فهرس المقالات Co-Occurrence Matrix

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Improving Image Dynamic Range For An Adaptive Quality Enhancement Using Gamma Correction
  Hamid Hassanpour
  This paper proposes a new automatic image enhancement method by improving the image dynamic range. The improvement is performed via modifying the Gamma value of pixels in the image. Gamma distortion in an image is due to the technical limitations in the imaging device, أکثر

  This paper proposes a new automatic image enhancement method by improving the image dynamic range. The improvement is performed via modifying the Gamma value of pixels in the image. Gamma distortion in an image is due to the technical limitations in the imaging device, and impose a nonlinear effect. The severity of distortion in an image varies depends on the texture and depth of the objects. The proposed method locally estimates the Gamma values in an image. In this method, the image is initially segmented using a pixon-based approach. Pixels in each segment have similar characteristics in terms of the need for Gamma correction. Then the Gamma value for each segment is estimated by minimizing the homogeneity of co-occurrence matrix. This feature can represent image details. The minimum value of this feature in a segment shows maximum details of the segment. The quality of an image is improved once more details are presented in the image via Gamma correction. In this study, it is shown that the proposed method performs well in improving the quality of images. Subjective and objective image quality assessments performed in this study attest the superiority of the proposed method compared to the existing methods in image quality enhancement. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - پنهان‌شكني در تصاوير با استفاده از ماتريس هم‌رخدادي و شبكه عصبي
  صدیقه قنبری نجمه قنبری منیژه کشتگری سیدحسن نبوی کریزی
  پنهان‌نگاری یا استگانوگرافی هنر برقراری ارتباط پنهانی است و هدف آن پنهان‌کردن ارتباط به‌وسیله قراردادن پیام در یک رسانه پوششی می‌باشد و پنهان‌شکنی هنر کشف حضور اطلاعات پنهان است. ماتريس هم‌رخدادي تصاوير (GLCM) ماتريسي است كه در بردارنده اطلاعاتي در رابطه با ارتباط بين م أکثر

  پنهان‌نگاری یا استگانوگرافی هنر برقراری ارتباط پنهانی است و هدف آن پنهان‌کردن ارتباط به‌وسیله قراردادن پیام در یک رسانه پوششی می‌باشد و پنهان‌شکنی هنر کشف حضور اطلاعات پنهان است. ماتريس هم‌رخدادي تصاوير (GLCM) ماتريسي است كه در بردارنده اطلاعاتي در رابطه با ارتباط بين مقادير پيكسل‌هاي مجاور در يك تصوير مي‌باشد. در اين تحقیق به كمك بررسي و تحليل ماتريس هم‌رخدادي در تصاوير پوشانه (تصويري كه حامل اطلاعات نباشد) و گنجانه (تصويري كه حامل اطلاعات باشد)، الگوریتمی ارائه می‌گردد تا بتوان تصاویر گنجانه را تشخیص داد. در الگوریتم پیشنهادی ابتدا با استفاده از روش LSB اطلاعات در تصویر مورد نظر پنهان می‌شود، سپس به استخراج ویژگی‌هایی از ماتريس GLCM تصویر پوشانه و گنجانه می‌پردازیم که در این دو تصویر متفاوت باشند. ویژگی‌های استخراج‌شده برای آموزش شبکه عصبی مورد استفاده قرار می‌گیرد. این الگوریتم بر روی تصاویر پایگاه داده‌هاي استاندارد تست گردیده و موفقیت آن 83% می‌باشد. تفاصيل المقالة