Νέα στατιστικά μοντέλα εικόνας για την ανίχνευση και σχεδίαση υδατοσημάτων

Περίληψη

Στη παρούσα διατριβή αναπτύξαμε νέα στατιστικά μοντέλα εικόνας για το πρόβλημα της υδατοσήμανσης εικόνας. Πιο συγκεκριμένα, προτείνουμε στοχαστικά μη-στάσιμα μοντέλα εικόνων ως εκ των προτέρων κατανομές (priors) των εικόνων απαραίτητα για τη κατασκευή νέων ανιχνευτών υδατοσήματος τόσο για το αθροιστικό όσο και για το πολλαπλασιαστικό πρόβλημα υδατοσήμανσης. Επίσης, χρησιμοποιώντας τις παραμέτρους της εικόνας, σχεδιάζουμε νέες αντιληπτικές μάσκες οι οποίες βελτιώνουν την ανίχνευση υδατοσήματος και της ανθεκτικότητας επιτρέποντας την εισαγωγή μη-αντιληπτών υδατοσημάτων με περισσότερη ενέργεια. Προτείνουμε ένα ιεραρχικό, δύο επιπέδων μοντέλο εικόνας, το οποίο έχει βρει πεδίο εφαρμογών στα προβλήματα ανακατασκευής εικόνων (image recovery problems). Βασισμένοι σε αυτό το μοντέλο, εξάγουμε μία κλάση ανιχνευτών για το πρόβλημα της αθροιστικής ανίχνευσης υδατοσήματος συμπεριλαμβανομένου των Γενικευμένου Ελέγχου Λόγου Πιθανοφανειών, Bayesian και του RAO ανιχνευτών. Επίσης προτείνουμε μεθόδους ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In this dissertation we developed new statistical image models for the image watermarking problem. More specifically, we propose stochastic non-stationary image models as image priors necessary for the construction of new watermark detectors for the additive and multiplicative watermarking problems. Also using the image model’s parameters, we design new perceptual masks that help improve watermark detection and robustness, by allowing insertion of imperceptible watermarks with more energy. Additive and multiplicative watermark detection can be formulated as a hypothesis testing problem, where one determines the presence or absence of a known watermark in an image. Within this formulation, the watermark is treated as the known signal and the image is the unknown noise. To derive test statistics for this problem, such as the Likelihood Ratio test detector, a statistical model for the image has to be defined. We propose a hierarchical, two-level image model, which has found applicatio ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/28309
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/28309
ND
28309
Εναλλακτικός τίτλος
New statistical image models for the watermark detection and design
Συγγραφέας
Μαϊργιώτης, Αντώνιος (Πατρώνυμο: Κωνσταντίνος)
Ημερομηνία
2010
Ίδρυμα
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής
Εξεταστική επιτροπή
Λαγαρής Ισαάκ
Γαλατσάνος Νικόλαος
Νίκου Χριστόφορος
Λύκας Αριστείδης
Μπερμπερίδης Κωνσταντίνος
Μουστακίδης Γεώργιος
Ψαράκης Εμμανουήλ
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Υδατοσήμανση; Υδατογραφία; Μοντέλα εικόνων; Ανίχνευση υδατοσημάτων; Σχεδίαση υδατοσημάτων; Ένθεση υδατοσημάτων; Μπεϋζιανές τεχνικές; Χωρικά προσαρμοζόμενες τεχνικές; Χωρικά σταθμισμένο Total Variation (συνολικής διακύμανσης) μοντέλο
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
xxi, 201 σ., εικ., πιν., σχημ., ευρ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)