바로가기메뉴

본문 바로가기 주메뉴 바로가기

ACOMS+ 및 학술지 리포지터리 설명회

  • 한국과학기술정보연구원(KISTI) 서울분원 대회의실(별관 3층)
  • 2024년 07월 03일(수) 13:30
 

암호화와 DnCNN을 활용한 문서 복원능력 향상에 관한 연구

An Enhancement Method of Document Restoration Capability using Encryption and DnCNN

한국사물인터넷학회논문지 / Journal of The Korea Internet of Things Society, (P)2466-0078;
2022, v.8 no.2, pp.79-84
https://doi.org/https://doi.org/10.20465/kiots.2022.8.2.079
장현희 (한국폴리텍V대학)
하성재 (한국폴리텍 IV 대학 대전캠퍼스)
조기환 (전북대학교)
  • 다운로드 수
  • 조회수

초록

본 논문은 문서의 보안과 손실 및 오염에 대하여 복원능력을 향상시키는 방안을 제안한다. 이를 위해서 암호화로 DnCNN(DeNoise Convolution Neural Network)을 제시한다. 암호화 방법을 구현하기 위하여 2D이미지정보를 광학에 사용되는 공간주파수 전달함수(Spatial Frequency Transfer Function)의 수학적 모델을 적용한다. 공간 주파수 전달함수를 사용하여 광학적 간섭 패턴을 암호화로 사용하고 공간 주파수 전달함수의 수학적 변수를 복호화하는 암호로 사용하는 방법을 제안하였다. 또한, 딥러닝을 적용한 DnCNN 방법을 적용하여 노이즈 제거하여 복원 성능을 개선한다. 실험결과, 65%의 정보 손실이 있는 경우에도 Pre-Training DnCNN Deep Learning을 적용한 결과 공간 주파수 전달함수만을 활용한 복원 결과 와 비교하여 PSNR(Peak Signal-to-noise ratio)을 11% 이상 우수한 성능을 확인할 수 있다. 또한, CC(Correlation Coefficient)의 특성도 16% 이상 우수한 결과를 보이고 있다.

keywords
Encryption, DnCNN, PSNR, Correlation Coefficient, Spatial Frequency Transfer Function, 암호화, 노이즈 제거 컨벌루션 네트워크, PSNR, CC, SFTF

Abstract

본 논문은 문서의 보안과 손실 및 오염에 대하여 복원능력을 향상시키는 방안을 제안한다. 이를 위해서 암호화로DnCNN(DeNoise Convolution Neural Network)을 제시한다. 암호화 방법을 구현하기 위하여 2D이미지정보를 광학에 사용되는 공간주파수 전달함수(Spatial Frequency Transfer Function)의 수학적 모델을 적용한다. 공간 주파수전달함수를 사용하여 광학적 간섭 패턴을 암호화로 사용하고 공간 주파수 전달함수의 수학적 변수를 복호화하는 암호로사용하는 방법을 제안하였다. 또한, 딥러닝을 적용한 DnCNN 방법을 적용하여 노이즈 제거하여 복원 성능을 개선한다. 실험결과, 65%의 정보 손실이 있는 경우에도 Pre-Training DnCNN Deep Learning을 적용한 결과 공간 주파수 전달함수만을 활용한 복원 결과 와 비교하여 PSNR(Peak Signal-to-noise ratio)을 11% 이상 우수한 성능을 확인할수 있다. 또한, CC(Correlation Coefficient)의 특성도 16% 이상 우수한 결과를 보이고 있다.

keywords
Encryption, DnCNN, PSNR, Correlation Coefficient, Spatial Frequency Transfer Function, 암호화, 노이즈 제거 컨벌루션 네트워크, PSNR, CC, SFTF

참고문헌

1.

Yoshinao Aoki, “Watermarking technique using computer-generated holo-grams,“ Electron Commun. Jpn., 84(1), pp.21-31, 2001.

2.

G. Unnikrishnan, J. Joseph, K. Singh, “Opticalencryption by double-random phase encodinging thefractional Fourier domain,“ Opt. Lett.,25(12), pp.887–889, 2000.

3.

N. Takanori, B. Javidi, “Optical encryption using ajoint transform correlator architecture,” Opt. Eng., 39(8), pp.2031–2035, 2000.

4.

L. Chen, D. Zhao, “Optical color image encryptionby wavelength multiplexing and lensless Fresnel transform holograms,” Opt. Express, 14(19), pp.8552–8560, 2006.

5.

P. Clemente, V. Durán, E. Tajahuerce, J. Lancis,“Optical encryption based on computational ghost imaging,” Opt. Lett.,35(14), pp.2391–2393, 2000.

6.

S. J. Ha et al., "A study on the Metal detection using RNN algorithms for MI sensors". Journal of Industrial Technology Research, Vol.26, No.2, pp.103-111, 2021.

7.

M. S. Kang, "A Study on the Characteristics of Digital-Affordance Exhibition Space for AI Utilization". Journal of Industrial Technology Research, Vol.26, No.4, pp.15-28, 2021.

8.

T.-C. Poon, and P. P. Banerjee, “Contemporary Optical Image Processing with MATLAB,” Elsevier Oxford, UK, 2001.

9.

J. W. Goodman, “Introduction to Fourier Optics,”Roberts and Company Publishers, 2005.

10.

G. Unnikrishnan, J. Joseph, K. Singh, “Optical encryption by double-random phase encoding in the fractional Fourier domain,” Opt. Lett., 25(12) pp.887–889, 2000.

11.

P. W. M. Tsang, T. C. Poon, C. Zhou, and K. W. K. Cheung, “Binary mask programmable hologram,”Optics Express, ch. 20, pp.26480-26485, 2012.

12.

Matlab image processing toolbox. 2021.

13.

C. Zhu, “A novel image encryption scheme based on improved hyperchaotic sequences,” Optics Communication, 285, pp.29-37, 2012.

14.

S. Behnia, A. Akhshani, H. Mahmodi, A. Akhavan, Chaos, ’Solitons & Fractals,“ 35, pp.408, 2008.

15.

C. Li, S. Li, G. Chen, W.A. Halang, “Image and Vision Computing,“ 27, pp.1035, 2009.

한국사물인터넷학회논문지