Geri Dön

Doğrusal olmayan örüntü sınıflandırıcılar ile sayısal ses damga çözme

Digital audio watermark decoding by nonlinear pattern classifiers

  1. Tez No: 914832
  2. Yazar: SERAP KIRBIZ
  3. Danışmanlar: PROF. DR. BİLGE GÜNSEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2005
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
  13. Sayfa Sayısı: 80

Özet

Bu tez çalışması kapsamında, Destek Vektör Makineleri'ne dayalı, eğiticili öğrenmeyi takiben gözü kapalı damga çözme gerçekleyen bir ses damgalama yöntemi gerçeklenmiştir. Damga çözme işlemi, üç sınıflı bir sınıflandırma yordamı olarak modellenmektedir. İlk önce, eğitimde kullanılacak ses işaretleri üzerinde dalgacık ayrıştırma uygulanmaktadır. Ayrıştırılan işaretlerden 1 ve -1 ile damgalanmış olanlar, sırasıyla Sınıf 1 ve Sınıf 2 için eğitim vektörlerini oluşturmaktadır. Önerilen yöntem sadece damga bitlerini bulmakla kalmayıp, damgasız ses işaretlerini de Sınıf 3 olarak saptayabilmektedir. Geliştirilen sistem -30 dB' den düşük Damga İşaret Oranı (DİO)' larında damga bilgisini yaklaşık % 95 doğrulukla elde ederken, eşzamanlama atağı, ses sıkıştırma, gürültü, genlik değişimi gibi bozulmalara ve test ortamında başka bir ses kaynağı bulunmasına karşı da gürbüzdür. Önerilen yöntemin var olan ilintiye dayalı yöntemlerin dezavantajlarını ortadan kaldırdığı ve üç sınıflı sınıflandırma için ilintiye dayalı yöntemlerden daha iyi sonuçlar verdiği gözlenmiştir.

Özet (Çeviri)

In this thesis, an audio watermark (WM) decoding scheme that performs a Support Vector Machine (SVM) based supervised learning followed by a blind decoding is introduced. The decoding process is modeled as a three-class classification procedure. Initially, wavelet decomposition is performed on the training audio signals, and the decomposed audio frames watermarked with +1 and -1 constitute the training sets for Class 1 and Class 2, respectively. The proposed method is not only capable of correctly detecting the embedded WM bits but also capable of detecting un-watermarked audio frames as Class 3. The developed system enables to extract embedded WM data at lower than -30 dB Watermark-to-Signal-Ratio (WSR) levels with 95% accuracy and it is robust to degradations including synchronization attack, audio compression, additive noise, amplitude scaling and existence of an independent audio source in the test environment. It is shown that the proposed audio WM decoder eliminates the drawbacks of traditional correlation-based methods and for three classes; its performance outperforms the existing correlation-based decoders.

Benzer Tezler

  1. Tez No

    827867

    Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  2. Tez No

    485363

    Motor imagery based mobile brain computer interface design using machine learning techniques

    Makine öğrenmesi yöntemleri ile motor hareket hayali tabanlı mobil beyin bilgisayar arayüzü tasarımı

    HAKAN AŞIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZÜMRAY DOKUR

  3. Tez No

    467208

    Classification of wrinkles on the forehead and around eyes

    Alında ve göz kenarlarında yer alan kırışıklıkların sınıflandırılması

    BÜŞRA ÇANAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA ERSEL KAMAŞAK

  4. Tez No

    421080

    Seyrek işaret işlemede sınıflandırma uygulamaları ve çekirdek tabanlı yaklaşımlar

    Classification applications of sparse signal processing and kernel based methods

    ABDURRAHMAN YEŞİLOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ENDER METE EKŞİOĞLU

  5. Tez No

    152519

    Nonlinear dimensionality reduction methods for pattern recognition

    Örüntü tanıma için doğrusal olmayan boyut indirgeme metodları

    BURAK TURHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF.DR. ETHEM ALPAYDIN

Geri Dön