自然圖像辨識.pdf

1、隨著科技進步,各種圖像捕獲設備層出不窮,圖像在人們的生活中使用的也越來越廣泛。但同時,由于數字圖像便于修改,導致它的內容安全性逐步降低。針對這個問題,人們提出各種解決方法來判定圖像的可靠性,其中圖像盲認證技術是非常重要的一類方法。
　　 圖像盲認證技術包括圖像內容盲認證、圖像來源認證和圖像處理歷史分析等。圖像來源認證是指鑒別生成圖像的設備,又可以分為根據圖像來對拍照相機進行鑒定、掃描圖像來源認證和CG(computer grap

2、hics)圖像和自然圖像的辨識。CG圖像是指利用計算機圖形學技術生成的真實感圖形,自然圖像是指利用相機拍攝的照片。在現有的技術條件下,計算機圖形技術已經能生成相片級別的CG圖像,甚至人眼都可能把它錯判為是照相機拍出的照片。本文針對自然圖像和CG圖像的分類,分別從三個不同的角度進行研究,具體工作內容如下:
　　 1.提出利用分形的方法對自然圖像和CG圖像進行辨識?？紤]計算的可行性,在制作CG圖像時在真實感和計算復雜性往往會取一個平

3、衡。這就導致了大部分CG圖像雖然比較接近自然圖像,但是在一些細微之處,仍然表現出非真實感。突出表現在兩個方面:顏色和紋理。自然圖像中的顏色是由場景中物體的顏色決定的；CG圖像中的顏色是由制作者決定的。某些顏色在CG圖像中出現的概率高,而另外一些顏色在自然圖像中出現的概率高。甚至有些CG圖像中的顏色不可能出現在我們生活的場景中。為了節(jié)省計算量,在CG中經常出現大面積的同色現象。根據各類文獻和我們的觀察,CG圖像比自然圖像更光滑。實驗上也說

4、明了這一點,通過對梯度強度的統計,我們發(fā)現CG圖像中,小梯度所在的比例更大。對于CG圖像的這兩類非真實感,我們提出用分形的方法來描述。這組分類特征能夠都自然圖像和CG圖像實現有效的判別。
　　 2.提出用小波域隱馬爾可夫樹模型HMT(hidden markov tree)對自然圖像和CG圖像進行分類。CG圖像和自然圖像雖然表現出來的視覺感官比較相近,但在圖像內容和紋理細節(jié)方面存在一定的差異,這些差異最終表現在統計方面。我們用HM

5、T來對HSV顏色空間的圖像進建模,提取模型參數,把這些模型參數作為分類特征,取得較好的分類效果。
　　 3.提出在邊界的局部區(qū)域提取特征對自然圖像和CG圖像進行分類。邊界區(qū)域是像素值變化最劇烈的區(qū)域,其中包含的信息最豐富。從低層視覺的角度來看,自然圖像要經過光學鏡頭的點擴散函數作用,導致邊界變寬；自然圖像要經過相機響應函數作用,而CG圖像沒有受到這樣的作用；在邊界處,CG圖像和自然圖像在三個通道的梯度之間的互相關性也不一樣。從這