التعرف على القطع الأثرية التي تظهر على الشاشة

نظرًا للزيادة المستمرة في مستوى تطور تكنولوجيا المعلومات، أصبحت المستندات الإلكترونية كل عام أكثر ملاءمة وأكثر طلبًا في الاستخدام وبدأت في السيطرة على الوسائط الورقية التقليدية. لذلك، من المهم جدًا الاهتمام في الوقت المناسب بحماية محتوى المعلومات ليس فقط على الوسائط الورقية التقليدية، ولكن أيضًا على المستندات الإلكترونية. ترغب كل شركة كبيرة لديها أسرار تجارية وأسرار حكومية وغيرها من الأسرار في منع تسرب المعلومات المحتمل وتسوية المعلومات السرية، وإذا تم اكتشاف تسرب، تتخذ الإجراءات اللازمة لوقف التسريبات وتحديد المخالف.

قليلا عن خيارات الحماية

ولأداء هذه المهام، يتم تقديم بعض عناصر الحماية. يمكن أن تكون هذه العناصر عبارة عن رموز شريطية، وعلامات مرئية، وعلامات إلكترونية، ولكن الأكثر إثارة للاهتمام هي العلامات المخفية. العلامات المائية هي واحدة من أبرز الممثلين، حيث يمكن تطبيقها على الورق أو إضافتها قبل الطباعة على الطابعة. ليس سراً أن الطابعات تضع علامات مائية خاصة بها (نقاط صفراء وعلامات أخرى) عند الطباعة، ولكننا سننظر في التحف الأخرى التي يمكن وضعها على شاشة الكمبيوتر في مكان عمل الموظف. يتم إنشاء مثل هذه القطع الأثرية بواسطة حزمة برمجيات خاصة تقوم برسم القطع الأثرية أعلى مساحة عمل المستخدم، مما يقلل من رؤية القطع الأثرية نفسها ودون التدخل في عمل المستخدم. ولهذه التقنيات جذور قديمة من حيث التطورات العلمية والخوارزميات المستخدمة لتقديم المعلومات المخفية، ولكنها نادرة جدًا في العالم الحديث. ويوجد هذا النهج بشكل رئيسي في المجال العسكري وعلى الورق، من أجل التعرف الفوري على الموظفين عديمي الضمير. لقد بدأ إدخال هذه التقنيات للتو في البيئة التجارية. يتم الآن استخدام العلامات المائية المرئية بشكل نشط لحماية حقوق الطبع والنشر لملفات الوسائط المختلفة، ولكن العلامات غير المرئية نادرة جدًا. لكنها تثير أيضًا الاهتمام الأكبر.

التحف الأمنية

غير مرئية للبشر تشكل العلامات المائية العديد من القطع الأثرية التي يمكن، من حيث المبدأ، أن تكون غير مرئية للعين البشرية، ويمكن إخفاؤها في الصورة على شكل نقاط صغيرة جدًا. سننظر في الأشياء المرئية، نظرًا لأن تلك غير المرئية للعين قد تكون خارج نطاق الألوان القياسي لمعظم الشاشات. هذه القطع الأثرية ذات قيمة خاصة بسبب درجة الخفاء العالية التي تتمتع بها. ومع ذلك، فمن المستحيل جعل CEHs غير مرئية تمامًا. في عملية تنفيذها، يتم إدخال نوع معين من تشويه صورة الحاوية في الصورة، ويظهر عليها نوع من القطع الأثرية. دعونا نفكر في نوعين من الكائنات:

1. دوري
2. فوضوي (تم تقديمه عن طريق تحويل الصور)

تمثل العناصر الدورية تسلسلًا محدودًا معينًا من العناصر المتكررة التي تتكرر أكثر من مرة على الصورة المعروضة على الشاشة (الشكل 1).

يمكن أن تنتج الأعمال الفنية الفوضوية عن أنواع مختلفة من التحولات في الصورة المتراكبة (الشكل 2)، على سبيل المثال، إدخال صورة ثلاثية الأبعاد.

أرز. 1 التحف ركوب الدراجات

أرز. 2 التحف الفوضوية

أولاً، دعونا نلقي نظرة على خيارات التعرف على القطع الأثرية الدورية. هذه القطع الأثرية يمكن أن تكون:

• علامات مائية نصية تتكرر عبر الشاشة
• تسلسلات ثنائية
• مجموعة من النقاط الفوضوية في كل خلية شبكية

يتم تطبيق جميع العناصر المدرجة مباشرة فوق المحتوى المعروض، وبالتالي يمكن التعرف عليها من خلال تحديد الحدود القصوى المحلية للرسم البياني لكل قناة لون، وبالتالي استبعاد جميع الألوان الأخرى. تتضمن هذه الطريقة العمل مع مجموعات من الحدود المحلية المتطرفة لكل قناة من قنوات الرسم البياني. تكمن المشكلة في البحث عن الحدود القصوى المحلية في صورة معقدة إلى حد ما مع العديد من التفاصيل الانتقالية الحادة؛ ويبدو الرسم البياني مسننًا للغاية، مما يجعل هذا النهج غير قابل للتطبيق. يمكنك محاولة تطبيق مرشحات مختلفة، لكنها ستقدم تشوهات خاصة بها، مما قد يؤدي في النهاية إلى عدم القدرة على اكتشاف العلامة المائية. هناك أيضًا خيار التعرف على هذه القطع الأثرية باستخدام كاشفات حافة معينة (على سبيل المثال، كاشف الحواف Canny). هذه الأساليب لها مكانها في القطع الأثرية التي تكون حادة جدًا في المرحلة الانتقالية؛ يمكن لأجهزة الكشف تسليط الضوء على محيطات الصورة ومن ثم تحديد نطاقات الألوان داخل الخطوط لإضفاء ثنائية على الصورة من أجل زيادة إبراز القطع الأثرية نفسها، ولكن هذه الأساليب تتطلب ضبطًا دقيقًا إلى حد ما لتسليط الضوء على الخطوط المطلوبة، بالإضافة إلى الثنائية اللاحقة للصورة نفسها بالنسبة إلى الألوان الموجودة في الخطوط المحددة. تعتبر هذه الخوارزميات غير موثوقة تمامًا وتحاول استخدام مكونات أكثر استقرارًا واستقلالية عن نوع مكونات الألوان في الصورة.

أرز. 3 علامة مائية بعد التحويل

أما بالنسبة للقطع الأثرية الفوضوية المذكورة سابقًا، فإن خوارزميات التعرف عليها ستكون مختلفة جذريًا. حيث أن تكوين المصنوعات الفوضوية يفترض من خلال فرض علامة مائية معينة على الصورة، والتي يتم تحويلها بواسطة بعض التحولات (على سبيل المثال، تحويل فورييه المنفصل). يتم توزيع القطع الأثرية الناتجة عن مثل هذه التحولات عبر الشاشة بأكملها ومن الصعب تحديد نمطها. وبناءً على ذلك، سيتم وضع العلامة المائية في جميع أنحاء الصورة على شكل قطع أثرية “عشوائية”. يأتي التعرف على مثل هذه العلامة المائية من خلال التحويل المباشر للصورة باستخدام وظائف التحويل. تظهر نتيجة التحويل في الشكل (الشكل 3).

ولكن ينشأ عدد من المشاكل التي تمنع التعرف على العلامة المائية في ظروف أقل من مثالية. اعتمادًا على نوع التحويل، قد تكون هناك صعوبات مختلفة، على سبيل المثال، استحالة التعرف على مستند تم الحصول عليه عن طريق التصوير بزاوية كبيرة بالنسبة للشاشة، أو مجرد صورة ذات جودة رديئة إلى حد ما، أو لقطة شاشة محفوظة في ملف ذو ضغط عالي الخسارة. كل هذه المشاكل تؤدي إلى تعقيد عملية تحديد العلامة المائية؛ في حالة الصورة ذات الزاوية، من الضروري تطبيق إما تحويلات أكثر تعقيدًا أو تطبيق تحويلات متقاربة على الصورة، ولكن لا يضمن أي منهما الاستعادة الكاملة للعلامة المائية. إذا نظرنا إلى حالة التقاط الشاشة، تبرز مشكلتان: الأولى هي التشويه عند العرض على الشاشة نفسها، والثانية هي التشويه عند حفظ الصورة من الشاشة نفسها. الأول يصعب التحكم فيه نظرًا لوجود مصفوفات للشاشات ذات جودة مختلفة، وبسبب عدم وجود لون أو آخر، فإنها تقوم بإقحام اللون اعتمادًا على تمثيل الألوان الخاص بها، وبالتالي إدخال تشوهات في العلامة المائية نفسها. والثاني أكثر صعوبة، نظرا لحقيقة أنه يمكنك حفظ لقطة شاشة بأي تنسيق، وبالتالي فقدان جزء من نطاق الألوان، لذلك يمكننا ببساطة أن نفقد العلامة المائية نفسها.

مشاكل التنفيذ

في العالم الحديث، هناك الكثير من الخوارزميات لإدخال العلامات المائية، ولكن لا شيء يضمن إمكانية التعرف على العلامة المائية بشكل أكبر بعد تنفيذها بنسبة 100٪. تكمن الصعوبة الرئيسية في تحديد مجموعة شروط التكاثر التي قد تنشأ في كل حالة محددة. كما ذكرنا سابقًا، من الصعب إنشاء خوارزمية التعرف التي تأخذ في الاعتبار جميع ميزات التشويه المحتملة ومحاولات إتلاف العلامة المائية. على سبيل المثال، إذا تم تطبيق مرشح Gaussian على الصورة الحالية، وكانت العناصر الموجودة في الصورة الأصلية صغيرة جدًا ومتناقضة مع خلفية الصورة، فإما أنه يصبح من المستحيل التعرف عليها، أو سيتم فقدان جزء من العلامة المائية . دعونا نفكر في حالة الصورة الفوتوغرافية، مع وجود درجة عالية من الاحتمال أن تحتوي على تموج في النسيج (الشكل 5) و"شبكة" (الشكل 4). يحدث تموج في النسيج بسبب انفصال مصفوفة الشاشة وانفصال مصفوفة معدات التسجيل، في هذه الحالة، يتم فرض صورتين شبكيتين على بعضهما البعض. من المرجح أن تغطي الشبكة جزئيًا عناصر العلامة المائية وتتسبب في مشكلة التعرف؛ وفي المقابل، فإن تموج النسيج في بعض طرق تضمين العلامة المائية يجعل من المستحيل التعرف عليها، لأنها تتداخل مع جزء من الصورة مع العلامة المائية.

أرز. 4 شبكة الصور

أرز. 5 تموج في النسيج

من أجل زيادة عتبة التعرف على العلامات المائية، من الضروري استخدام الخوارزميات القائمة على الشبكات العصبية للتعلم الذاتي وفي عملية التشغيل، والتي ستتعلم بنفسها كيفية التعرف على صور العلامات المائية. يوجد الآن عدد كبير من أدوات وخدمات الشبكات العصبية، على سبيل المثال، من Google. إذا رغبت في ذلك، يمكنك العثور على مجموعة من الصور المرجعية وتعليم الشبكة العصبية كيفية التعرف على القطع الأثرية الضرورية. يتمتع هذا الأسلوب بفرص واعدة لتحديد حتى العلامات المائية المشوهة للغاية، ولكن للتعرف السريع يتطلب قوة حاسوبية كبيرة وفترة تدريب طويلة جدًا للتعرف الصحيح.

يبدو كل شيء موصوفًا بسيطًا للغاية، ولكن كلما تعمقت في هذه المشكلات، كلما أدركت أنه للتعرف على العلامات المائية، تحتاج إلى قضاء الكثير من الوقت في تنفيذ أي من الخوارزميات، والمزيد من الوقت للوصول إلى الاحتمالية المطلوبة التعرف على كل صورة.

المصدر: www.habr.com