbamはコヒーレントな画像構造を生成し,色差やぼやけを防止できることがわかった。
論文参考訳（メタデータ） (2021-04-25T07:25:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。