کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6923789 1448364 2018 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Image super-resolution for outdoor digital forensics. Usability and legal aspects
ترجمه فارسی عنوان
تصویر فوق العاده رزولوشن برای فضای باز دیجیتال. قابلیت استفاده و جنبه های قانونی
کلمات کلیدی
فوق العاده رزولوشن، نظارت بیرونی، قابلیت استفاده، جنبه های قانونی،
ترجمه چکیده
دادرسی دیجیتال شامل بازیابی و بررسی داده ها، تصاویر و ضبط های موجود در دستگاه های دیجیتال به منظور ارائه شواهد در دادگاه قانون است. این مقاله به ارزیابی شواهد دیجیتالی اختصاص دارد که نیازمند نه تنها درک روش های علمی است که منجر به بهبود کیفیت ضبط ویدیو نظارت، بلکه اصول قانونی پشت آن می شود. تمرکز ویژه ای بر پردازش تصویر از لحاظ مدیریت و توضیح آن است که در دادگاه قابل قبول است. در این زمینه، ما یک رویکرد بیس بیس برای چندین تصویر فوق العاده رزولوشن بر اساس مدل های پیشین سوپراگوس ارائه می دهیم که به طور خودکار کیفیت ضبط ویدئو های بیرونی را بهبود می بخشد و تمامی پارامترهای مدل را با حفظ اعتبار، اعتبار و قابلیت اطمینان اطلاعات ویدئویی برآورد می کند. به عنوان شواهد دیجیتال. روش پیشنهادی هر دو به صورت کمی و بصری بر روی ویدیوهای مصنوعی تولید شده از تصاویر تک و فیلم های زندگی واقعی تأیید شده و به یک مورد واقعی در مورد خسارات و سرقت در مالکیت خصوصی اعمال می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Digital Forensics encompasses the recovery and investigation of data, images, and recordings found in digital devices in order to provide evidence in the court of law. This paper is devoted to the assessment of digital evidence which requires not only an understanding of the scientific technique that leads to improved quality of surveillance video recordings, but also of the legal principles behind it. Emphasis is given on the special treatment of image processing in terms of its handling and explanation that would be acceptable in a court of law. In this context, we propose a variational Bayesian approach to multiple-image super-resolution based on Super-Gaussian prior models that automatically enhances the quality of outdoor video recordings and estimates all the model parameters while preserving the authenticity, credibility and reliability of video data as digital evidence. The proposed methodology is validated both quantitatively and visually on synthetic videos generated from single images and real-life videos and applied to a real-life case of damages and stealing in a private property.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Industry - Volume 98, June 2018, Pages 34-47
نویسندگان
, , , , , , ,