數(shù)字圖像的特征提取與分類研究.pdf

1、隨著網(wǎng)絡(luò)和計(jì)算機(jī)技術(shù)的飛速發(fā)展，人們利用網(wǎng)絡(luò)通過獲得數(shù)字圖像得到的信息越來越多，表面上看圖像信息給人以直觀、真實(shí)的感覺。同時(shí)，隨著圖像處理和計(jì)算機(jī)圖形學(xué)的技術(shù)的迅速發(fā)展，人們又能夠輕而易舉地制作出高逼真的計(jì)算機(jī)圖片(CG)，用肉眼幾乎不可能把它們同照片區(qū)別開。因此，但在很多情況下，我們便需要通過分辨出哪些是真實(shí)照片，哪些是經(jīng)過計(jì)算機(jī)處理的或是人為合成的照片，從而確定圖像信息的可信度。正是諸多的社會(huì)需求促使數(shù)字圖像處理技術(shù)得到了深入、廣泛

2、和迅速的發(fā)展。圖像處理的主要研究內(nèi)容包括圖像增強(qiáng)、圖像復(fù)原、圖像編碼、圖像分類等。 通過分析在網(wǎng)絡(luò)上搜尋到的眾多人們關(guān)注度比較高的數(shù)字圖像，我們發(fā)現(xiàn)，其中包含公眾人物(國家領(lǐng)導(dǎo)人、體育明星以及娛樂圈明星等等)的圖像較多：在對(duì)引起人們爭(zhēng)議的圖像得討論中，人們往往關(guān)心的是這個(gè)人物是否出現(xiàn)在這個(gè)地方，是否做過這件事情。因此，針對(duì)這一情況，在本文中我們主要討論包含人物的數(shù)字圖像特征提取和分類的問題。 本文的主要工作及特色之處如下

3、： 1.提出了一種區(qū)分計(jì)算機(jī)繪制的人物圖像(以下簡(jiǎn)稱CG圖像)和由攝像機(jī)獲取的真實(shí)人物圖像(以下簡(jiǎn)稱PG圖像)的方法，該方法通過提取小波系數(shù)特征、顏色特征以及紋理特征獲得圖像的統(tǒng)計(jì)模型。并采用SVM分類器來學(xué)習(xí)和辨別這種差別。實(shí)驗(yàn)表明，這種方法在分辨圖像真?zhèn)畏矫媸蔷邆湟欢▍⒖純r(jià)值的，尤其在一幅圖像沒有數(shù)字水印的情況下，具有特殊的實(shí)際應(yīng)用價(jià)值。其對(duì)特征的提取是顯著有效的，從而驗(yàn)證了這種統(tǒng)計(jì)模型與分類器相結(jié)合進(jìn)行圖像真?zhèn)畏治龅膶?shí)驗(yàn)方

4、法的有效性。 2.提出了利用基于提升方法的小波變換進(jìn)行特征提取的方法。提升小波變換為小波變換提供了一種新的更快速的實(shí)現(xiàn)方法，其構(gòu)造不再依賴于Fourier變換構(gòu)造，可以實(shí)現(xiàn)所有小波變換。結(jié)果表明，與傳統(tǒng)的小波變換相比，提升小波變換對(duì)于圖像特征的提取同樣是有效的，另外由于其獨(dú)特的變換構(gòu)造，使得計(jì)算量大大降低，計(jì)算時(shí)間顯著減少，具有很大的實(shí)用價(jià)值。 3.提出了一種基于Gabor小波和灰度共生矩陣進(jìn)行數(shù)字圖像特征提并與支持向量

5、機(jī)模型相結(jié)合的紋理分類算法。首先分別利用Gabor變換和灰度共生矩陣提取數(shù)字圖像的特征，進(jìn)而利用支持向量機(jī)算法實(shí)現(xiàn)圖像的訓(xùn)練和分類。 Gabor小波變換方法是頻譜法的一種。能夠?qū)y理圖像的功率譜和能量做出更加細(xì)致的描述：灰度共生矩陣是統(tǒng)計(jì)法的一種，能夠很好的反映象素之間的灰度級(jí)空間相關(guān)的規(guī)律。支持向量機(jī)是機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，由于其具有良好的推廣能力等諸多優(yōu)點(diǎn)也得到了越來越廣泛的應(yīng)用。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的分類方法相比，這種通