Abstract
본 연구는 이론적 분석과 로컬 이진 패턴(LBP) 연산자 및 레벨 공동 발생 매트릭스 (GLCM) 기능의 실험검증을 기반으로 블라인드 화상의 검출 성능을 향상시키기 위한 하나의 서술자 세트보다 견고하고 보완 기능을 가지는 융합 특성을 제시했다. 이 프레임 워크는 두 이미지 텍스쳐 서술자 알고리즘의 융합을 적용하여 보이는지 그렇지 않는지에 집중했다. 우선 LBP 알고리즘은 LBP 화상을 작성하는 화상으로 사용된다. 그리고, GLCM 알고리즘은 로컬 동시 발생 특성을 추출 LBP 화상에 적용된다. 이 둘 융합 특성은 LBP 화상과 로컬 동시 발생 특성에서 공간 분포를 얻을 수 있다. 마지막으로, 서포트 벡터 머신은 이미지의 위조 검출을 위해 산출된다. 실험 결과는 제안된 프레임 워크가 CASIA 데이터베이스의 컬러 이미지 데이터 세트에 98.5%의 정확도를 달성 할 수 있음을 분석되었다.
Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callMore From: Journal of Korean Institute of Information Technology
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
