Desarrollo e implementación de un método para la clasificación de imágenes alteradas, usando redes neuronales convolucionales y detección de ruido y bordes.

Hoy es necesaria la veracidad en la información en el momento de pública o compartida con otros. Algunas formas de cambiar el significado de una imagen es con el uso de cualquier herramienta para cambiar algunos píxeles de la imagen, una forma de saber si una imagen tiene alguna falsificación es con el uso de inteligencia computacional y análisis de áreas falsas. El modelo propuesto consiste en un preprocesamiento de la imagen para que esta tenga el mismo tamaño de esta manera implementar la estimación de ruido gaussiano y la detección de bordes. Finalmente, la nitidez y el ruido gaussiano se aplican a la red neuronal convolucional para predecir si la imagen tiene alguna falsificación. Los resultados de la red neuronal convolucional tienen una predicción de 89,54. Con la detección de nitidez y ruido es el 90,54 de todas las imágenes.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/28151
• Acceso en línea: http://hdl.handle.net/11349/28151
• Palabra clave: Ruido; Bordes; Redes neuronales convolucionales; Imágenes falsificadas; Ingeniería Electrónica - Tesis y disertaciones académicas; Procesamiento de imágenes; Visión por computador; Sistemas de reconocimiento de configuraciones; Cifrado de datos (Informática); Redes neurales (Computadores); Inteligencia artificial; Pristine; Noise; Sharpness; Convolutional neural networks; Image forgery
• License: CC0 1.0 Universal