畢業(yè)設(shè)計(jì)——數(shù)字圖像的盲鑒別技術(shù)研究

1、1數(shù)字圖像的盲鑒別技術(shù)研究摘要：本文指出了現(xiàn)有數(shù)字圖像盲鑒別技術(shù)存在的優(yōu)缺點(diǎn)及有待研究的問題。根據(jù)計(jì)算機(jī)圖像和真圖像在圖像光滑區(qū)域和紋理區(qū)域的不同特性，提出了一種新的計(jì)算機(jī)圖像盲鑒別算法，該算法結(jié)合顏色距離矩陣、灰度共生矩陣以及Canny邊緣檢測等圖像處理方法設(shè)計(jì)出圖像的二維特征，最后利用支持向量機(jī)進(jìn)行分類檢測。本文算法與現(xiàn)有計(jì)算機(jī)盲鑒別算法相比，計(jì)算復(fù)雜度較低，仿真實(shí)驗(yàn)表明該算法能以較高的正確檢測率區(qū)分出計(jì)算機(jī)圖像和真圖像。關(guān)鍵詞：計(jì)

2、算機(jī)圖像Canny邊緣檢測顏色距離灰度共生矩陣支持向量機(jī)中圖分類號(hào)；文獻(xiàn)標(biāo)識(shí)碼：AAnInvestigationontheBlindDetectionTechnologiesftheDigitalImagesZHOUChunGAOHaiying（ElectronicTechnologyInstitutePLAInfmationEngineeringUniversityZhengzhouHenan450004China）Abstract：

3、Inthispapertheadvantagesdisadvantagesoftheexistingblinddetectiontechnologiesarepointedouttheproblemstobeinvestigatedareclear.Basedonthedifferentidentitiesinthesmoothareatextureareabetweencomputergraphicscamerapicturesane

4、wblinddistinguishingalgithmtodetectcomputergraphicsisproposedinwhichatwodimensionalmeasureoftheimageisdesignedaccdingtothecoldistancematrixgraylevelcooccurrencematrixtheCannyedgedetectingmethod.AtlastthispaperusestheSupp

5、tVectMachinefclassifying.Comparedtotheexistingblinddistinguishingalgithmsthispaper’salgithmhasalowcomputingcomplexitytheemulationexperimentsshowthatitcandistinguishthecomputergraphictherealpicturewithahighcrectdetectingr

6、ate.Keywds：ComputergraphicCannyedgedetectingmethodColdistanceGraylevelcooccurrencematrixSupptVectMachine.1引言圖像作為一種信息資源，隨著信息技術(shù)的發(fā)展，傳統(tǒng)的膠片圖像正逐步被數(shù)字圖像取而代之。相對(duì)于傳統(tǒng)的膠片圖像，數(shù)字圖像更容易被計(jì)算機(jī)生成或改動(dòng)且難以分辨真?zhèn)?。例如，用戶可以利?D圖像生成軟件輕易的生成假以成真的計(jì)算機(jī)圖像，利用圖

7、像編輯和處理工具可以修改圖像內(nèi)容，并且使得人眼難以辨別修改的痕跡。因此，對(duì)于數(shù)字圖像的盲鑒定技術(shù)已成為信息安全領(lǐng)域中的一個(gè)重要課題。3圖像特征提取圖像特征分析分類器識(shí)別圖像輸入鑒別系統(tǒng)輸出圖像鑒別系統(tǒng)圖21：計(jì)算機(jī)圖像鑒別的一般流程針對(duì)計(jì)算機(jī)3D軟件生成的JPEG圖像進(jìn)行檢測，關(guān)鍵是能否找到有效的統(tǒng)計(jì)特征來表征計(jì)算機(jī)生成圖像和真圖像的區(qū)別。文獻(xiàn)[1]概括的幾種區(qū)別中，第一種區(qū)別最為明顯，計(jì)算機(jī)圖像的邊緣形狀較多，形狀比較規(guī)則，在邊緣處一

8、個(gè)區(qū)域和另外一個(gè)區(qū)域發(fā)生跳躍是在一個(gè)像素中進(jìn)行，變化比較突然；而真圖像中，顏色的轉(zhuǎn)變更加柔和。在計(jì)算機(jī)圖像的一個(gè)區(qū)域塊中，顏色較飽和，顏色塊較大；而真圖像的顏色塊較小，噪聲較大，顏色數(shù)較多。此外，計(jì)算機(jī)圖像的紋理分布與真圖像的紋理分布有很大不同。根據(jù)這些特征，本文采取下面的策略：(1)首先選用檢測精度較高的邊緣檢測算法實(shí)現(xiàn)待測圖像邊緣的有效提取，基于邊緣進(jìn)行分塊統(tǒng)計(jì)平均每個(gè)分塊像素值不變的點(diǎn)，把這種像素點(diǎn)的個(gè)數(shù)作為一個(gè)特征量。(2)其次

9、基于灰度共生矩陣確定另一個(gè)特征量。(3)基于上述兩個(gè)特征量組成的二維特征向量利用分類器進(jìn)行識(shí)別檢測。(4)利用MATLAB軟件GUI設(shè)計(jì)功能設(shè)計(jì)計(jì)算機(jī)圖像檢測系統(tǒng)。2.2基于邊緣和顏色的特征提取算法圖像的邊緣反映了像素值在此處發(fā)生跳躍，真圖像由于相機(jī)沒有在邊緣處發(fā)生聚焦，邊緣比較模糊，因而這種跳躍比較舒緩，往往需要多個(gè)像素點(diǎn)才能完成跳躍，而計(jì)算機(jī)圖像的這種跳躍比較突然，往往只需要一個(gè)像素點(diǎn)就完成了跳躍。邊緣將圖像劃分成一個(gè)個(gè)區(qū)域，在各區(qū)

10、域內(nèi)，像素值沒有發(fā)生跳躍，變化很平緩，因此相比真圖像，區(qū)域內(nèi)最大顏色距離為0的像素點(diǎn)的個(gè)數(shù)較多。本文采用Canny算子進(jìn)行邊緣特征提取[1011]，理由主要有：高精度的統(tǒng)計(jì)特征值需要較高精度的邊緣檢測算法，而Canny邊緣檢測算法是目前所有邊緣檢測算子中最優(yōu)的；Canny邊緣檢測算子的雙閾值法能根據(jù)不同類型的圖像調(diào)節(jié)檢測精度，具有可控性。而對(duì)于顏色特征，最遠(yuǎn)距離矩陣是刻畫顏色變化較為有效的方法。為此，本文設(shè)計(jì)了如下的特征提取算法：Ste