资源简介

the folder gives information about the image forgery detection. detection is made by examining the sift and ransac features of the image. color processing is done as a preprocessing step.

资源截图

代码片段和文件信息

function [Lhits] = ADABOOST_te(adaboost_modelte_func_handletest_set...
                                true_labels)
%
% ADABOOST TESTING
%
%  [Lhits] = ADABOOST_te(adaboost_modelte_func_handletrain_set
%                         true_labels)
%
%           ‘te_func_handle‘ is a handle to the testing function of a
%           learning (weak) algorithm whose prototype is shown below.
%
%           [Lhitserror_rate] = test_func(modeltest_setsample_weightstrue_labels)
%                    model: the output of train_func
%                    test_set: a KxD dimensional matrix each of whose row is a
%                        testing sample in a D dimensional feature space.
%                    sample_weights:  a Dx1 dimensional vector the i-th entry 
%                        of which denotes the weight of the i-th sample.
%                    true_labels: a Dx1 dimensional vector the i-th entry of which
%                        is the label of the i-th sample.
%                    L: a Dx1-array with the predicted labels of the samples.
%                    hits: number of hits calculated with the comparison of L and
%                        true_labels.
%                    error_rate: number of misses divided by the number of samples.
%
%           It is the corresponding testing 
%           module of the function that is specified in the training phase.
%           ‘test_set‘ is a NxD matrix where N is the number of samples
%           in the test set and D is the dimension of the feature space.
%           ‘true_labels‘ is a Nx1 matrix specifying the class label of
%           each corresponding sample‘s features (each row) in ‘test_set‘.
%           ‘adaboost_model‘ is the model that is generated by the function
%           ‘ADABOOST_tr‘.
%
%           ‘L‘ is the likelihoods that are assigned by the ‘ADABOOST_te‘.
%           ‘hits‘ is the number of correctly predicted labels.
%
%        Specific Properties That Must Be Satisfied by The Function pointed
%        by ‘func_handle‘
%        ------------------------------------------------------------------
%
% Notice: Labels must be positive integer values from 1 upto the number classes.
%
% Bug Reporting: Please contact the author for bug reporting and comments.
%
% Cuneyt Mertayak
% email: cuneyt.mertayak@gmail.com
% version: 1.0
% date: 21/05/2007
%

hypothesis_n = length(adaboost_model.weights);
sample_n = size(test_set1);
class_n = length(unique(true_labels));
temp_L = zeros(sample_nclass_nhypothesis_n); % likelihoods for each weak classifier

% for each weak classifier likelihoods of test samples are collected
for i=1:hypothesis_n
[temp_L(::i)hitserror_rate] = te_func_handle(adaboost_model.parameters{i}...
 test_setones(sample_n1)true_labels);
temp_L(::i) = temp_L(::i)*adaboost_model.weights(i);
end

L = sum(temp_L3);
hits = sum(likelihood2class(L)==true_labels);


 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件     741072  2000-01-01 01:00  image forgery with siftand ransac\image forgery\1.jpg

     文件     703685  2002-01-23 15:18  image forgery with siftand ransac\image forgery\3.jpg

     文件       2916  2008-09-03 13:17  image forgery with siftand ransac\image forgery\ADABOOST_te.m

     文件       4452  2008-09-03 13:17  image forgery with siftand ransac\image forgery\ADABOOST_tr.m

     文件        415  2013-12-01 21:44  image forgery with siftand ransac\image forgery\adaptivethreshold.m

     文件        461  2011-01-25 15:15  image forgery with siftand ransac\image forgery\appendimages.m

     文件       2314  2009-09-08 23:37  image forgery with siftand ransac\image forgery\colImgSeg.m

     文件        800  2013-12-01 21:45  image forgery with siftand ransac\image forgery\CreateDatabase.m

     文件       1848  2011-11-01 08:18  image forgery with siftand ransac\image forgery\demo.m

     文件      30673  2011-10-20 06:42  image forgery with siftand ransac\image forgery\erode.jpg

     文件       4696  2013-01-25 14:32  image forgery with siftand ransac\image forgery\example.asv

     文件       4698  2013-01-25 14:28  image forgery with siftand ransac\image forgery\example.m

     文件    2057049  2013-11-01 11:51  image forgery with siftand ransac\image forgery\Exposing Digital Image Forgeries by Illumination.pdf

     文件     188440  2001-09-17 16:22  image forgery with siftand ransac\image forgery\face.jpg

     文件        794  2011-11-01 07:42  image forgery with siftand ransac\image forgery\face_detection.asv

     文件       7411  2013-08-11 11:11  image forgery with siftand ransac\image forgery\face_detection.m

     文件        460  2014-02-27 10:16  image forgery with siftand ransac\image forgery\findHomography.m

     文件     103647  2011-01-16 22:50  image forgery with siftand ransac\image forgery\hall1.JPG

     文件     102984  2011-01-16 22:50  image forgery with siftand ransac\image forgery\hall2.JPG

     文件       1934  2014-02-27 10:16  image forgery with siftand ransac\image forgery\imMosaic.m

     文件      14227  2009-09-08 23:37  image forgery with siftand ransac\image forgery\Input.JPG

     文件        342  2013-12-01 21:37  image forgery with siftand ransac\image forgery\knn.m

     文件       1334  2011-03-24 11:57  image forgery with siftand ransac\image forgery\license.txt

     文件        241  2014-02-27 10:16  image forgery with siftand ransac\image forgery\likelihood2class.m

     文件       3537  2013-10-15 09:19  image forgery with siftand ransac\image forgery\main.m

     文件       7050  2013-12-02 22:09  image forgery with siftand ransac\image forgery\mainproject.m

     文件        260  2014-02-08 12:33  image forgery with siftand ransac\image forgery\mosaicTest.asv

     文件        318  2014-02-08 12:34  image forgery with siftand ransac\image forgery\mosaicTest.m

     文件      14530  2014-02-27 11:07  image forgery with siftand ransac\image forgery\mosaic_a.jpg

     文件      50481  2011-01-25 15:06  image forgery with siftand ransac\image forgery\mosaic_hall.jpg

............此处省略47个文件信息

评论

共有 条评论