Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Gray Level Co-occurrence Matrix

Sortuj według:

Ogranicz wyniki do:

Robust image forgery detection using point feature analysis

William Youssef, Safwat Sherine, Abdel-Megeed Salem Mohammed

Annals of Computer Science and Information Systems

2019

Vol. 18

373–-380

Day for day it becomes easier to temper digital images. Thus, people are in need of various forgery image detection. In this paper, we present forgery image detection techniques for two of the most common image tampering techniques; copy-move and splicing. We use match points technique after feature extraction process using SIFT and SURF. For splicing detection, we extracted the edges of the integral images of Y , Cb, and Cr image components. GLCM is applied for each edge integral image and the feature vector is formed. The feature vector is then fed to a SVM classifier. For the copy-move, the results show that SURF feature extraction can be more efficient than SIFT, where we achieved 80% accuracy of detecting tempered images. On the other hand, processing the image in YCbCr color model is found to give promising results in splicing image detection. We have achieved 99% true positive rate for detecting splicing images.

Machine Vision Analysis for Textile Texture Identification

Kandi S G

Fibres & Textiles in Eastern Europe

2011

Vol. 19, no. 6 (89)

53--57

Texture identification and matching a sample fabric within a known collection of produced fabrics is a time-consuming and difficult process as a human activity. In this study, a computational method for textile texture identification is introduced using an image analysis technique. For this purpose, images of fabrics were captured by a digital flat scanner. Texture features were extracted using the Edge frequency and Gray Level Co-occurrence Matrix (GLCM) methods. In this way, a library of texture features was collected. To match a new texture with library samples, the closest texture feature based on Euclidian distance was identified as the fabric texture. Experimental results for 33 different textures showed the successful identification of textures with both methods. However, the edge frequency method is more feasible and acceptable due to its computational simplicity and lower processing time. In addition, it was shown that the edge frequency method is extremely insensitive to the colour and scanning direction of the fabric.

Identyfikacja struktury powierzchni tkanin jest zajęciem pracochłonnym. Opracowano metodę identyfikacji struktury wykorzystując metodę automatycznej analizy obrazu. W celu identyfikacji wykonuje się zdjęcia skaningowe powierzchni materiałów, które następnie ulegają obróbce z wykorzystaniem metody wykrywania krawędzi i metody macierzy zależności poziomów szarości. W ten sposób opracowane informacje o poszczególnych strukturach zostają wprowadzone do komputerowej bazy danych, gdzie są porównywane z odpowiednimi wzorcami. Wprowadzenie 33 obrazów różnych struktur wykazało prawidłowe działanie układu. Niemniej należy zaznaczyć, ze metoda z wykrywaniem krawędzi jest bardziej użyteczna ze względu na prostszy sposób przetwarzania i krótszy czas obróbki. W dodatku stwierdzono, ze metoda ta jest niewrażliwa na kolor materiału i kierunek detekcji.