AYRIK KOSİNÜS DÖNÜŞÜM KATSAYILARI FİLİGRAN EKLEME YÖNTEMİNE GENETİK PROGRAMLAMA YAKLAŞIMI
|
|
- Engin Soysal
- 2 yıl önce
- İzleme sayısı:
Transkript
1 NWSA ISSN: e-journal of New World Sciences Academy 2008, Volume: 3, Number: 3 Article Number: A0084 NATURAL AND APPLIED SCIENCES COMPUTER ENGINEERING Received: December 2007 Accepted: June Mustafa Kaya Hanifi Güldemir University of Firat Elazig-Turkiye AYRIK KOSİNÜS DÖNÜŞÜM KATSAYILARI FİLİGRAN EKLEME YÖNTEMİNE GENETİK PROGRAMLAMA YAKLAŞIMI ÖZET Bu çalışmada, yaygın kullanılan resim dosyalarına frekans bölgesi filigran ekleme yöntemlerinden AKD (Ayrık Kosinüs Dönüşüm) katsayıları yöntemi üzerinde çalışılmıştır. Genetik algoritma kullanılarak görüntü için en az anlamlı AKD katsayı blokları belirlenmiştir. Görüntüde minimum bozulma için filigran bu bloklara eklenmiştir. Genellikle orta band frekans bölgesine gömülen filigranlar, en düşük anlamlı AKD katsayılarına gömülmüştür. Klasik AKD katsayıları yöntemi ve önerilen yöntemi karşılaştırma için SNR (Signal Noise to Ratio) işaretin gürültüye oranı referans alınmıştır. Farklı görüntü dosyalarına uygulanması ve sonuçları tablo halinde verilmiştir. Anahtar Kelimeler: Sayısal Filigranlar, AKD Katsayıları, Genetik Algoritmalar A GENETIC PROGRAMMING APPROACH TO DCT WATERMARKING ABSTRACT In this paper, a new approach for the DCT coefficients watermarking method which is commonly used frequency domain watermarking technique is studied. Least meaningful DCT coefficients blocks are determined by using genetic algorithm. The watermarks are embedded into these blocks for minimum distortions. Watermarks, which are generally embedded into middle band frequency coefficients, were embedded into least meaningful DCT coefficients. The SNR (Signal Noise to Ratio) of the proposed method is compared with the classical DCT coefficients methods. The results showing the effectiveness of the proposed method are presented. Keywords: Digital Watermarking, DCT, Genetic Algorithms
2 1. GİRİŞ (INTRODUCTION) Sayısal görüntü dosyalarına filigran ekleme teknikleri, uzaysal zaman bölgesinde ve frekans bölgesinde çalışmalar şeklinde olmuştur. Frekans bölgesi tekniklerinden en yaygın üzerinde çalışılan yöntem AKD (Ayrık Kosinüs Dönüşüm) katsayıları yöntemidir [1, 2, 3, 4, 5, 6, 7, 8 ve 12]. Yötem zaman bölgesi tekniklerine göre bozulmalara karşı daha çok dirençli ve algılanması daha güçtür. Filigranlı görüntü dosyalarında filigranın varlığının algılanması, filigranı bozma veya etkisiz hale getirme riskini de beraberinde getirmektedir. Bu yüzden algılanabilirlik filigran teknolojisinde çok önemli bir performans ölçütüdür. Bu makalede frekans bölgesi tekniklerinden AKD katsayıları tekniği üzerinde genetik programlama kullanılarak iyileştirme yapılmaya çalışılmıştır. Bu iyileştirmenin özellikle algılanabilirlik performans ölçütü üzerinde yapılması hedeflenmiş olup, hesapsal karmaşıklığın getireceği maliyet ve yöntemin gecikmesi göz ardı edilmiştir. Farklı görüntü dosyalarına yöntemin uygulanması sonuçları, SNR değerinde çok önemli bir değişmenin sağlanamamasına rağmen, belirli tip ataklara karşı yöntemi daha dirençli hale getirebileceğini göstermiştir. Bu gelişme tamamen hesapsal karmaşıklığa dayalı olup kullanılan yöntemin heuristik olmasından kaynaklanmaktadır. 2. ÇALIŞMANIN ÖNEMİ (RESEARCH SIGNIFICIANCE) Bu makalede önerilen yöntemle hesaplama maliyeti ve buna bağlı olarak hız performans ölçütünde daha kötü sonuçlar alınmasına rağmen, filigranın algılanmaması gereken, zamandan bağımsız uygulamalarda algılanabilirlik performans ölçütünün iyileştirilebileceği görülmüştür. 3. DENEYSEL YÖNTEMLER (EXPERIMENTAL METHODS) Söz konusu çalışmada farklı büyüklük ve oransal boyutlarda olan Babun, Barbara, Kameraman, Kız, Lena, Biberler, Çocuk ve Bahçe [18] görüntüleri kullanılmıştır. Görüntü dosyaları JPEG görüntü formatında alınarak siyah-beyaz gri tonlamaya dönüştürülmüş ve daha sonra geliştirilen yöntem uygulanmıştır. Ele alınan yöntem frekans bölgesi filigran ekleme tekniklerinden AKD katsayıları yöntemi olup MATLAB 7.0 ortamında geliştirilen kodla denenmiştir. Yöntem genetik algoritma ile desteklendiğinden, bu yönde hazırlanan ilave kod eklenerek test edilmiştir. 4. GENETİK ALGORİTMA KULLANILARAK GÖRÜNTÜNÜN DAHA AZ ANLAMLI AKD BLOKLARININ BELİRLENMESİ (DETERMINATION OF LEAST SIGNIFICIANT DCT BLOCKS OF IMAGES WITH GENETIC ALGORITHM) AKD katsayıları kullanılarak yapılan filigran ekleme teknolojisinin, filigranın sağlamlık ölçütünü, bozucu etkilere karşı direncini arttırdığı çalışılan makalelerde vurgulanmıştır [1, 2, 3, 4, 5, 6 ve 7]. Alçak ve yüksek band katsayılarının daha detay bilgileri barındıracağı düşüncesinden hareketle, filigranın orta band katsayılarına eklenmesinin görüntünün orijinliğini daha az bozacağı yine bu konuda yapılan çalışmaların çoğunda vurgulanmıştır [3, 4, 5, 6, 7, 8, 9, 10 ve 11]. AKD Bloklarının resim hakkında daha az detay taşıyan (daha az anlamlı) blokları, genetik algoritma kullanılarak belirlenebilir. Bu bloklar, orijinal görüntüyü en az değişime zorlayacak filigran ekleme bölgesidir. Bölge eklenecek mesajın büyüklüğüne göre tespit edildikten sonra, mesaj bu bölgeye gömülerek, görüntüde oluşacak bozulma en aza indirgenecektir. Ayrık Kosinüs dönüşümü alınan görüntü, frekans bölgesinde, frekans tayfına filigran eklenmektedir [3, 4, 9, 10, 12, 13, ve 14]. 437
3 Belli bir katsayı ile çarparak eklenen filigran bozulmalardan daha da az etkilenebilir.bu aşağıda verilen formül ile örneklenmektedir: g f = AKD( g 0 ) + f (1) Filigran bellilenen bir anahtar yardımıyla kodlanırsa ifade aşağıdaki şekli alacaktır. g f = AKD( g o ) + kf (2) Frekans bölgesinde görüntü matrisi 8x8 boyutunda alt matrislere bölünerek filigran her bir bloğa eklenmektedir [3, 5 ve 9]. Her bir bloğun orta band frekans bölgesinden seçilecek katsayılarına filigranın gömülmesi gerekmektedir. Ancak orta bant frekans bölgesi her iki banda ait bileşenlerin birleşme noktası olacaktır. Görüntüye filigran eklendikten sonra en az değişime uğratan, orijinal görüntüde anlamlı bir değişiklik yapmaya sebep olmayacak bölge bulunacaktır. Bunun için filigran eklenmiş görüntü ile orijinal görüntü arasındaki fark genetik algoritma kullanılarak minimize edilecektir. Diğer yandan geneteik algoritma ile filigranın ekleneceği bölge belirleneceği için, güvenirlilik daha da arttırılmış olacaktır Genetik Algoritma İçin Başlangıç Topluluğu Belirleme (Specificaion of Initial Population For Genetic Algorithm) Başlangıç topluluğunun büyüklüğü filigranı oluturacak mesajın büyüklüğüne göre belirlenecektir. Topluluktaki eleman sayısı belirlendikten sonra, ilk olarak her bir blok için rasgele (x,y) başlangıç konumları ile topluluk oluşturulacaktır. Mesaj resim olarak alınıp her bir biti kullanılarak MATLAB pseudo raslantısal sayı üreticisi ve özel anahtar ile kodlanacaktır. Elde edilen kodun uzunluğu kod_uz ise f(anahtar,matlab rasgele sayı üretici(m[kod_uz])) (3) filigran bilgisini oluşturacaktır. Buradaki kod_uz aynı zamanda topluluktaki birey sayısına da karşılık gelmektedir. Raslantısal başlangıç (x,y) blok başlangıç konumları ile kod_uz adet bireyli topluluk oluşturulacaktır. Görüntü matrisinin G[m,n] boyutunun mxn olduğu varsayılırsa, bireyler kodlanırken görüntü matrisinin büyüklüğüne göre herbiri kr_uz=ln(m) + ln(n) (4) kr_uz kromozom uzunluğunu göstermektedir [18]. Şekil 1. Kromozom yapısı (Figure 1. Chromosome Structure) 438
4 4.2. Uygunluk Fonksiyonu (Fitness Function) Bireyin ugyun birey olup olmadığına karar verebilmek için, orijinal görüntü ile filigran eklenmiş görüntü arasındaki farktan veya benzerlikten faydalanılabilir. Bunun için aşağıda (5) ile verilen benzerlik formülü kullanılabilir. * X X benzerlik ( X, X * ) = * * X X (5) Bu fark farklı çalışmalarada, görüntüler arasındaki korelasyon değeri kullanılarak ta hesaplanabilir. R ( α, β ) = X ( i, j) Y ( i α, j β ) XY i j (6) X orijinal görüntüyü, Y de filigran eklenmiş gürültülü görüntüyü göstermektedir. δ = RYW ( 0,0) RZW (0,0) (7) δ filigranlı görüntü ile orijinal görüntü arasındaki farkı ifade etmektedir. Formül (5) ile verilen benzerlik maksimize edilmeye çalışılırken, formül (7) ile verilen fark fonksiyonu minimize edilmeye çalışılır. Filigranlı görüntünün orijinal görüntüden olan farklılığını ölçmek amacıyla SNR (İşaretin gürültüye olan oranı) fonksiyonu normaliz edilerek te kullanılmaktadır [15 ve 16]. 2 M N Max( Pi, j ) PSNR = 2 ( P i, j Pi, j ) i, j (8) SNR = 10 log( PSNR) (9) Tanımlanacak uygunluk değeri için formül (8) ve (9) ile verilen PSNR ve SNR değerleri kullanılabilir. SNR değeri maksimize edilerek işaretin tepe noktasının gürültüye olan oranı en yüksek olan bireylerin topluluktaki sayıları arttırılmaya çalışılır. Topluluktaki birey sayısının sabit kalması için topluluktan atılacak ve topluluğa kopyalanacak birey sayılarının birbirine eşit olması gerekir. Bunu sağlamak amacı ile aşağıda verilen (10) formülü kullanılarak normalleştirme ve kuantalama işlemleri yapılmaktadır [18]. Uyg[i]=2-i*2/n (10) Bireylerin uygunluk değerleri 0..2 arasına çekilerek buradan arasındaki değerlere sahip bireylerin atılması, arasındaki bireylerin varlığını koruması, ve arasında olanların birer kopyalarının eklenmesi suretiyle yeni nesil gen havuzunda oluşturulur. Böylece topluluktaki birey sayısının sabit kalması da sağlanmış olur Çaprazlama İşleci (Crossover Operator) Daha önce de verildiği üzere çaprazlama iki birey arasında karşılıklı iki bitlik bilginin yer değiştirmesi şeklinde yapılacaktır. Ancak çaprazlamanın yeri de rasgele belirleneceği için genel minimum veya maksimumlar daha erken yakalanabilir. Aynı zamanda yerel maksimum veya minimumlardan da kurtulma imkanı bulacaktır. Çaprazlama konumu MATLAB pseudo rasgele sayı üretecisinden üretilecek 0..kr_uz-2 arasındaki değere göre belirlenecektir. Aşağıda verilen tablo için bu değerler ebeveyn1 için 12, ebeveyn2 için 7 olarak verilmiştir [18]. Çaprazlama işleminden sonra elde edilen yeni nesil bireyleri gen havuzunda toplanarak uygunluk değerleri formül (10) e göre belirlenir. 439
5 Tablo 1. Çaprazlama işleci (Table 1. Crossover Operator) Ebeveyn1 x1 6 x1 5 x1 4 x1 3 x1 2 x1 1 x1 0 y1 6 y1 5 y1 4 y1 3 y1 2 y1 1 y1 0 Ebeveyn2 x2 6 x2 5 x2 4 x2 3 x2 2 x2 1 x2 0 y2 6 y2 5 y2 4 y2 3 y2 2 y2 1 y2 0 Döl1 x1 6 x2 5 x2 4 x1 3 x1 2 x1 1 x1 0 y1 6 y1 5 y1 4 y1 3 y1 2 y1 1 y1 0 Döl2 x2 6 x2 5 x2 4 x2 3 x2 2 x2 1 x1 0 y1 6 y2 5 y2 4 y2 3 y2 2 y2 1 y Mutasyon İşleci (Mutation Operator) Her defasında belirlenen lik mutasyon ihtimali (Pm) ile genlerden herhangi bitlik bir bilgi mutasyona uğratılarak yakalanan lokal çözümlerden kurtulması sağlanacaktır. Bu işlecin uygulamasında da yine kromozomda ugyulanacak bit in yerinin belirlenmesi gerekmektedir. Bu işlem içinde gelişigüzel rasgele bir konum olması, her defasında değişecek bit ağırlığının aynı olmamasını sağlayacaktır. Bunun için de yine MATLAB ın rasgele sayı üreticisinin arasında bir değer üretmesi sağlanacaktır. Yukarıda verilen Tablo 1 de elde edilen Döl1 için bu işlemin yapılacağı düşünülürse: Döl1 x1 6 x2 5 x2 4 x1 3 x1 2 x1 1 x1 0 y1 6 y1 5 y1 4 y1 3 y1 2 y1 1 y1 0 Burada mutasyona uğratılacak bilginin yeri için rasgele üretilen sayının mut_kon=11 olduğu varsayılmıştır. Değişim ise kromozom ikili kodla kodlandığından; bir bitlik bilginin 0 ise 1, 1 ise 0 şeklinde dönüştürülmesi şeklinde olacaktır. Mutasyon işlecinin uygulanmasından sonra gen havuzundaki bireylerin uygunluk değerleri daha iyi olanlar bırakılarak diğer bireyleri havuzdan atılması gerekir Tekrar Üretme (Reproduction) Bunun için bireyin uygunluk değeri yüksek ise bir kopyası oluşturulur. Uygunluk değeri ne çok iyi ne de çok kötü olan bireyler hayatta kalmaya devam ederler; ancak onlardan herhangi bir kopya oluşturulmaz. Uygunluk değeri çok kötü olan bireyler ise topluluktan tamamen atılır. Topluluktaki bireylerin sayısının sabit kalabilmesi için, topluluktan atılan bireyler ile topluluğa yeni kopyalanan bireylerin sayısının aynı olması gerekmektedir. Beklenen ve üretilen değer arasındaki koralasyon etkeni, uygunluk değerini hesaplamak için kullanılabilir. Bireyin tekrar seçilme ihtimali aşağıda verilen formül (11) ile hesaplanır [17]. 1 f = n 1+ Rp i Rd i i= 1 (11) n: topluluktaki birey sayısını, Rp: önceki topluluktan bireyin sunduğu uygun çözüm, Rd: yeni nesil topluluktan bireyin sunduğu uygun çözüm, f: uygunluk değerini göstermektedir. Burada hesaplanacak f uygunluk değeri 0 ile 1 arasında olacaktır. Gen havuzunda sonlandırma ölçütü sağlanana kadar tekrar tekrar bireyler aynı işlemlere tabii tutulacaktır. Çözüm kümesindeki benzeşim sonlandırma ölçütü olarak alınabileceği gibi, tekrar üretilen yeni nesillerin sayısı da kullanılabilir. Kullanılan genetik algoritmanın akış diyagramı aşağıda verilmiştir. Konum bilgilerini ikili kodda kromozom şeklinde kodlayarak veri yapısını oluşturur, 440
6 Topluluk içindeki birey sayısını ve başlangıç topluluğunu belirlenir, Bireylerin uygunluk değerleri hesaplanır, Çaprazlama işlecine tabii tutarak geçici gen havuzunda yeni bireyler oluşturulur, Oluşan yeni bireylerin uygunluk değerleri hesaplanarak hayatta kalabilecek bireyler dışındakileri topluluktan çıkarılır, Mutasyon oranına göre bireyler mutasyon işlecinden geçirilir, Geçici gen havuzundaki bireyler yeni nesil olarak topluluğa aktarılır, Sonlandırma ölçütü sağlanmazsa 4. adıma dönülür, Sonlandırma ölçütü sağlanırsa uygun çözüm olarak yeni nesil çıkışa aktarılır. Algoritma sonunda elde edilecek yeni konum bilgilerine göre, filigranın ekleneceği AKD blokları belirlenmiş olur. Belirlenen bu bloklar üzerinde filigran ekleme işlemi yapılarak sonuçlar değerlendirilmiştir. Yöntemin blok diyagramı aşağıda verilmiştir. Şekil 2. Önerilen yöntemin blok şeması (Figure 2. The block diagram of mentioned method) 5. UYGULAMA (APPLICATION) Genetik algoritma kullanılarak AKD katsayılarından uygun olanların, (daha az anlamlı olanların) belirlenmesi ve filigranların bu katsayılara eklenmesi amacıyla yapılan son örnekte sonuçlarda çok büyük farklılıklar görülmemiştir. Yöntem AKD yöntemi ile aynı bozulma direncine sahiptir. Ancak alıgılanabilirliği, fark edilebilirliği gösteren SNR değerin %0.1 oranında daha iyileştirilebildiği görülebilmektedir. Uygulamalarda kullanılan Babun, Barbara, Kameraman, Kız, Lena, Biberler, Çocuk ve Bahçe [18] görüntüleri, farklı büyüklük ve oransal boyutlardadır. Tablo 2 ile bu görüntülere uygulanan AKD katsayıları yönteminin ve makalede sunulan yeni yöntemin işlem süreleri ve SNR değerleri verilmiştir. Yöntemlerin görüntülere uygulanacak ataklardan sonra ne kadar başarı sağlayacakları ve gömülü filigranların tekrar elde edilebilip edilemeyeceğini test etmek amacıyla, aşağıda verilen Tablo 3 hazırlanmıştır. Bu tabloda dört ayrı atağa, farklı oranlarda maruz 441
7 bırakıldıktan sonra görüntüden filigranların çıkarılma oranları verilmiştir. Çalışmalarda en yaygın kullanılan JPEG sıkıştırma için kayıplı ve kayıpsız %90 ve %75 kalite seviyeleri kullanılmıştır. Kırpma, görüntülerin merkezi kalacak çekilde eşit oranlarda yanlardan yapılmıştır. Yine görüntünün %75, %50, %25 ve %10 u kırpılarak elde edilen filigranlı görüntülerden filigran bilgisi çıkarılmaya çalışılmıştır. Median filtresi 3x3 komşuluk matrisi ile uygulanarak elde edilen filigranlı görüntüden filigran bilgisi elde edilmiştir. Son olarak görüntüye Gaussian gürültüsü eklenerek elde edilen görüntüden filigran bilgisi okunmaya çalışılmıştır. Bu amaçla yöntemlerin aşağıda verilen saldırılara uğratılmış filigranlı görüntülerden tekrar elde edilebilme oranları tablo halinde verilmiştir. Tablo 2. Farklı görüntülere filigran ekleme işlem süreleri ve SNR değerleri (Table 2. Elapsed times and SNR values for watermarking different images) Yöntemler AKD k=20 Genetik-AKD Ekl. süresi Babun SNR Çıkarım süresi İşlem süresi Barbara SNR Çıkarım süresi İşlem süresi Kameraman SNR Çıkarım süresi İşlem süresi Kız SNR Çıkarım süresi İşlem süresi Lena SNR Çıkarım süresi İşlem süresi Biberler SNR Çıkarım süresi İşlem süresi Çocuk SNR Çıkarım süresi İşlem süresi Bahçe SNR Çıkarım süresi Tablo 3. Ataklara maruz kalmış farklı görüntüler için filigranların elde edilme oranları (Table 3. The Extraction rate of watermarks from images under the attacs) Yöntemler AKD Genetik-AKD %90 kayıpsız %75 %100 JPEG Sıkıştırma %75 kayıpsız %37.5 %100 %90 kayıplı %37.5 %100 %75 kayıplı %25 %100 % Kırpma % % % Median Filt. 3x3 komşuluk matrisi %75 %100 Gaussian Gürültü Ort=0 Varyans=0.01 %12.5 %
8 6. SONUÇLAR (CONCLUSIONS) Filigran ekleme yöntemlerinin performans ölçütleri değerlendirlirken uygulama alanları dikkate alınmalıdır. Gerçek zamanlı olmayan, zamandan bağımsız uygulamalar için hız performans ölçütü çok önemli olmamasına rağmen algılanabilirlik ölçütü çok önemli olabilir. Bu tür çalışmalar ile özellikle uygulama alanı için istenen performans ölçütü dikkate alınarak daha ugyun çözümlerin geliştirilebileceği vurgulanmaktadır. Doğrusal yöntemlerin ve mevcut doğrusal omayan yötemlerin, heuristik ve doğrusal olmayan yaklaşımlarla daha da iyileştirilebileceği, üzerinde çalışılabilecek konulardır. Daha az anlamalı AKD bloklarının belirlenebileceği bu uygulamaya benzer, görüntünün insanın görme sistemi dikkate alınarak daha az anlamlı kısımlarının belirlenmesi ve belirlenen bu bölgelere filigranın gömülmesi bu alanda çalışılabilecek konulardır. Bozulma direnci yüksek ve algılanabilirlik performans ölçütü daha iyi filigranlama algoritmalarıyla internet ve ağ ortamında bilgi paylaşımında güvenirlilik ve kopyalama hakları açısından çok büyük rahatlıklar getirecektir. KAYNAKLAR (REFERENCES) 1. Ingemar, J.C., Kilian, j., Leighton, T., and Shamoon, T., (1996). A secure, imperceptable yet perceptually salient, spread spectrum watermark for multimedia. In Proceedings, IEEE Southcon 96, Orlando, U.S.A., pp: Ingemar, J.C., Kilian, j., Leighton, T., and Shamoon, T., (1996). A secure, robust watermark for multimedia. In Proceeding, 1996 First International Workshop on Information Hiding, Cambridge, U.K., pp: , 3. Barni, M., Bartolini, F., Cappellini, V., and Piva, A., (1998). A dct-domain system for robust image watermarking. Signal Processing, 66(3), pp: Piva, M., Barni, F., Bartolini, and Cappellini, V., (1997). Dctbased watermark revering without resorting to the uncorrupted original image. In Proceedings, 1997 IEEE International Conference on Image Processing (ICIP 97), Santa Barbara, U.S.A., pp: Periera, S., Voloshnoskiy, S., and Pun, T., (2001). Optimal transform domain watermark embedding via linear programming, Signal Processing 81, pp: Hwang, R.W., (1999). A robust algorithm for information hiding in digital pictures, Master Thesis at the Massachusetts Institute of Technology. 7. Eyadat, M., (2004). Factors that Affect the Performance of the DCT-Block Based Image Watermarking Algorithms, International Conference on Information Technology, Coding and Computing IEEE, Volume:1, pp: Braudaway, G.W., (1997). Protecting publicly available images with an invisible image watermark. In Proceedings, 1997 IEEE International Conference on Image Processing, Santa Barbara, CA, U.S.A. pp: Voloshynovskiy, S., Pereira, S., Pun, T., Eggers, J.J., and Su, J.K., (2001). Attacks on Digital Watermarks: Classification, Estimation-Based Attacks, and Benchmarks, IEEE Communications Magazine, pp: Voloshnoskiy, S., Periera, S., Iquise, V., and Pun, T., (2001). Attack modelling: towards a second generation watermarking benchmark, Signal Processing 81, pp:
9 11. Wang, Y., and Pearmain, A., (2006). Blind MPEG-2 Video Watermarking Robust Against Geometric Attacks: A Set of Approaches in DCT Domain, IEEE transactions on image processing, Volume:15, No: Ingemar, J.C., Kilian,j., Leighton, T., and Shamoon, T., (1996). Secure spread spectum watermarking for images, audio, and video. In Proceedings, September 1996 IEEE International Conference on Image Processing (ICIP 96), Lausanne, Switzerland, pp: Craver, S., Memon, N., Yeo, B.-L., and Yeung, M.M., (1997). On the invertibility of invisible watermarking techniques. In Proceedings, 1997 IEEE International Conference on Image Processing (ICIP 97), Santa Barbara, CA, U.S.A., pp: Ingemar, J.C., Kilian, j., Leighton, T., and Shamoon, T., (1997). Secure spread spectrum watermarking for multimedia. IEEE Trans. on Image Processing, 6(12), pp: Periera, S., Voloshnoskiy, S., and Pun, T., (2001). Optimal transform domain watermark embedding via linear programming, Signal Processing 81, pp: , 16. Voloshnoskiy, S., Periera, S., Pun, T., Eggers, J.J., and Su, J.K., (2001). Attacks on Digital Watermarks: Classification, Estimation-Based Attacks, and Benchmarks, IEEE Communications Magazine, pp: Goldberg, D.E., (1989). Genetic Algorithms in Search, Optimization, and Machine Learning By Addison-Wesley Publishing Company, Inc. 18. Kaya, M., (2007). Görüntü Dosyalarında Filigran Kullanılarak Telif Haklarının Korunması, F.Ü. Fen Bilimleri Enstitüsü Elektrik-Elektronik Mühendisliği A.B.D. Yayınlanmamış Doktora Tezi, Elazığ. 444
İMGELERDE DWT İLE DAMGALAMA METODU
İMGELERDE DWT İLE DAMGALAMA METODU Dr.Ersin ELBAŞI Türkiye Bilimsel ve Teknolojik Araştırma Kurumu (TÜBİTAK) Kavaklıdere, Ankara ersin.elbasi@tubitak.gov.tr Özetçe Yayın hakkını koruma amaçlı kullanılan
Dalgacık Dönüşümü ile Damgalama
Dalgacık Dönüşümü ile Damgalama Mustafa UÇAK Kocaeli Üniversitesi Elektronik Ve Haberleşme Mühendisliği Bölümü İmge İşleme Laboratuarı İzmit/Kocaeli mustafa.ucak@emo.org.tr ÖZETÇE Sıkıştırma teknolojilerinin
Sayısal İmgeler için Ayrık Kosinüs Dönüşümü Esaslı Veri Gizlemenin Ataklara Dayanıklılığı
Akademik Bilişim 12 - XIV. Akademik Bilişim Konferansı Bildirileri 1-3 Şubat 2012 Uşak Üniversitesi Sayısal İmgeler için Ayrık Kosinüs Dönüşümü Esaslı Veri Gizlemenin Ataklara Dayanıklılığı Murat Yeşilyurt
SAYISAL İMGELERİN UZAY VE FREKANS DÜZLEMİ BİLEŞENLERİ KULLANILARAK DAMGALANMASI
SAYISAL İMGELERİN UZAY VE FREKANS DÜZLEMİ BİLEŞENLERİ KULLANILARAK DAMGALANMASI Mustafa ORAL 1 Murat FURAT 2 1,2 Elektrik ve Elektronik Mühendisliği Bölümü, Mustafa Kemal Üniversitesi, Hatay 1 e-posta:
Veysel Aslanta, M Do ru
Veysel Aslanta, MDoru, Genetik Algoritma (GA) kullanarak (Singular Value Decomposition - SVD) resim Ç (scaling factors - SFs) kullanarak alues - SVs) metotta, maksimum optimize maksimum saydam da S Anahtar
Zeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Genetik Algoritma (Genetic Algorithm) Doç.Dr. M. Ali Akcayol Genetik Algoritma 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik
Fonksiyon Optimizasyonunda Genetik Algoritmalar
01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu
Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı
Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım Mehmet Ali Aytekin Tahir Emre Kalaycı Gündem Gezgin Satıcı Problemi GSP'yi Çözen Algoritmalar Genetik Algoritmalar
İMGE İŞLEME Ders-9. İmge Sıkıştırma. Dersin web sayfası: (Yrd. Doç. Dr. M.
İMGE İŞLEME Ders-9 İmge Sıkıştırma (Yrd. Doç. Dr. M. Kemal GÜLLÜ) Dersin web sayfası: http://mf.kou.edu.tr/elohab/kemalg/imge_web/odev.htm Hazırlayan: M. Kemal GÜLLÜ İmge Sıkıştırma Veri sıkıştırmanın
Gürültü İçeren İnsan Yüzü Görüntülerinde Ayrık Kosinüs Dönüşümü - Alt Bant Tabanlı Yüz Tanıma
Gazi Üniversitesi Fen Bilimleri Dergisi Part:C, Tasarım Ve Teknoloji GU J Sci Part:C 3(2):457-462 (2015) Gürültü İçeren İnsan Yüzü Görüntülerinde Ayrık Kosinüs Dönüşümü - Alt Bant Tabanlı Yüz Tanıma Ahmet
Uyarlanır Tersinir Görüntü Damgalama (Adaptive Reversible Image Watermarking)
Uyarlanır Tersinir Görüntü Damgalama (Adaptive Reversible Image Watermarking) 1 *Can Yüzkollar, 2 Burhan Baraklı, 3 Ümit Kocabıçak * 1,3 Bilgisayar ve Bilişim Bilimleri Fakültesi, Bilgisayar Mühendisliği,
KABLOSUZ ÇOKLU ORTAM ALGILAYICI AĞLARINDA DAMGALAMA İLE GÜVENLİ VERİ KÜMELEME ***
Gazi Üniv. Müh. Mim. Fak. Der. Journal of the Faculty of Engineering and Architecture of Gazi University Cilt 28, No 3, 587-594, 2013 Vol 28, No 3, 587-594, 2013 KABLOSUZ ÇOKLU ORTAM ALGILAYICI AĞLARINDA
Evrimsel Çok amaçlı eniyileme. Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010
Evrimsel Çok amaçlı eniyileme Tahir Emre Kalaycı Ege Üniversitesi Bilgisayar Mühendisliği Bölümü 25 Mart 2010 Gündem Çok amaçlı eniyileme Giriş Evrimsel çok amaçlı eniyileme Sonuç Giriş Gerçek dünya problemleri
ISSN : 1308-7231 mbaykara@firat.edu.tr 2010 www.newwsa.com Elazig-Turkey
ISSN:1306-3111 e-journal of New World Sciences Academy 011, Volume: 6, Number:, Article Number: 1A0173 ENGINEERING SCIENCES Burhan Ergen Received: November 010 Muhammet Baykara Accepted: February 011 Firat
ADPCM Tabanlı Ses Steganografi Uygulaması The Application of Sound Steganography Based on ADPCM
1. Giriş ADPCM Tabanlı Ses Steganografi Uygulaması The Application of Sound Steganography Based on ADPCM * 1 Ahmet Karaca, 1 Özdemir Çetin ve 1 Halil İbrahim Eskikurt * 1 Teknoloji Fakültesi, Elektrik-Elektronik
İKİLİ VE RENKLİ LOGO İLE SAYISAL DAMGALAMA DIGITAL WATERMARKING WITH BINARY AND COLORED WATERMARK
İKİLİ VE RENKLİ LOGO İLE SAYISAL DAMGALAMA DIGITAL WATERMARKING WITH BINARY AND COLORED WATERMARK Selçuk KİZİR 1 H.Metin ERTUNÇ 2 Hasan OCAK 3 1,2,3 Kocaeli Üniversitesi, Mekatronik Mühendisliği Bölümü
PERFORMANCE COMPARISON OF KARATSUBA AND NIKHILAM MULTIPLICATION ALGORITHMS FOR DIFFERENT BIT LENGTHS
İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl:14 Sayı: 27 Bahar 2015 s. 55-64 Araştırma Makalesi KARATSUBA VE NIKHILAM ÇARPMA İŞLEMİ ALGORİTMALARININ FARKLI BİT UZUNLUKLARI İÇİN PERFORMANSLARININ
2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics
2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics Özet: Bulanık bir denetleyici tasarlanırken karşılaşılan en önemli sıkıntı, bulanık giriş çıkış üyelik fonksiyonlarının
Sigma 2006/3 Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM
Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Sigma 6/ Araştırma Makalesi / Research Article A SOLUTION PROPOSAL FOR INTERVAL SOLID TRANSPORTATION PROBLEM Fügen TORUNBALCI
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ EĞİTİM ÖĞRETİM YILI DERS KATALOĞU
T.C. ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ - EĞİTİM ÖĞRETİM YILI DERS KATALOĞU Ders Kodu Bim Kodu Ders Adı Türkçe Ders Adı İngilizce Dersin Dönemi T Snf Açıl.Dönem P
Radyografik Görüntülere Veri Gizleme Uygulaması
Radyografik Görüntülere Veri Gizleme Uygulaması Sema Öksüzoğlu Bilgi İşlem Daire Başkanlığı, Erciyes Üniversitesi, Kayseri e-posta: sema@erciyes.edu.tr Özetçe Tıbbi görüntüleme sistemleri çok çeşitli uygulamalarda
Bulanık Mantık Tabanlı Uçak Modeli Tespiti
Bulanık Mantık Tabanlı Uçak Modeli Tespiti Hüseyin Fidan, Vildan Çınarlı, Muhammed Uysal, Kadriye Filiz Balbal, Ali Özdemir 1, Ayşegül Alaybeyoğlu 2 1 Celal Bayar Üniversitesi, Matematik Bölümü, Manisa
Göksel GÜNLÜ Gazi Üniversitesi Elektrik-Elektronik Müh. Böl.
GLOBAL AYRIK KOSİNÜS DÖNÜŞÜMÜ İLE GÖRÜNTÜ SIKIŞTIRMADA BAŞARIMIN İYİLEŞTİRİLMESİ IMPROVING THE PERFORMANCE OF THE IMAGE COMPRESSION BY GLOBAL DISCRETE COSINE TRANSFORM Göksel GÜNLÜ goksel@gazi.edu.tr Gazi
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü. Bilgisayarla Görme. Final
Yıldız Teknik Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Mühendisliği Bölümü Bilgisayarla Görme Final Harris ve Moravec Köşe Belirleme Metotları Selçuk BAŞAK 08501008 Not: Ödevi hazırlamak için geliştirdiğim
METASEZGİSEL YÖNTEMLER. Genetik Algoritmalar
METASEZGİSEL YÖNTEMLER Genetik Algoritmalar 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik Genetik Algoritma Algoritma Uygulamaları üzerine klasik eser
24 bit renkli hareketli resimler (video) üzerinde geliştirilen sırörtme yöntemi
SAÜ Fen Bil Der 19. Cilt, 1. Sayı, s. 1-6, 2015 24 bit renkli hareketli resimler (video) üzerinde geliştirilen Yasemin Yıldız 1*, Ahmet T. Özcerit 2 ÖZ 08.01.2014 Geliş/Received, 18.04.2014 Kabul/Accepted
Zeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Tabu Arama (Tabu Search) Doç.Dr. M. Ali Akcayol Tabu Arama 1986 yılında Glover tarafından geliştirilmiştir. Lokal minimum u elimine edebilir ve global minimum u bulur. Değerlendirme
ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ
ÇİFT EŞİK DEĞERLİ GÖRÜNTÜ NETLEŞTİRME YÖNTEMİ Ali S Awad *, Erhan A İnce* *Doğu Akdeniz Üniversitesi Elektrik ve Elektronik Mühendisliği Mağosa, KKTC İnce@eeneteeemuedutr, Asawad@emuedutr Özetçe Beyaz
Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü oner@isikun.edu.tr
Doç.Dr. M. Mengüç Öner Işık Üniversitesi Elektrik-Elektronik Bölümü oner@isikun.edu.tr 1. Adı Soyadı : Mustafa Mengüç ÖNER 2. Doğum Tarihi : 01.02.1977 3. Unvanı : Doçent Dr. 4. Öğrenim Durumu : ÖĞRENİM
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü Primal Simpleks Yöntem
3.2. DP Modellerinin Simpleks Yöntem ile Çözümü 3.2.1. Primal Simpleks Yöntem Grafik çözüm yönteminde gördüğümüz gibi optimal çözüm noktası, her zaman uygun çözüm alanının bir köşe noktası ya da uç noktası
ÖZGEÇMİŞ. Derece Alan Üniversite Yıl Doktora
1. Adı Soyadı: Yıldıray YALMAN ÖZGEÇMİŞ 2. Doğum Tarihi: 1982 3. Unvanı: Doç. Dr. Tel: (312) 551 5437 yyalman@turgutozal.edu.tr 4. Öğrenim Durumu: Derece Alan Üniversite Yıl Doktora Elektronik ve Bilgisayar
Zeki Optimizasyon Teknikleri
Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:
Kablosuz Sensör Ağlar ve Eniyileme. Tahir Emre KALAYCI. 21 Mart 2008
Kablosuz Sensör Ağlar ve Eniyileme Tahir Emre KALAYCI 21 Mart 2008 Gündem Genel Bilgi Alınan Dersler Üretilen Yayınlar Yapılması Planlanan Doktora Çalışması Kablosuz Sensör Ağlar Yapay Zeka Teknikleri
Görev Unvanı Alan Üniversite Yıl Prof. Dr. Elek.-Eln Müh. Çukurova Üniversitesi Eylül 2014
ÖZGEÇMİŞ 1. Adı Soyadı : MUSTAFA GÖK 2. Doğum Tarihi: : 1972 3. Unvanı : Prof. Dr. 4. Öğrenim Durumu Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği İstanbul Üniversitesi 1995 Yüksek Lisans Electrical
Aradeğerleme Hatasının Genişletilmesine Dayalı Tersinir Görüntü Damgalama. Reversible Image Watermarking Based on Interpolation Error Expansion
Aradeğerleme Hatasının Genişletilmesine Dayalı Tersinir Görüntü Damgalama Reversible Image Watermarking Based on Interpolation Error Expansion 1 İbrahim YILDIRIM and 1 Burhan BARAKLI 1 Faculty of Engineering,
STEGANOGRAFİK KÜTÜPHANE
STEGANOGRAFİK KÜTÜPHANE Zekeriya ERKİN 1 Bülent ÖRENCİK 2 1,2 Bilgisayar Mühendisliği Bölümü Elektrik-Elektronik Fakültesi İstanbul Teknik Üniversitesi, 34469, Maslak, İstanbul 1 e-posta: erkin@ce.itu.edu.tr
Süleyman UZUN 1, Devrim AKGÜN 2. Özet. Abstract. 2. Doğrusal Görüntü Filtreleme. 1. Giriş.
Görüntü Filtre Çekirdek Matrisinin Genetik Algoritmalar ile Eğitiminin Bir Analizi An Analysis of Genetic Algorithm with Training of Image Filter Kernel Matrix Süleyman UZUN 1, Devrim AKGÜN 2 1 Bilgi İşlem
Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler
Tedarik Zinciri Yönetiminde Yapay Zeka Teknikler Doç.Dr.Mehmet Hakan Satman mhsatman@istanbul.edu.tr İstanbul Üniversitesi 2014.10.22 Doç.Dr.Mehmet Hakan Satmanmhsatman@istanbul.edu.tr Tedarik Zinciri
BULANIK TOPSİS YÖNTEMİYLE TELEFON OPERATÖRLERİNİN DEĞERLENDİRİLMESİ
BULANIK TOPSİS YÖNTEMİYLE TELEFON OPERATÖRLERİNİN DEĞERLENDİRİLMESİ 1 İpek Nur Erkmen ve 2 Özer Uygun 1 Karabük-Sakarya Ortak Program, Fen Bilimleri Enstitüsü Endüstri Mühendisliği ABD, 2 Sakarya Üniversitesi
Web Madenciliği (Web Mining)
Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimli Öğrenmenin Temelleri Karar Ağaçları Entropi ID3 Algoritması C4.5 Algoritması Twoing
GÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME
GÖRÜNTÜ İŞLEME HAFTA 4 DÖNÜŞÜMLER UZAYSAL FİLTRELEME DERS İÇERİĞİ Histogram İşleme Filtreleme Temelleri HİSTOGRAM Histogram bir resimdeki renk değerlerinin sayısını gösteren grafiktir. Histogram dengeleme
BMP RESİMLER İÇİN VERİ GİZLEME TABANLI BİLGİ GÜVENLİĞİ UYGULAMALARI
BMP RESİMLER İÇİN VERİ GİZLEME TABANLI BİLGİ GÜVENLİĞİ UYGULAMALARI Feyzi AKAR Deniz Harp Okulu, Elk./Eln. Müh. 34940 İstanbul TR feyziakar@dho.edu.tr ABSTRACT In this study, we propose two distinct data
Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Computer Engineering Undergraduate Curriculum
Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Undergraduate Curriculum 2014-2015 ve Öncesi Girişli Öğrenciler için Uygulanan Ders Program 1.Yıl / I.Dönem (First Year / First Semester) FIZ115 Fizik
Dijital Sinyal İşleme (COMPE 463) Ders Detayları
Dijital Sinyal İşleme (COMPE 463) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Dijital Sinyal İşleme COMPE 463 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin
Genetik Algoritmalar. Bölüm 1. Optimizasyon. Yrd. Doç. Dr. Adem Tuncer E-posta:
Genetik Algoritmalar Bölüm 1 Optimizasyon Yrd. Doç. Dr. Adem Tuncer E-posta: adem.tuncer@yalova.edu.tr Optimizasyon? Optimizasyon Nedir? Eldeki kısıtlı kaynakları en iyi biçimde kullanmak olarak tanımlanabilir.
Fonksiyonu. Yakup KUTLU ve Apdullah YAYIK. Proceedings/Bildiriler Kitabı
Fonksiyonu Yakup KUTLU ve Apdullah YAYIK Özet uzunlukta (256-bit veya 512-bit) veri elde edilmesini r. m a r. Anahtar Kelimeler Duyar Abstract In this paper 5 layered neural network based one way hash
Tekil Değer AyrıĢımı Metodu ile Renkli Resimler Ġçin Bir Damgalama Uygulaması
6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 2011, Elazığ, Turkey Tekil Değer AyrıĢımı Metodu ile Renkli Resimler Ġçin Bir Damgalama Uygulaması ġ. Doğan 1, T. Tuncer 2, E. Avcı
YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN GENETİK ALGORİTMA YAKLAŞIMI KULLANILARAK KENTSEL BİNALARIN TESPİTİ
YÜKSEK ÇÖZÜNÜRLÜKLÜ UYDU GÖRÜNTÜLERİNDEN GENETİK ALGORİTMA YAKLAŞIMI KULLANILARAK KENTSEL BİNALARIN TESPİTİ E Sümer a, M Türker b a Başkent Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği
KABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 DENKLEŞTİRME, ÇEŞİTLEME VE KANAL KODLAMASI İçerik 3 Denkleştirme Çeşitleme Kanal kodlaması Giriş 4 Denkleştirme Semboller arası girişim etkilerini azaltmak için Çeşitleme Sönümleme
POSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM
POSITION DETERMINATION BY USING IMAGE PROCESSING METHOD IN INVERTED PENDULUM Melih KUNCAN Siirt Üniversitesi, Mühendislik-Mimarlık Fakültesi, Mekatronik Mühendisliği Bölümü, Siirt, TÜRKIYE melihkuncan@siirt.edu.tr
ÖZGEÇMİŞ 2003 MÜHENDİSLİĞİ İSTANBUL ÜNİVERSİTESİ ÜNİVERSİTESİ
ÖZGEÇMİŞ 1. Adı Soyadı: İPEK EKER 2. Doğum Tarihi: 31.01.1980 3. Ünvanı: ÖĞRETİM GÖREVLİSİ 4. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans ENDÜSTRİ İSTANBUL KÜLTÜR 2003 MÜHENDİSLİĞİ ÜNİVERSİTESİ Y.Lisans
ve Sonrası Girişli Öğrenciler için Uygulanacak Ders Program
Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Department of Computer Engineering Undergraduate Curriculum 2015-2016 ve Sonrası Girişli Öğrenciler için Uygulanacak Ders Program 1.Yıl / I.Dönem (First
GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ
VI. Ulusal Temiz Enerji Sempozyumu UTES 2006 25 27 Mayıs 2006, Isparta Sf.756 764 GENETİK ALGORİTMA İLE RÜZGAR TÜRBİNİ KANAT SAYISI SEÇİMİ Nida Nurbay ve Ali Çınar Kocaeli Üniversitesi Tek. Eğt. Fak. Makine
İSTANBUL TEKNİK ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK FAKÜLTESİ DCT TANIM KÜMESİNDEKİ DAMGALAMA İŞLEMLERİ İÇİN YAZILIM/DONANIM ORTAKLI SİSTEM TASARIMI
İSTANBUL TEKNİK ÜNİVERSİTESİ ELEKTRİK-ELEKTRONİK FAKÜLTESİ DCT TANIM KÜMESİNDEKİ DAMGALAMA İŞLEMLERİ İÇİN YAZILIM/DONANIM ORTAKLI SİSTEM TASARIMI BİTİRME ÖDEVİ AHMET TURAN EROZAN 040080341 Bölümü: Elektronik
GÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ
GÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ GÖRÜNTÜ ALGILAMA Üç temel zar ile kaplıdır. 1- Dış Zar(kornea ve Sklera) 2- Koroid 3- Retina GÖRÜNTÜ ALGILAMA ---Dış Zar İki kısımdan oluşur. Kornea ve
ÖZGEÇMİŞ. 1. Adı Soyadı: İsmail Avcıbaş 2. Doğum Tarihi: 25.04.1967 3. Unvanı: Doç. Dr. 4. Öğrenim Durumu:
1. Adı Soyadı: İsmail Avcıbaş 2. Doğum Tarihi: 25.04.1967 3. Unvanı: Doç. Dr. 4. Öğrenim Durumu: ÖZGEÇMİŞ Derece Alan Üniversite Yıl Lisans Elektronik Mühendisliği Uludağ Üniversitesi 1992 Y. Lisans Elektronik
GÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ
GÖRÜNTÜ İŞLEME HAFTA 1 1.GİRİŞ GÖRÜNTÜ İŞLEME Hafta Hafta 1 Hafta 2 Hafta 3 Hafta 4 Hafta 5 Hafta 6 Hafta 7 Hafta 8 Hafta 9 Hafta 10 Hafta 11 Hafta 12 Hafta 13 Hafta 14 Konu Giriş Digital Görüntü Temelleri-1
Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Computer Engineering Undergraduate Curriculum
Bilgisayar Mühendisliği Bölümü Lisans Ders Programı / Undergraduate Curriculum 2014-2015 ve Öncesi Girişli Öğrenciler için Uygulanan Ders Program 1.Yıl / I.Dönem (First Year / First Semester) FIZ115 Fizik
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon
TMMOB Harita ve Kadastro Mühendisleri Odası Ulusal Coğrafi Bilgi Sistemleri Kongresi 30 Ekim 02 Kasım 2007, KTÜ, Trabzon Lazer Tarama Verilerinden Bina Detaylarının Çıkarılması ve CBS İle Entegrasyonu
RESİM İÇERİSİNDEKİ GİZLİ BİLGİNİN RQP STEGANALİZ YÖNTEMİYLE SEZİLMESİ
Akademik Bilişim 2007 Dumlupınar Üniversitesi, Kütahya 31 Ocak 2 Şubat 2007 RESİM İÇERİSİNDEKİ GİZLİ BİLGİNİN RQP STEGANALİZ YÖNTEMİYLE SEZİLMESİ Andaç ŞAHİN*, Ercan BULUŞ*, M. Tolga SAKALLI* ve H. Nusret
ÖZGEÇMİŞ. 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR
Resim ÖZGEÇMİŞ 1. Adı Soyadı : Kamile ŞANLI KULA İletişim Bilgileri : Ahi Evran Üniversitesi, Fen Edebiyat Fakültesi, Adres Matematik Bölümü, KIRŞEHİR Telefon : 386 280 45 50 Mail : kskula@ahievran.edu.tr
Doğrusal Anten Dizisi Işıma Diyagramının Sentezi İçin Konveks-Genetik- Taguchi Algoritmalarına Dayalı Yeni Bir Karma Optimizasyon Yaklaşımı
Doğrusal Anten Dizisi Işıma Diyagramının Sentezi İçin Konveks-Genetik- Taguchi Algoritmalarına Dayalı Yeni Bir Karma Optimizasyon Yaklaşımı A New Hybrid Optimization Approach based on Convex-Genetic-Taguchi
ÖZGEÇMİŞ VE ESERLER LİSTESİ
ÖZGEÇMİŞ VE ESERLER LİSTESİ ÖZGEÇMİŞ Adı Soyadı: Göksel Günlü Doğum Tarihi: 04 12 1979 Öğrenim Durumu: Derece Bölüm/Program Üniversite Yıl Lisans Elektrik-Elektr. Muh. Gazi Üniversitesi 2001 Y. Lisans
Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK. 2 Şubat 2007
AVUÇ İZİ VE PARMAK İZİNE DAYALI BİR BİYOMETRİK TANIMA SİSTEMİ Elena Battini SÖNMEZ Önder ÖZBEK N. Özge ÖZBEK İstanbul Bilgi Üniversitesi Bilgisayar Bilimleri 2 Şubat 2007 Biyometrik Biyometrik, kişileri
SU ALTI AKUSTİĞİ TEMELLERİ & EĞİTİM FAALİYETLERİ
SU ALTI AKUSTİĞİ TEMELLERİ & EĞİTİM FAALİYETLERİ Doç. Dr. Serkan AKSOY T.C. Gebze Yüksek Teknoloji Enstitüsü - (GYTE) Elektronik Mühendisliği Bölümü E-mail: saksoy@gyte.edu.tr SUNUM PLANI 1. Eğitim Öğretim
91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing)
91-03-01-529 SAYISAL GÖRÜNTÜ İŞLEME (Digital Image Processing) Dersi Veren Öğretim Üyesi Doç. Dr. Aybars UĞUR Ders Web Sayfası : http://yzgrafik.ege.edu.tr/~ugur 1 Amaçlar Öğrencileri Matlab gibi teknik
Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu
th International Adanced Technologies Symposium (IATS ), -8 May 20, Elazığ, Turkey Tabakalı Kompozit Bir Malzemenin Genetik Algoritma Yöntemiyle Rijitlik Optimizasyonu Ö. Soykasap e K. B. Sugözü Afyon
DPSK Sistemler için LMS Algoritma ve ML Kriteri Temelli, Gözü Kapalı Kanal Kestiriminin ve Turbo Denkleştirmenin Birlikte Yapılması
BAÜ Fen Bil. Enst. Dergisi Cilt 12(2) 75 84 (2010) DPSK Sistemler için LMS Algoritma ve ML Kriteri Temelli, Gözü Kapalı Kanal Kestiriminin ve Turbo Denkleştirmenin Birlikte Yapılması Serkan YAKUT 1 Balıkesir
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci
MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 (2016-17 yılı öncesinde birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem CMPE113
Ö Z G E Ç M İ Ş. 1. Adı Soyadı: Mustafa GÖÇKEN. 2. Doğum Tarihi: 12 Haziran 1976. 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D.
Ö Z G E Ç M İ Ş 1. Adı Soyadı: Mustafa GÖÇKEN 2. Doğum Tarihi: 12 Haziran 1976 3. Unvanı: Yrd. Doç. Dr. 4. Öğrenim Durumu: Ph.D. Derece Alan Üniversite Yıl Lisans Endüstri Mühendisliği Çukurova Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 3 Veri Yapıları. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 3 Veri Yapıları Veri yapısı, bilginin anlamlı sırada bellekte veya disk, çubuk bellek gibi saklama birimlerinde tutulması veya saklanması şeklini gösterir. Bilgisayar
GÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI ÖZET ABSTRACT
GÖRÜNTÜSÜ ALINAN BİR NESNENİN REFERANS BİR NESNE YARDIMIYLA BOYUTLARININ, ALANININ VE AÇISININ HESAPLANMASI Hüseyin GÜNEŞ 1, Alper BURMABIYIK 2, Semih KELEŞ 3, Davut AKDAŞ 4 1 hgunes@balikesir.edu.tr Balıkesir
YÖNEYLEM ARAŞTIRMASI - III
YÖNEYLEM ARAŞTIRMASI - III Prof. Dr. Cemalettin KUBAT Yrd. Doç. Dr. Özer UYGUN İçerik Hessien Matris-Quadratik Form Mutlak ve Bölgesel Maksimum-Minimum Noktalar Giriş Kısıtlı ve kısıtsız fonksiyonlar için
Makine Öğrenmesi 3. hafta
Makine Öğrenmesi 3. hafta Entropi Karar Ağaçları (Desicion Trees) ID3 C4.5 Sınıflandırma ve Regresyon Ağaçları (CART) Karar Ağacı Nedir? Temel fikir, giriş verisinin bir kümeleme algoritması yardımıyla
İmge Histogramı Kullanılarak Geometrik Ataklara Dayanıklı Yeni Bir Veri Gizleme Tekniği Tasarımı ve Uygulaması
Akademik Bilişim 09 - XI. Akademik Bilişim Konferansı Bildirileri 11-13 Şubat 2009 Harran Üniversitesi, Şanlıurfa İmge Histogramı Kullanılarak Geometrik Ataklara Dayanıklı Yeni Bir Veri Gizleme Tekniği
Optik Filtrelerde Performans Analizi Performance Analysis of the Optical Filters
Optik Filtrelerde Performans Analizi Performance Analysis of the Optical Filters Gizem Pekküçük, İbrahim Uzar, N. Özlem Ünverdi Elektronik ve Haberleşme Mühendisliği Bölümü Yıldız Teknik Üniversitesi gizem.pekkucuk@gmail.com,
ÖZGEÇMİŞ. 1. Adı Soyadı : Birim BALCI 2. Doğum Tarihi : 28.07.1975 3. Unvanı : Yrd. Doç. Dr. 4. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans
ÖZGEÇMİŞ 1. Adı Soyadı : Birim BALCI 2. Doğum Tarihi : 28.07.1975 3. Unvanı : Yrd. Doç. Dr. 4. Öğrenim Durumu: Derece Alan Üniversite Yıl Lisans Teknik Eğitim, Elektronik- Bilgisayar Eğitimi Marmara Üniversitesi.
OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI
OPTİMUM GÜÇ AKIŞININ YAPAY ARI KOLONİSİ İLE SAĞLANMASI A. Doğan 1 M. Alçı 2 Erciyes Üniversitesi Mühendislik Fakültesi Elektrik-Elektronik Mühendisliği Bölümü 1 ahmetdogan@erciyes.edu.tr 2 malci@erciyes.edu.tr
İRİSTEN KİMLİK TANIMA SİSTEMİ
ÖZEL EGE LİSESİ İRİSTEN KİMLİK TANIMA SİSTEMİ HAZIRLAYAN ÖĞRENCİLER: Ceren KÖKTÜRK Ece AYTAN DANIŞMAN ÖĞRETMEN: A.Ruhşah ERDUYGUN 2006 İZMİR AMAÇ Bu çalışma ile, güvenlik amacıyla kullanılabilecek bir
Hafta 5 Uzamsal Filtreleme
BLM429 Görüntü İşlemeye Giriş Hafta 5 Uzamsal Filtreleme Yrd. Doç. Dr. Caner ÖZCAN If the facts don't fit the theory, change the facts. ~Einstein İçerik 3. Yeğinlik Dönüşümleri ve Uzamsal Filtreleme Temel
MMT 106 Teknik Fotoğrafçılık 3 Digital Görüntüleme
MMT 106 Teknik Fotoğrafçılık 3 Digital Görüntüleme 2010-2011 Bahar Yarıyılı Ar. Gör. Dr. Ersoy Erişir 1 Konvansiyonel Görüntüleme (Fotografi) 2 Görüntü Tasarımı 3 Digital Görüntüleme 3.1 Renkler 3.2.1
ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ DOKTORA YETERLİK SINAVI YÖNETMELİĞİ
ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ DOKTORA YETERLİK SINAVI YÖNETMELİĞİ Doktora Yeterlik Sınavı, başvurunun yapıldığı ve Doktora Yeterlik Komitesi nin başvuruyu onayladığı dönemdeki, dönem sonu sınavlarının
RENK BİLEŞENLERİ YARDIMIYLA HAREKETLİ HEDEFLERİN GERÇEK ZAMANLI TESPİTİ
Journal of Naval Science and Engineering 2009, Vol 5, No2, pp 89-97 RENK BİLEŞENLERİ YARDIMIYLA HAREKETLİ HEDEFLERİN GERÇEK ZAMANLI TESPİTİ Öğr Kd Bnb Mustafa Yağımlı Elektrik/Elektronik Mühendisliği Bölümü,
İLERİ ALGORİTMA ANALİZİ GENETİK ALGORİTMA
İLERİ ALGORİTMA ANALİZİ 1. Giriş GENETİK ALGORİTMA Geniş çözüm uzaylarının klasik yöntemlerle taranması hesaplama zamanını artırmaktadır. Genetik algoritma ile kabul edilebilir doğrulukta kısa sürede bir
BULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI
BULANIK SİNİR AĞLARI YARDIMIYLA BİYOMEDİKAL İMGELERİN GÜRÜLTÜ BİLEŞENLERİNDEN ARINDIRILMASI M. Emin YÜKSEL 1 Alper BAŞTÜRK 1 M. Tülin YILDIRIM 2 1 Erciyes Üniversitesi, Mühendislik Fakültesi, Elektronik
Algoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması. Mustafa Kemal Üniversitesi
Algoritma Geliştirme ve Veri Yapıları 9 Ağaç Veri Modeli ve Uygulaması Ağaç, verilerin birbirine sanki bir ağaç yapısı oluşturuyormuş gibi sanal olarak bağlanmasıyla elde edilen hiyararşik yapıya sahip
Diferansiyel Gelişim Algoritması İle Tekil Değer Ayrışımına Dayalı Resim Damgalama
Diferansiyel Gelişim Algoritması İle ekil Değer Ayrışımına Dayalı Resim Damgalama Veysel Aslantas, Ahmet Oz Özet Bu çalışmada diferansiyel gelişim algoritması (DGA) kullanılan, tekil değer ayrışımına (SVD)
İnsan Yüzü Resimlerinin Sorgulamaya Uygun ve Bölgelendirmeye Dayalı Kodlanması
1 Giriş: İnsan Yüzü Resimlerinin Sorgulamaya Uygun ve Bölgelendirmeye Dayalı Kodlanması Hatice Çınar, Ö Nezih Gerek Anadolu Üniversitesi, Elektrik-Elektronik Müh Böl, Eskişehir ongerek@anadoluedutr, hacinar@anadoluedutr
Avrupa Sayısal Karasal Televizyon Sistemleri İçin Matlab Benzetim Aracı Matlab Simulation Tool for European Digital Terrestrial Television Systems
Avrupa Sayısal Karasal Televizyon Sistemleri İçin Matlab Benzetim Aracı Matlab Simulation Tool for European Digital Terrestrial Television Systems Oktay Karakuş 1, Serdar Özen 2 1 Elektrik ve Elektronik
BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU
BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ AKADEMİK ÖZGEÇMİŞ FORMU KİŞİSEL BİLGİLER Adı Soyadı Tolga YÜKSEL Ünvanı Birimi Doğum Tarihi Yrd. Doç. Dr. Mühendislik Fakültesi/ Elektrik Elektronik Mühendisliği 23.10.1980
ERCİYES ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTUSÜ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİMDALI. I. GENEL BİLGİLER Ders Adı
BİM618 Evrimsel Algoritmalar Öğretim Üyesi Prof. Dr. Derviş Karaboğa Görüşme Saatleri 8.00-17.00 E posta: karaboga@erciyes.edu.tr http://abis.erciyes.edu.tr/sorgu.aspx?sorgu=236 Erciyes Üniversitesi, Mühendislik
Mobil ve Kablosuz Ağlar (Mobile and Wireless Networks)
Mobil ve Kablosuz Ağlar (Mobile and Wireless Networks) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Ders konuları 2 1 Kodlama ve modülasyon yöntemleri İletim ortamının özelliğine
Anahtar Bağımlı Bir Şifreleme Algoritması (IRON)
Anahtar Bağımlı Bir Şifreleme Algoritması (IRON) Dokuz Eylül Üniversitesi, Bilgisayar Mühendisliği Bölümü, 35160, İzmir ndemir@demir.web.tr, dalkilic@cs.deu.edu.tr Özet: Bu makalede, Feistel yapısı kullanan
EEM 452 Sayısal Kontrol Sistemleri /
EEM 452 Sayısal Kontrol Sistemleri / Yrd. Doç. Dr. Rıfat HACIOĞLU Bahar 2016 257 4010-1625, hacirif@beun.edu.tr EEM452 Sayısal Kontrol Sistemleri (3+0+3) Zamanda Ayrık Sistemlerine Giriş. Sinyal değiştirme,
SOFTWARE ENGINEERS EDUCATION SOFTWARE REQUIREMENTS/ INSPECTION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS
SOFTWARE REQUIREMENTS/ INSPECTION SOFTWARE ENGINEERS EDUCATION RESEARCH FINANCIAL INFORMATION SYSTEMS DISASTER MANAGEMENT INFORMATION SYSTEMS SOFTWARE REQUIREMENTS/ INSPECTION Ö. Albayrak, J. C. Carver,
YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2
Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 5, Sayı:2, 2003 YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI Sibel SELİM 1 Efe SARIBAY
ÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ
ÜÇ BOYUTLU M-BANTLI DALGACIK DÖNÜŞÜMÜ İLE TRAFİK TIKANIKLIĞININ BELİRLENMESİ 1. Giriş Tolga Kurt, Emin Anarım Boğaziçi Üniversitesi, Elektrik-Elektronik Mühendisliği 80815,Bebek, İstanbul-Türkiye e-posta:
Temel Mikroişlemci Tabanlı Bir Sisteme Hata Enjekte Etme Yöntemi Geliştirilmesi. Buse Ustaoğlu Berna Örs Yalçın
Temel Mikroişlemci Tabanlı Bir Sisteme Hata Enjekte Etme Yöntemi Geliştirilmesi Buse Ustaoğlu Berna Örs Yalçın İçerik Giriş Çalişmanın Amacı Mikroişlemciye Hata Enjekte Etme Adımları Hata Üreteci Devresi
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YAPAY ZEKA TEKNİKLERİ KULLANARAK SABİT GÖRÜNTÜLER İÇİN SAYISAL DAMGALAMA Oğuz FINDIK DOKTORA TEZİ BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI Konya, 2010 ii
Geliştirilmiş Fisher Ayraç Kriteri Kullanarak Hiperspektral Görüntülerde Sınıflandırma
Geliştirilmiş Fisher Ayraç Kriteri Kullanarak Hiperspektral Görüntülerde Sınıflandırma Mustafa TEKE, Dr. Ufuk SAKARYA TÜBİTAK UZAY IEEE 21. Sinyal İşleme, İletişim ve Uygulamaları Kurultayı (SİU 2013),