論文の概要: Secure Audio Embedding in Images using Nature-Inspired Optimization
- arxiv url: http://arxiv.org/abs/2512.08299v1
- Date: Tue, 09 Dec 2025 06:54:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-10 22:28:07.847522
- Title: Secure Audio Embedding in Images using Nature-Inspired Optimization
- Title（参考訳）: Nature-Inspired Optimization を用いた画像中のセキュアオーディオ埋め込み
- Authors: Aman Kumar, Ankit Chaudhary,
- Abstract要約: 本稿では,Last Significant Bit (LSB) 法を用いた画像中の音声ファイルを隠蔽する手法を提案する。
提案手法は,Pak Signal-to-Noise Ratio (PSNR), similar Structureity Index (SSIM), Mean Square Error (MSE)を用いて評価する。
実験結果から,HHOは既存の手法に比べて画質,堅牢性,埋め込み能力に優れることがわかった。
- 参考スコア（独自算出の注目度）: 2.7099800621578303
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In todays digital world, protecting sensitive data is very essential. Steganography hides the existence of secret data instead of its content, providing better security for multimedia communication. This paper proposes a new technique for hiding audio files inside images using the Least Significant Bit (LSB) method optimized by the Harris Hawks Optimization (HHO) algorithm. HHO is a nature-inspired metaheuristic that imitates the hunting behavior of Harris hawks to find optimal pixel positions for embedding data. The proposed method is evaluated using Peak Signal-to-Noise Ratio (PSNR), Structural Similarity Index (SSIM), and Mean Square Error (MSE). Experimental results show that HHO achieves better image quality, robustness, and embedding capacity compared to existing methods.
- Abstract（参考訳）: 今日のデジタル世界では、機密データを保護することがとても重要です。
ステガノグラフィーは、コンテンツの代わりに秘密データの存在を隠蔽し、マルチメディア通信の安全性を向上させる。
本稿では,Harris Hawks Optimization (HHO) アルゴリズムによって最適化されたLast Significant Bit (LSB) 手法を用いて,画像内に音声ファイルを隠蔽する新しい手法を提案する。
HHOは自然に着想を得たメタヒューリスティックであり、ハリスホークスの狩猟行動を模倣し、データを埋め込むのに最適なピクセル位置を見つける。
提案手法は,Pak Signal-to-Noise Ratio (PSNR), Structure similarity Index (SSIM), Mean Square Error (MSE)を用いて評価した。
実験結果から,HHOは既存の手法に比べて画質,堅牢性,埋め込み能力に優れることがわかった。
関連論文リスト
- Robustness and Imperceptibility Analysis of Hybrid Spatial-Frequency Domain Image Watermarking [0.0]
デジタルメディアの普及は、著作権保護とコンテンツ認証のための堅牢な方法を必要とする。
本稿では、フーリエ領域(Least Significant Bit - LSB)、周波数領域(Discrete Transform - DFT)、および新しいハイブリッド(LSB+DFT)アプローチを用いて実装されたデジタル画像透かし技術について包括的な研究を行う。
論文 参考訳（メタデータ） (2025-11-13T12:24:03Z) - Optimizing Region of Interest Selection for Effective Embedding in Video Steganography Based on Genetic Algorithms [1.6114012813668932]
本稿では,映像ステガノグラフィの新しい手法を提案する。この手法は,映像中の関心領域(ROI)を識別するための遺伝的アルゴリズム(GA)を利用する。
秘密データは、広く受け入れられている暗号化標準であるAdvanced Encryption Standard (AES)を使用して暗号化され、カバービデオに埋め込まれる。
提案手法は,64dBsから75dBsまでのPSNRの組込み能力と効率が高く,組込みデータが元の映像とほぼ区別できないことを示す。
論文 参考訳（メタデータ） (2025-08-19T10:16:45Z) - A Novel APVD Steganography Technique Incorporating Pseudorandom Pixel Selection for Robust Image Security [1.795561427808824]
ステガノグラフィー(英: Steganography)は、秘密情報をキャリアに個別に埋め込むプロセスである。
本研究は,APVDと疑似ランダム画素選択を統合した新しいステガノグラフィー戦略を提案する。
論文 参考訳（メタデータ） (2025-07-08T04:54:06Z) - Secure Information Embedding in Images with Hybrid Firefly Algorithm [2.9182357325967145]
本研究は,ホストイメージ内に機密文書フォーマット(PDF)を隠蔽する新たなステガノグラフィ手法を提案する。
この探索の目的は、ホスト画像のキャパシティを増大させ、歪みを減少させる2つの主要な目標を達成することである。
その結果,画像の歪みの減少と探索過程における収束速度の加速が示唆された。
論文 参考訳（メタデータ） (2023-12-21T01:50:02Z) - Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。
ストレージの要求が大きいため、一般ユーザからは広く採用されていない。
本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-21T06:59:07Z) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image
Denoising [50.039949798156826]
本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。
ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。
次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
論文 参考訳（メタデータ） (2022-07-09T13:35:12Z) - Robust Deep Ensemble Method for Real-world Image Denoising [62.099271330458066]
そこで本研究では,実世界の画像認識のための単純なベイズディープアンサンブル(BDE)手法を提案する。
我々のBDEは、最先端の復調法よりも+0.28dBPSNRのゲインを達成している。
我々のBDEは他の画像復元タスクにも拡張でき、ベンチマークデータセット上で+0.30dB、+0.18dB、+0.12dB PSNRゲインを達成することができる。
論文 参考訳（メタデータ） (2022-06-08T06:19:30Z) - Zero-shot Blind Image Denoising via Implicit Neural Representations [77.79032012459243]
暗黙的ニューラル表現(INR)のアーキテクチャ的帰納的バイアスを利用した代替的認知戦略を提案する。
提案手法は,低雑音シナリオや実雑音シナリオの広い範囲において,既存のゼロショット復調手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-04-05T12:46:36Z) - A Pixel-based Encryption Method for Privacy-Preserving Deep Learning
Models [5.749044590090683]
本稿では,効率的な画素ベースの知覚暗号化手法を提案する。
この方法は、原画像の固有の特性を保ちながら、必要なレベルのセキュリティを提供する。
これにより、暗号化ドメイン内のディープラーニング(DL)アプリケーションを可能にする。
論文 参考訳（メタデータ） (2022-03-31T03:42:11Z)
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。