圖像真偽分析

電腦編程技巧與維護圖像真偽分析鄭重(重慶市經(jīng)濟管理學(xué)校，重慶402160)摘要: 本文在圖像特征的提取上, 利用圍像的顏 色特征和紋理特征，分別用顏色最遠距離矩陣和灰度共生矩陣表示，從這兩個(gè)矩陣中取得特征值作為圍像的特征;分類(lèi)器的設計本文采用了成熟的KNN分類(lèi)器，并在此基礎上用Matlab做了仿真系統，得出可以初步識別圖片的效果。關(guān)鍵詞:真偽分析;共生矩陣;顏色特征;紋理特征The analysis of image authenticityZHENG Zhong(Chongqing Economie Management School, Chongqing 402160)Abstract: In this paper, image feature extraction, using the color image features and texture features, respectively, the mostlong- distance matrix with color and gray-level co- occrrence matrix, said matrix obtained from the two characteristic valuesof image features; classifier design: use a mature KNN classifier. And on this basis to use matlab to do the simulation systemcan draw a preliminary picture of the efect of recognition.Key words: Authenticity analysis; Co occrrence Matrix; Color Feature; Texture Feature引言.中，物體之間的邊界是模糊的，因為相機沒(méi)有聚焦在此。此圖像真偽定義:照相機拍攝的圖片定義為真圖像，而利外，許多顏色的變化和物體的邊界沒(méi)有聯(lián)系。在pholography用計算機繪制的圖像和利用計算機處理過(guò)的照相機拍攝圖片中,顏色的轉變更加柔和。定義為偽圖像。在本文中主要分辨的偽圖像為計算機制作的(2)某些顏色在graphy中出現的頻率要高于photography。圖像。例如高飽和度的顏色在graphy中出現的比較頻繁，而在pho-圖像真偽分析的兩個(gè)關(guān)鍵技術(shù):圖像的特征提取;分類(lèi)tography則出現的較少。器的設計。在圖像的特征提取上，人們主要集中在顏色特征、(3) graphy 比photography的顏色數要少。這是因為在紋理特征、邊緣特征、空間特征等。分類(lèi)器的設計，有KNNgraphy中常用較大的- -個(gè)顏色塊。在網(wǎng)頁(yè)中，graphy 一般傾向方法，FISHER 方法，SVM方法等,各種分類(lèi)器的效果大致相于用較少的顏色，這樣的壓縮效果比較好。同，所以在圖像真偽分析時(shí)，人們把注意力集中在特征提取4) graphy與pholography有不同的外形，在某個(gè)方向上上。小波技術(shù)的發(fā)展，給特征提取方法帶來(lái)了更新。在文獻graphy通常更窄，更長(cháng)，而photography更傾向于方形。此外，[2]中，作者使用了小波技術(shù)來(lái)進(jìn)行特征提取,將圖像的空間graphy通常由小的形狀，而在photography 中卻很少出現這個(gè)特征和比例特征結合在一-起， 使得分類(lèi)的效果更好?，F象。.本文已經(jīng)提到，圖像真偽分析技術(shù)的兩大關(guān)鍵技術(shù):目在graphy中，高飽和度的顏色出現的頻率比較高。這為對像的特征提取和分類(lèi)器的設計。在本文中，作者主要把精力圖像的特征提取提供了一個(gè)線(xiàn)索。具體步驟:對要處理的圖像放在圖像的特征提取上。在分類(lèi)器的設計上，采用兩種現成進(jìn)行顏色模式的轉換，從RCB模式轉換到HSV模式，通過(guò)統的分類(lèi)器，KNN方法和FISHER方法，在圖像的特征提取t. .計圖像的S值，(飽和度值) 可以作為圖像的一個(gè)特征值。本文綜合了圖像的顏色特征和紋理特征，組合成圖像的特征2.2紋理特征向量。在此基礎上進(jìn)行分類(lèi)。同時(shí)利用maulab編寫(xiě)-個(gè)簡(jiǎn)易紋理是由灰度分布在空間位置上反復出現而形成的。因的識別系統程序，來(lái)驗證作者的技術(shù)思路。而在圖像空間中相隔某個(gè)距離的兩個(gè)像素間會(huì )出現- -定的灰2分析技術(shù)度關(guān)系。這個(gè)關(guān)系被稱(chēng)為圖像中灰度空間的相關(guān)特征?；叶?.1特征提取和顏色特征共生矩陣就是通過(guò)統計這樣- -個(gè)關(guān)系得到的[3]。 .(1)像素之間的顏色變換采用不同的模式: photography從灰度共生矩陣導出的特征值:能量，熵，最大概率，反映的是現實(shí)中的物體，在現實(shí)世界中，某個(gè)區域顏色保持對比度，相關(guān)性，這些值將組成一個(gè)圖像的特征向量。不變的情景不大常見(jiàn)。此外，photography 中的物體會(huì )包含一運用灰度共生矩陣進(jìn)行紋理描述的步驟:些噪聲，相鄰的像素間顏色的RCB值不同。相反，graphy 的(1)根據給定的方向和距離生成灰度共生矩陣。某個(gè)區域顏色常常保持不變，同時(shí)，graphy 中的邊緣有更多的特征中國煤化工度共生矩陣的上述5個(gè)形狀，邊緣--般發(fā)生在一-個(gè)區域和另外-一個(gè)區域顏色發(fā)生跳MHCNMHG變的地方，這個(gè)變化- -般在一個(gè)像素上進(jìn)行。在photography擔中木在試驗中，采用了KNN分類(lèi)器方法，即K--近鄰法，關(guān)本文收稿日期: 2008年12月 24日(下轉到119頁(yè))- 94-STUDY OF COMPUTER APPLICATION IN EDUCATION計算機應用教學(xué)研究式，學(xué)生根據自身情況可以選擇自學(xué)，也可以選擇讓教師領(lǐng)設置題庫中的不同程度的題，自主練習。學(xué)的方法。這樣做的結果使基礎差的學(xué)生逐漸追了上來(lái)，可以完成B其次，在教師進(jìn)行領(lǐng)學(xué)時(shí),利用課件把AgNO3溶液和或C等越層練習和測試，使他們體驗到了成功的喜悅，避免NaCl溶液發(fā)生反應的微觀(guān)世界呈現在每-一個(gè)學(xué)生機上，并與了兩極分化，同時(shí)使優(yōu)秀率也穩步上升。兩個(gè)班的學(xué)習成績(jì)演示實(shí)驗相配合。當演示實(shí)驗中出現白色沉淀時(shí)，進(jìn)行電子對比有了如表2所示的變化:.提問(wèn)，反應混合物中，什么離子數目減少?什么離子數目沒(méi)從表2可以看出，實(shí)驗班的平均成績(jì)超出了基礎班的成變化?生成了什么物質(zhì)?什么離子參加了反應?學(xué)生能正確回答?？?jì)，同時(shí)差生轉化率和優(yōu)秀率也有一-定幅度的提高。接著(zhù)，讓學(xué)生思考:兩溶液混合后，每種離子是怎樣運表2兩個(gè)班級成績(jì)情況對比表動(dòng)的?然后再給出計算機模擬的各種離子運動(dòng)情況，學(xué)生經(jīng)班級[樣本| 平均成績(jì)標準差及格率優(yōu)秀率過(guò)觀(guān)察課件中微粒的運動(dòng)，發(fā)現只有Ag+和Cl-結合在- -起， .基礎班5478.410.379.616.7明白了離子反應的實(shí)質(zhì)。從而，在書(shū)寫(xiě)離子反應方程式時(shí)，實(shí)驗班5488.924.1多數同學(xué)能直接書(shū)寫(xiě)簡(jiǎn)單的離子方程式，正確率高。其主要總結原因是他們的思維方式改變了，書(shū)寫(xiě)時(shí)先考慮的是:什么離需要注意的是，教學(xué)方法的選擇是為了實(shí)現教學(xué)目的，子參加反應?生成什么物質(zhì)?什么物質(zhì)不參加反應?利用課件完達到最佳的教學(xué)效果，因此不能說(shuō)有了計算機輔助教學(xué)，傳成了由表及里、由具體到抽象的過(guò)程，讓學(xué)生輕松地突破了統教學(xué)就一無(wú)是處， 也不能有計算機輔助教學(xué)能完全代替傳這一難點(diǎn)。最后，在練習時(shí)在資源庫中把各種離子準備好，學(xué)生練統教學(xué)的片面看祛，只有把二者完美結合、互補長(cháng)衡，才是習時(shí)只需點(diǎn)擊正確，就可以調出，如不正確，計算機就會(huì )進(jìn)最佳教學(xué)方法?？傊?，本人認為運用計算機輔助教學(xué)進(jìn)行行提示，直至完全正確。通過(guò)這樣個(gè)別化的層次性練習，完“層次化”教學(xué)就是一種值得提倡的好方法。參考文獻成了這一重點(diǎn)內容的學(xué)習，既培養了學(xué)生分析問(wèn)題、解決問(wèn)[1]孫全玲,李瑩瑩.關(guān)于計算機輔助教學(xué)的體會(huì )[] .科技題的能力，也有助于邏輯思維的養成，真正實(shí)現因材施教,資訊，2006; (09): 13- -15.克服了以往教學(xué)中整齊劃- -的弊端。[2]苑永波.信息化教學(xué)模式與傳統教學(xué)模式的比較[] .中3.3分析國電化教育，2007; (8);: 26-28.無(wú)論采用哪種教學(xué)方法，教學(xué)效果的檢驗是必不可少的[3]毛景煥.談針對學(xué)生個(gè)性差異的班內分組分層教學(xué)的優(yōu)化重要環(huán)節。因此，在運用計算機輔助教學(xué)進(jìn)行“層次化”教策略[J].中小學(xué)教育，2001; (2): 23-27.學(xué)的過(guò)程中，針對每一節課的教學(xué)詳案及配套A (最簡(jiǎn)單的題)、B (中等難度的題)、C (最難的題)三等程度的練習、檢作者簡(jiǎn)介測題都存在多媒體教室的網(wǎng)絡(luò )中，自習課時(shí)學(xué)生可以自由上侯培，男(1979.1-), 貴州電子職業(yè)技術(shù)學(xué)院，研究方向:計機，進(jìn)行自主學(xué)習,每位學(xué)生可以自主通過(guò)網(wǎng)絡(luò )來(lái)選擇教師算機網(wǎng)絡(luò )。.(上接第94頁(yè))于KNN方法的理論推導不打算在本文中介紹了。用通俗的語(yǔ)本文通過(guò)仿真實(shí)驗，可以得到顏色塊統計特征，在圖像言來(lái)介紹這個(gè)方法是:當在系統中輸人一個(gè)圖像的特征向量的真偽分析中是-一個(gè)非常重要的特征，而紋理特征對圖像的時(shí)，與訓練集中的特征向量進(jìn)行計算，找到離輸人向量最近識別時(shí)產(chǎn)生的作用卻沒(méi)有顏色塊特征的作用大。因此，在后的K個(gè)向量,并認為輸人圖像和這K個(gè)向量的類(lèi)型相同。在續的研究中，可以引人神經(jīng)網(wǎng)絡(luò )的知識，利用神經(jīng)網(wǎng)絡(luò )的特實(shí)驗中，取K=1,此方法就演變成最近鄰方法。征來(lái)設計分類(lèi)器，相信可以得到更好的結果。在本文中，采用matlab,編寫(xiě)了一個(gè)簡(jiǎn)易的圖像真偽分析存在的問(wèn)題:對于簡(jiǎn)單的photography,尤其是在照片上系統，在進(jìn)行多次訓練之后,程序將訓練結果存放在文件中，擁有大片的天空，天空還是一-片單調顏色時(shí)，系統常將此識便于以后的分析中運用。本系統成功與否的關(guān)鍵在于圖像特別為computer graphy,這是可以預測的，因為，在提取的特征征的選取。圖像特征選取的好壞直接關(guān)系到分類(lèi)效果的好壞。中，有個(gè)顏色塊的統計，這是一個(gè)非常重要的特征值,所以才識別會(huì )發(fā)生錯誤，這是系統急靄改進(jìn)的地方。此外，分類(lèi)器的設計也是非常重要的。通過(guò)實(shí)驗結果可以看出，(分析) 系統可以粗略地給出結果。因為沒(méi)有找到專(zhuān)用的測試圖庫，所以在實(shí)驗中，圖庫[1]章毓晉.圖像處理和分析.清華大學(xué)出版社.是自己進(jìn)行設置的，多數圖片是從網(wǎng)上down下來(lái)的。包含40[2]中國煤化工版).清華大學(xué)出版社.張computer graphics和85張photograph ,各抽取20張圖像作[3]Gaphy and Graphy On the為訓練集，其他的作為測試集，在對40張computer graphicsWorldMHCNMHG進(jìn)行測試時(shí)，其中- -張圖片被誤判，在對85張photograph進(jìn)行測試時(shí)，其中4張圖片被誤判。鄭重,男(1966.10-), 講師，重慶市經(jīng)濟管理學(xué)校。-119-