Geri Dön

Security enhancement of image steganography using deepconvolutional neural network (DCNN)

Görüntü güvenliği geliştirme derin kullanarak steganografidönüşümlü sinir ağı (DCNN)

  1. Tez No: 798238
  2. Yazar: RAFAD IMAD KADHIM ABO KHUSHOOT
  3. Danışmanlar: PROF. DR. GALİP CANSEVER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 64

Özet

Bu yüksek lisans tezinin amacı, derin öğrenme ve görüntü işlemenin kullanımını tartışmaktır. çoklu pozlama fotoğrafları için teknikler. Tüm görüntü kenarlarının düzgünleştirilmesi gerekliliği derin bir evrişimli sinir ağı (DCNN) tabanlı görüntü kenarının sürekli gelişimi yumuşatma çözümü Gürültü giderme, bir görüntünün yüksek bozulma eğilimi nedeniyle zor olabilir. epitaksiyel hacim, büyük ölçüde azalmış koruma, güçlü marjinal kontrast ve katı doktorlar için eğitim gereksinimleri. Derin öğrenme ve görüntü işleme ardışık düzeni geliştirme Kenar segmentasyonu için çoklu pozlu görüntüleri maskelemek, projenin hedefleri arasındadır. A kapsamlı literatür taraması yapıldı ve bir dizi görselleştirme modeli yapısı uygulandı. Bunu başarmak için, yeni bir derin evrişimli sinir ağı (DCNN) modeli, çeşitli hibrit görüntü işleme kullanılarak oluşturuldu ve ince ayar yapıldı algoritmalar ve derin öğrenme (DCNN). Yapabilecek üst düzey bir filtre analizinden bahsediliyor. hassas kenarların algılanmasına yardımcı olur. Bu tartışmanın kemik yoğunluğuna yaptığı vurgunun bir sonucu olarak, Deep kullanarak çeşitli ön sıralama stratejilerini içeren bir yumuşatma yöntemi sunuyoruz. Evrişimli Sinir Ağı (DCNN) teknolojisi. Kapsamlı tarama sistemleri, gelecekte yeni tahmin modellerinin geliştirilmesinden ve otomatik düzeltmeden yararlanın. Belirli mimarilere sahip derin öğrenme modellerini kullanarak, geniş bir yelpazeyi ifade etmek mümkündür. SOYUT GÖRÜNTÜ STEGANOGRAFİSİ KULLANARAK GÜVENLİĞİN GELİŞTİRİLMESİ DERİN DÖNÜŞÜMLÜ SİNİR AĞI (DCNN) ABO KHUSHOOT, Rafad Imad Kadhim, Yüksek Lisans, Elektrik ve Bilgisayar Mühendisliği, Altınbaş Üniversitesi, Danışman: Prof. Dr. Galip CANSEVER Tarih: Aralık / 2022 Sayfa: 58 viii karmaşıklıklardan Görüntünün her kenarını görüntüleyerek, nasıl olduğunu belirlemek istiyoruz. aşırı temsil sonuçları etkiler. Ayrıca DCNN derin öğrenme modeli, otomatikleştirilmiş görüntü işleme için artık fiili standart olan geliştirildi. Pozitif sonuçlar örneğin, görüntüyü kenarlarında yumuşatmak için görüntü işleme kullanıldığında elde edildi görüntü alanı yapısının bölütlenmesi ve araştırılan alanların bölütlenmesi sırasında. bu Yüzde 98,17 kusursuz kesinliğe sahip araştırma, zorluklara da çözüm arıyor. yavaş öğrenme hızı ve bilgi eksikliği gibi derin öğrenmenin pratik uygulamalarında bulunur. açıklama. MATLAB programlamaya çeşitli teknolojiler dahil edilmiştir. paralel olarak görselleştirmeyi ve derin öğrenmeyi geliştirmek için dil.

Özet (Çeviri)

The goal of this master's thesis is to discuss the use of deep learning and image processing techniques to multiple-exposure photographs. The necessity to smooth all image edges is driving the continued development of a deep convolutional neural network (DCNN)-based image edge smoothing solution. Noise removal may be challenging due to an image's high propensity for epitaxial volume, drastically diminished preservation, strong marginal contrast, and strict training requirements for physicians. Developing a deep learning and image processing pipeline to mask multi-exposure images for edge segmentation is among the project's objectives. A comprehensive literature review was conducted, and a number of visualization model structures were implemented. In order to accomplish this, a novel deep convolutional neural network (DCNN) model was created and fine-tuned using a variety of hybrid image processing algorithms and deep learning (DCNN). There is mention of a high-edge filter analysis that can aid in the detection of precise edges. As a result of this discussion's emphasis on bone density, we present a smoothing method that incorporates several pre-sorting strategies using the Deep Convolutional Neural Network (DCNN) technology. Comprehensive screening systems may benefit in the future from the development of new prediction models and automated smoothing. Using deep learning models with particular architectures, it is feasible to express a wide range ABSTRACT SECURITY ENHANCEMENT OF IMAGE STEGANOGRAPHY USING DEEP CONVOLUTIONAL NEURAL NETWORK (DCNN) ABO KHUSHOOT, Rafad Imad Kadhim, M.S., Electrical and Computer Engineering, Altınbaş University, Supervisor: Prof. Dr. Galip CANSEVER Date: December / 2022 Pages: 58 viii of complexities. By displaying every edge of the image, we want to determine how overrepresentation affects the results. In addition, the DCNN deep learning model was developed, which is now the de facto standard for automated image processing. Positive results were obtained, for instance, when image processing was used to smooth the image at its edges during segmentation of the image area structure and segmentation of the researched areas. The research, which has a flawless precision of 98.17 percent, also seeks solutions to challenges found in practical applications of deep learning, such as a slow learning rate and a lack of explanation. Several technologies have been incorporated into the MATLAB programming language in order to improve visualization and deep learning in parallel.

Benzer Tezler

  1. Görüntü üzerinde sayısal damgalama ve gömülü sistem uygulaması

    Digital watermarking on images and its embedded system implementation

    OĞUZ AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MÜRVET KIRCI

  2. An effect image steganography system based on pixels disparity value and secret message compression

    Başlık çevirisi yok

    MARYAM SHAMIL MUSTAFA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GALİP CANSEVER

  3. Performance enhancement of palm recognition system by robust machine learning approaches

    Başlık çevirisi yok

    LAYTH MOHAMMED ABBAS AL-MASHHADANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  4. Güvenlik kameralarındaki yüz görüntülerinin süper çözünürlüklenetleştirilmesi

    Face enhancement in surveillance systems using super-resolutiontechniques

    ALİ HÜSAMEDDİN ATEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ

  5. Kızılötesi ve optik hava görüntülerinin birleştirilmesi

    Fusion of infrared and optical aerial images

    ALİ EMRE DESTEGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik MühendisliğiHava Harp Okulu Komutanlığı

    Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. NUMAN ÜNALDI