Методы применения водяных знаков на цифровых фотографиях важны для подтверждения личности владельцев и защиты авторских прав на изображения. Особенно это касается медицинских изображений (AMI), где необходима осторожность при внедрении водяных знаков, чтобы не повлиять на качество изображения. Изменения в уровнях серого AMI могут исказить его трактовку. В этой статье рассматривается разработанная гибридная и адаптивно настроенная нейронная сеть (TNN) для водяных знаков в AMI, отвечающая большинству требований. Для достижения надежности, безопасности и незаметности используется зрительная система человека (HVS) и TNN для настройки AMI и определения максимального количества водяных знаков, прежде чем они станут заметными. Для повышения прозрачности AMI применяется выравнивание гистограммы. Встраивание водяных знаков выполняется в среднечастотные коэффициенты дискретного косинусного преобразования AMI, чтобы избежать визуальных искажений и атак на высоких частотах, улучшая надежность изображения и увеличивая пропускную способность.

В эпоху цифровых технологий важно защищать цифровые изображения от манипуляций и нелегального копирования. Большое количество AMI сейчас хранится в цифровом формате для удобства. Такие данные требуют защиты с помощью методов сокрытия информации, включая криптографию, стеганографию и водяные знаки. Стеганография заключается в скрытии сообщений внутри изображения, которые невозможно обнаружить, в то время как водяные знаки включают встраивание сообщений в изображение. Современные методы водяных знаков используют искусственный интеллект и нейронные сети. Новые техники водяных знаков на основе нейронных сетей (NN) предложены в исследованиях, однако их использование во временной области может быть уязвимым к атакам. Альтернативные алгоритмы, такие как предложенный Чангом алгоритм на основе полной нейронной сети обратного распространения (FCNN), представляют собой более надежные методы встраивания водяных знаков в AMI.

Квантовые вычисления - это наука о хранении и обработке информации с использованием систем, подчиняющихся законам квантовой механики. На атомарном уровне системы проявляют нелогичные эффекты.

Впервые Ричард Фейнман предложил в 1980-х годах, что эти эффекты, возможно, могут быть использованы для выполнения вычислений способом, превосходящим классические вычисления. Вскоре после первого появления квантовых компьютеров были разработаны алгоритмы, которые доказуемо решают определенные задачи быстрее, чем любой известный классический алгоритм. Например, алгоритм Гровера может быть использован для решения задачи неструктурированного поиска по N элементам со сложностью всего O(N). А алгоритм Шора позволяет решить задачу целочисленной факторизации, которая является центральной в системе шифрования RSA с открытым ключом, за полиномиальное время, экспоненциально быстрее, чем наиболее известный классический алгоритм. Моделирование квантово-механических систем является еще одним важным применением квантовых вычислений, которое может обеспечьте возможное ускорение по сравнению с классическими алгоритмами.

В частности, моделирование квантово-механических систем сложно для классического компьютера и, по сути, в первую очередь вдохновило концепцию квантового компьютера. Эти ранние теоретические успехи вызвали всплеск исследований в этой области, и тем временем квантовые вычисления превратились в высокодисциплинарную область исследований на стыке теоретической физики и информатики с теоретической стороны и экспериментальной физики и инженерии с практической.