MétaCan
Menu
Retour à la cohorte
Enregistrement W2106391256 · doi:10.1109/ccece.2004.1345322

Object-based image watermarking technique using wavelets

2004· article· en· W2106391256 sur OpenAlexaff
J. Zan, M. Omair Ahmad, M.N.S. Swamy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Steganography and Watermarking Techniques
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésDigital watermarkingWaveletWatermarkArtificial intelligenceComputer visionWavelet transformQuantization (signal processing)Stationary wavelet transformSecond-generation wavelet transformComputer scienceDiscrete wavelet transformBitmapWavelet packet decompositionFast wavelet transformRobustness (evolution)Lifting schemePattern recognition (psychology)Image (mathematics)

Résumé

récupéré en direct d'OpenAlex

We present a wavelet-based image watermarking algorithm that is able to embed the watermark information into objects within an image. In the proposed algorithm, the zerotrees in the wavelet coefficient domain corresponding to the selected object(s) are identified. Then the watermark is embedded into the bandpass wavelet coefficients with large amplitudes within these zerotrees by using an appropriate quantization process. The bitmap of the zerotrees corresponding to the selected objects, the wavelet used for the transform, and the parameters for the transform and quantization are chosen as the keys for the proposed algorithm. The effectiveness of the proposed watermarking technique and its robustness against some commonly encountered image processing operations are demonstrated through simulation studies.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,458
Score d'incertitude au seuil0,759

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,260
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Steganography and Watermarking TechniquesTravaux en français237 207