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

Lagos Ruiz, Andrés Felipe

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

dc.contributor.advisor	Gaona Barrera, Andrés Eduardo	spa
dc.contributor.author	Lagos Ruiz, Andrés Felipe	spa
dc.date.accessioned	2022-01-17T19:48:36Z
dc.date.available	2022-01-17T19:48:36Z
dc.date.created	2021-02-04	spa
dc.description	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.	spa
dc.description.abstract	Today it is necessary the truth in the information at the moment of public or shares with others. Some ways to change the meaning of an image is with the use of any tool to change some pixels of the image, one way to know if an image has any forgery is with the use of computational intelligence and fake analysis areas. The proposed model consists in a preprocessing of the image to have the same size to implement gaussian noise estimation and sharpness detection. Finally, the sharpness and Gaussian noise is applied to the convolutional neural network to predict if the image has any forgery. The results of the convolutional neural network have a prediction of 89.54. With the detection of sharpness and noise is 90.54 of all of the images.	spa
dc.format.mimetype	pdf	spa
dc.identifier.uri	http://hdl.handle.net/11349/28151
dc.language.iso	spa	spa
dc.rights	CC0 1.0 Universal	*
dc.rights.acceso	Abierto (Texto Completo)	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.uri	http://creativecommons.org/publicdomain/zero/1.0/	*
dc.subject	Ruido	spa
dc.subject	Bordes	spa
dc.subject	Redes neuronales convolucionales	spa
dc.subject	Imágenes falsificadas	spa
dc.subject.keyword	Pristine	spa
dc.subject.keyword	Noise	spa
dc.subject.keyword	Sharpness	spa
dc.subject.keyword	Convolutional neural networks	spa
dc.subject.keyword	Image forgery	spa
dc.subject.lemb	Ingeniería Electrónica - Tesis y disertaciones académicas	spa
dc.subject.lemb	Procesamiento de imágenes	spa
dc.subject.lemb	Visión por computador	spa
dc.subject.lemb	Sistemas de reconocimiento de configuraciones	spa
dc.subject.lemb	Cifrado de datos (Informática)	spa
dc.subject.lemb	Redes neurales (Computadores)	spa
dc.subject.lemb	Inteligencia artificial	spa
dc.title	Desarrollo e implementación de un método para la clasificación de imágenes alteradas, usando redes neuronales convolucionales y detección de ruido y bordes.	spa
dc.title.titleenglish	Development and implementation of a method for the forgery images classification, using convolutional neural networks and detection of noise and edges.	spa
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f	spa
dc.type.degree	Monografía	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis	spa