Öngörü hatalarına dayalı tersinir görüntü damgalama yöntemlerinin karşılaştırılması
Comparison of reversible image watermarking methods based on prediction-errors
- Tez No: 496225
- Danışmanlar: DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Bilim Dalı
- Sayfa Sayısı: 85
Özet
Bu tezde, sayısal bir görüntüye uygulanan farklı iki tersinir görüntü damgalama algoritması kıyaslanmıştır. İlk algoritma, öngörü hatalarının genişletilmesine dayalı uyarlanır bir yöntemdir. Bu yöntem ile mevcut tersinir görüntü damgalama yöntemlerindeki gibi görüntüdeki tüm piksellere aynı damgalama algoritması uygulamak yerine öngörü hatalarının aldığı değerlere göre pikseller farklı iki şekilde damgalanmaktadır. Bu amaçla, görüntü pikselleri düzgün ve düzgün olmayan şekilde iki bloğa ayrılmıştır. Düzgün blokların belirli piksellerine 2-bit damgalama, düzgün olmayan blokların belirli piksellerine ise 1-bit damgalama uygulanarak damgalama kapasitesi arttırılmıştır. Ayrıca, yüksek bozunuma sebep olan pikseller belirlenip bu pikseller damgalamada kullanılmayarak damgalama sonucu orijinal görüntüde oluşan bozunum azaltılmıştır. İkinci algoritma, aradeğerleme hatalarının genişletilmesine dayalıdır. Yöntemde, aradeğerleme hatasından faydalanılmaktadır. Kıyaslanan iki yöntem ve literatürdeki mevcut yöntemler bilgisayar benzetimi ile karşılaştırılıp üstün ve zayıf olduğu yönler belirlenmiştir.
Özet (Çeviri)
In this thesis, two reversible image watermarking algorithms applied to a digital image are compared. The first algorithm is an adaptive method based on the extension of prediction errors. With this method, instead of applying the same watermarking algorithm to all pixels in the image as in the current reversible image watermarking methods, the pixel is embeded in two different ways according to the values received by the prediction errors. For this purpose, the image pixels are divided into two parts, such as“flat regions”and“rough regions”. Watermarking capacity is increased by applying 2-bit swatermarking to specific pixels of flat blocks and 1-bit watermarking to specific pixels of rough blocks. In addition, distorting pixels are identified and these pixels are not used in the watermarking, resulting in reduced distortion occurring in the original image resulting from the watermarking. The second algorithm is based on the expansion of interpolation errors. In the method, the amount of additional information needed to extract the watermarked value and restore the original image are very small. The two comparative methods and the existing methods in the literature are compared with computer simulations and found to be superior and weak.
Benzer Tezler
- A learning-based method for detecting defective classes in object-oriented systems
Nesneye dayalı yazılımlarda hatalı sınıfların öğrenme temelli yöntemle belirlenmesi
ÇAĞIL BİRAY
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEZA BUZLUCA
- Güneş ışınım şiddeti tahminine örüntü tarama tabanlı yeni bir yaklaşım
A novel pattern search based approach to solar radiation forecasting
FATİH SERTTAŞ
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DOÇ. DR. FATİH ONUR HOCAOĞLU
- Hava öngörüsünde uyarlanabilir ensemble modellemesi
Adaptive ensemble modelling for weather prediction
SEDEF ÇAKIR
Doktora
Türkçe
2012
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. MİKDAT KADIOĞLU
- Vibration-based fault detection for ball bearings
Bilyalı rulmanlarda titreşim verileri kullanılarak hasar tespiti
REZA GOLAFSHAN
Yüksek Lisans
İngilizce
2015
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN YÜCE ŞANLITÜRK
- Döviz kurunu belirleyen değişkenlerin konvansiyonel zaman serisi ve yapay sinir ağlarına dayalı melez bir yöntem ile analizi
Analysis of variables determining the exchange rate with a hybrid method based on conventional time series and artificial neural networks
ERSİN SÜNBÜL
Doktora
Türkçe
2022
EkonomiAnkara Hacı Bayram Veli ÜniversitesiUluslararası Ticaret Ana Bilim Dalı
PROF. DR. YASEMİN BENLİ