Adaptive Image Self-Recovery Based on Feature Extraction in the DCT Domain
Notice bibliographique
Résumé
Image self-recovery aims at protecting digital images from partial damage due to accidental or malicious tampering. It is done by generating a reference code that contains the information of the image and embedding the code in the image itself. This code can later be extracted to restore the tampered regions of the image. The reference code must contain sufficient information to ensure a satisfactory reconstruction while being short enough to remain invisible when embedded in the image, which requires efficient extraction and adaptive encoding of the image information. To this end, we introduce a method for extracting local features in the DCT domain, in which the locations of the three DCT peaks, i.e., the DCT coefficients with the highest magnitudes, are examined to distinguish 13 texture profiles differing in the number of edges, edge orientations, and combinations of the two. Applying this method, we propose an adaptive image self-recovery algorithm. The DCT peaks are used to identify local texture patterns, and the bit allocation is made adaptive at hierarchical levels: 1) the texture blocks get more bit allocation than the smooth blocks; 2) the blocks having texture patterns appearing more frequently in the image are encoded with more precision; and 3) in each texture block, the highest DCT peak is assigned more bits than the remaining encoded coefficients. Hence, the encoding process is not only adaptive to the levels of variations across blocks but also to the local texture patterns. The proposed algorithm generates a reference code short enough to be embedded very comfortably in a single-least-significant-bit (LSB) plane, compared to 2 ~ 3 LSB planes often found in literature. Since the reference code contains all the critical image information in a compact form, the quality of the reconstructed images is as good as those produced by significantly longer reference codes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».