دسته بندی کدگذارهای تصویر در بستر شبکه های مخابراتی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 384

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-49-1_008

تاریخ نمایه سازی: 17 تیر 1398

چکیده مقاله:

امروزه با گسترش شبکه های مخابراتی، درخواست ارسال داده های چندرسانه ای به طور محسوسی افزایش یافته است؛ بنابراین اطلاع از نوع داده ارسال شده به منظور کنترل ارتباطات و جلوگیری از انتقال داده های مخرب موضوع مهمی است. یک سیستم شناسایی نوعی برای شناسایی نوع داده کدشده ارسالی معمولا از دسته بندی در میان مجموعه مشخصی از کدگذارها استفاده می کند. این نوع دسته بندی معمولا بر اساس ویژگی های مرتبط استخراج شده از جریان بیتی دریافتی صورت می پذیرد. بیشتر پژوهش های موجود تعداد کمی کدگذار تصویر را در مسئلت دسته بندی خود وارد کرده اند. در این مقاله روشی کارا برای دسته بندی بین ده نوع کدگذار تصویر مختلف پیشنهاد شده است. این روش بر مبنای ترکیب و توسعه روش های موجود پیشنهاد شده است. بر طبق نتایج شبیه سازی، سیستم پیشنهادی ده نوع کدگذار تصویر مختلف را با متوسط صحت 88.90 درصد به درستی از یکدیگر تشخیص می دهد. در میان این کدک ها، GIF با دقت 99.3 درصد و BMP با دقت 92.5 درصد دارای بالاترین درصد تشخیص درست از دیگر کدگذارهای تصویری هستند. از طرف دیگر FLIF و WEBP به ترتیب با دقت 83.3 و 83.6 کمترین دقت تشخیص درست را دارند.

نویسندگان

مهدی تیموری

دانشکده علوم و فنون نوین - دانشگاه تهران

نفیسه حسینی

دانشکده علوم و فنون نوین - دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • مهدی تیموری، آشکارسازی سیگنال لینک 16 ، مجله مهندسی برق ... [مقاله ژورنالی]
  • مهدی تیموری، حمیدرضا کاکایی مطلق و مرتضی حدادی، شناسایی کور ... [مقاله ژورنالی]
  • E. S. Pilli, R. C. Joshi, and R. Niyogi, Network ...
  • G. Kessler. File Signature Table, 16 December 2017, https://www.garykessler.net/library/file_sigs.html. ...
  • M. McDaniel and M. H. Heydari, Content based file type ...
  • W.-J. Li, K. Wang, S. J. Stolfo, and B. Herzog, ...
  • M. Karresand and N. Shahmehri, Oscar—file type identification of binary ...
  • M. Karresand and N. Shahmehri, File type identification of data ...
  • S. J. Moody and R. F. Erbacher, Sádi-statistical analysis for ...
  • C. J. Veenman, Statistical disk cluster classification for file carving, ...
  • W. C. Calhoun and D. Coles, Predicting the types of ...
  • M. C. Amirani, M. Toorani, and A. Beheshti, A new ...
  • K. Nguyen, D. Tran, W. Ma, and D. Sharma, A ...
  • N. L. Beebe, L. A. Maddox, L. Liu, and M. ...
  • M. Norouzi, D. J. Fleet, and R. R. Salakhutdinov, Hamming ...
  • D. Ruppert, What is kurtosis An influence function approach, The ...
  • L. T. DeCarlo, On the meaning and use of kurtosis, ...
  • R. A. Groeneveld and G. Meeden, Measuring skewness and kurtosis, ...
  • W.-J. Li, K. Wang, S. J. Stolfo, and B. Herzog, ...
  • D. M. Divakaran, Y. S. Liau, and V. L. Thing, ...
  • نمایش کامل مراجع