메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Kang Hyeon RHEE (Chosun University)
저널정보
대한전자공학회 IEIE Transactions on Smart Processing & Computing IEIE Transactions on Smart Processing & Computing Vol.4 No.4
발행연도
2015.8
수록면
195 - 201 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2015

Median Filtering Detection of Digital Images Using Pixel Gradients
Kang Hyeon RHEE IEIE Transactions on Smart Processing & Computing 2015.08 학술저널
Median Filtering Detection of Digital Image using the Pixel’s Gradients
Kang Hyeon RHEE ITC-CSCC :International Technical Conference on Circuits Systems, Computers and Communications 2015.06 학술대회자료

초록· 키워드

오류제보하기
For median filtering (MF) detection in altered digital images, this paper presents a new feature vector that is formed from autoregressive (AR) coefficients via an AR model of the gradients between the neighboring row and column lines in an image. Subsequently, the defined 10-D feature vector is trained in a support vector machine (SVM) for MF detection among forged images. The MF classification is compared to the median filter residual (MFR) scheme that had the same 10-D feature vector. In the experiment, three kinds of test items are area under receiver operating characteristic (ROC) curve (AUC), classification ratio, and minimal average decision error. The performance is excellent for unaltered (ORI) or once-altered images, such as 3×3 average filtering (AVE3), QF=90 JPEG (JPG90), 90% down, and 110% up to scale (DN0.9 and Up1.1) images, versus 3×3 and 5×5 median filtering (MF3 and MF5, respectively) and MF3 and MF5 composite images (MF35). When the forged image was post-altered with AVE3, DN0.9, UP1.1 and JPG70 after MF3, MF5 and MF35, the performance of the proposed scheme is lower than the MFR scheme. In particular, the feature vector in this paper has a superior classification ratio compared to AVE3. However, in the measured performances with unaltered, once-altered and post-altered images versus MF3, MF5 and MF35, the resultant AUC by ‘sensitivity’ (TP: true positive rate) and ‘1-specificity’ (FN: false negative rate) is achieved closer to 1. Thus, it is confirmed that the grade evaluation of the proposed scheme can be rated as ‘Excellent (A)’.
#Forgery image #Median filtering (MF) #Median filtering detection #Median filter residual (MFR) #Median filtering forensic #Autoregressive (AR) model #Pixel gradient

목차

Abstract
1. Introduction
2. Theoretical Background
3. The Proposed MF Detection Algorithm
4. Performance Evaluation
5. Conclusion
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

중국 서비스 종업원들의 직무성과와 이직의도에 미치는 감정노동과 감정소모의 영향 : 지각된 조직지원의 조절효과
강성호 ,  허원무 ,  박경도 한국산업정보학회논문지 2015 .08
Carbon Therapy용 스마트 CO₂ 주입기의 설계 및 구현
안찬진 ,  박성곤 융복합지식학회논문지 2015 .07
동력 의족의 기술 동향
경기영 ,  이영삼 제어로봇시스템학회지 2015 .06
Forgery Detection Scheme Using Enhanced Markov Model and LBP Texture Operator in Low Quality Images
Sau ,  abh Aga ,  wal 외 1명 정보보호학회논문지 2021 .12
아이폰으로 촬영된 디지털 이미지의 파일 구조 및 미디어 로그 분석을 통한 법과학적 진본 확인 방법
박남인 ,  이지우 ,  전옥엽 외 2명 멀티미디어학회논문지 2021 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2016-569-001875059