علم تصمیم گیری و سیستم های هوشمند 3060-7574 3 1405 06 01 Robust Image Watermarking Against Geometric Attacks Using Surrogate Model–Based Scaling Factor Optimization and Deep Learning–Based Adaptive Embedding نهان‌نگاری مقاوم تصویر در برابر حملات هندسی با استفاده از بهینه‌سازی فاکتور مقیاس مبتنی بر مدل جانشین و جاسازی تطبیقی مبتنی بر یادگیری عمیق 1 37 FA مسعود پورمرادی گروه مهندسی کامپیوتر، واحد فردوس، دانشگاه آزاد اسلامی، فردوس، ایران حمیدرضا غفاری گروه مهندسی کامپیوتر، واحد فردوس، دانشگاه آزاد اسلامی، فردوس، ایران Journal Article 1405 03 17 <p>Digital watermarking, as a fundamental approach to copyright protection, has consistently faced the inherent challenge of balancing imperceptibility and robustness, particularly against geometric attacks. This delicate trade-off is strongly influenced by two key factors: the optimal selection of the scaling factor (embedding strength) and the intelligent selection of embedding regions. This article proposes a robust hybrid watermarking framework for color images that strategically integrates intelligent image analysis with accelerated optimization and is specifically designed to withstand rotation attacks. The proposed method incorporates two principal innovations. First, a deep convolutional neural network (CNN) with a U-Net architecture is trained to generate an adaptive weight map. Independently of the embedding process, this network analyzes the content of the host image and automatically identifies regions with high visual complexity, including edges and textures. Second, a particle swarm optimization (PSO) algorithm guided by a regression tree–based surrogate model is employed to determine the optimal scaling factor. By replacing computationally expensive evaluations of the actual objective function with a rapid estimator, this approach substantially accelerates the optimization process. Finally, fully adaptive embedding is performed through the pointwise integration of the optimal scaling factor and the local weight map within the approximation subband of the discrete wavelet transform (DWT). Experimental results obtained using standard benchmark images confirm the strong performance of the proposed method. By achieving an average peak signal-to-noise ratio (PSNR) greater than 38 dB and a normalized correlation (NC) exceeding 98% following the simultaneous application of rotation and JPEG compression attacks, the proposed method demonstrates a substantial improvement over previous approaches and effectively establishes a balance between imperceptibility and robustness.</p> <p>نهان‌نگاری دیجیتال به‌عنوان راهکاری بنیادین برای حفاظت از حق نشر، همواره با چالش ذاتی برقراری تعادل میان شفافیت و مقاومت، به‌ویژه در برابر حملات هندسی، روبرو است. این تعادل حساس به‌شدت تحت تأثیر دو عامل کلیدی قرار دارد: انتخاب بهینه‌ی فاکتور مقیاس (قدرت جاسازی) و انتخاب هوشمندانه‌ی نواحی جاسازی. این مقاله یک چارچوب نهان‌نگاری ترکیبی و مقاوم برای تصاویر رنگی ارائه می‌دهد که با تلفیق راهبردی تحلیل هوشمند تصویر و بهینه‌سازی تسریع‌شده، به طور خاص برای مقابله با حملات چرخش طراحی شده است. روش پیشنهادی دو نوآوری اصلی را در خود ادغام می‌کند. نخست، یک شبکه‌ی عصبی کانولوشنی عمیق با معماری U-Net برای تولید یک نقشه‌ی وزن تطبیقی آموزش داده می‌شود. این شبکه، مستقل از فرآیند جاسازی، محتوای تصویر میزبان را تحلیل کرده و به‌طور خودکار نواحی با پیچیدگی بصری بالا (لبه‌ها و بافت‌ها) را شناسایی می‌کند. دوم، یک الگوریتم بهینه‌سازی ازدحام ذرات (PSO) که توسط یک مدل جانشین مبتنی بر درخت رگرسیون هدایت می‌شود، برای یافتن مقدار بهینه‌ی فاکتور مقیاس به‌کار می‌رود. این رویکرد با جایگزینی ارزیابی‌های پرهزینه‌ی تابع واقعی با یک تخمین‌گر سریع، شتاب چشمگیری به فرآیند بهینه‌سازی می‌بخشد. در نهایت، یک جاسازی کاملاً تطبیقی با تلفیق نقطه‌ای فاکتور مقیاس بهینه و نقشه‌ی وزن محلی در زیرباند تقریبی تبدیل موجک گسسته (DWT) انجام می‌شود. نتایج تجربی بر روی تصاویر استاندارد، کارایی برجسته‌ی روش را تأیید می‌کنند. این روش با دستیابی به میانگین PSNR بالای 38 دسی‌بل و ضریب همبستگی نرمال‌شده (NC) بالای 98%  پس از اعمال هم‌زمان حمله‌ی چرخش و فشرده‌سازیJPEG ، پیشرفت قابل‌توجهی را نسبت به روش‌های پیشین به نمایش گذاشته و تعادل میان شفافیت و مقاومت را به نحوی مؤثر برقرار می‌سازد.</p> https://www.dsisj.com/index.php/dsisj/article/download/110/50