Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2021

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: structural similarity index measure

Sortuj według:

Ogranicz wyniki do:

Przykład zastosowania steganografii dla dwuwymiarowych obrazów cyfrowych

Jamrozik Ewelina

MINUT Matematyka i Informatyka na Uczelniach Technicznych

2021

Nr 3

98-105

W artykule przedstawiono wykorzystanie klasycznego algorytmu steganograficznego opierającego się na metodzie najmniej znaczących bitów (ang. Least Significant Bit) w szyfrowaniu obrazów, która polega na ukrywaniu informacji w najmniej znaczących bitach dla każdego z trzech kolorów modelu RGB opisujących dany piksel. Wyjaśniony został sposób reprezentacji obrazu oraz jego przetwarzania. W ocenie wydajności i jakości procesu posłużono się histogramami, wskaźnikiem jakości obrazu PSNR (ang. peak signal-to-noise ratio) i miarą podobieństwa strukturalnego SSIM (ang. structural similarity index measure) pomiędzy obrazami na różnych etapach. Wykazane zostały zmiany, które zaszły w obrazach na drodze procesu steganogracznego, a mogą być informacją dla osób wykrywających takie działania. Oceniony został stopień zachowalności i utraty danych. Na skutek przeprowadzonego procesu jakość obrazów uległa nieznacznemu pogorszeniu, co wykazały obliczone parametry.

Modified Block Sparse Bayesian Learning-Based Compressive Sensing Scheme For EEG Signals

Upadhyaya Vivek, Salim Mohammad

International Journal of Electronics and Telecommunications

2021

Vol. 67, No. 3

331--336

Advancement in medical technology creates some issues related to data transmission as well as storage. In real-time processing, it is too tedious to limit the flow of data as it may reduce the meaningful information too. So, an efficient technique is required to compress the data. This problem arises in Magnetic Resonance Imaging (MRI), Electrocardiogram (ECG), Electroencephalogram (EEG), and other medical signal processing domains. In this paper, we demonstrate Block Sparse Bayesian Learning (BSBL) based compressive sensing technique on an Electroencephalogram (EEG) signal. The efficiency of the algorithm is described using the Mean Square Error (MSE) and Structural Similarity Index Measure (SSIM) value. Apart from this analysis we also use different combinations of sensing matrices too, to demonstrate the effect of sensing matrices on MSE and SSIM value. And here we got that the exponential and chi-square random matrices as a sensing matrix are showing a significant change in the value of MSE and SSIM. So, in real-time body sensor networks, this scheme will contribute a significant reduction in power requirement due to its data compression ability as well as it will reduce the cost and the size of the device used for real-time monitoring.