數字圖像的特征提取與分類研究.pdf

1、隨著網絡和計算機技術的飛速發(fā)展，人們利用網絡通過獲得數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、真實的感覺。同時，隨著圖像處理和計算機圖形學的技術的迅速發(fā)展，人們又能夠輕而易舉地制作出高逼真的計算機圖片(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照片，哪些是經過計算機處理的或是人為合成的照片，從而確定圖像信息的可信度。正是諸多的社會需求促使數字圖像處理技術得到了深入、廣泛

2、和迅速的發(fā)展。圖像處理的主要研究內容包括圖像增強、圖像復原、圖像編碼、圖像分類等。 通過分析在網絡上搜尋到的眾多人們關注度比較高的數字圖像，我們發(fā)現，其中包含公眾人物(國家領導人、體育明星以及娛樂圈明星等等)的圖像較多：在對引起人們爭議的圖像得討論中，人們往往關心的是這個人物是否出現在這個地方，是否做過這件事情。因此，針對這一情況，在本文中我們主要討論包含人物的數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)分計算機繪制的人物圖像(以下簡稱CG圖像)和由攝像機獲取的真實人物圖像(以下簡稱PG圖像)的方法，該方法通過提取小波系數特征、顏色特征以及紋理特征獲得圖像的統計模型。并采用SVM分類器來學習和辨別這種差別。實驗表明，這種方法在分辨圖像真?zhèn)畏矫媸蔷邆湟欢▍⒖純r值的，尤其在一幅圖像沒有數字水印的情況下，具有特殊的實際應用價值。其對特征的提取是顯著有效的，從而驗證了這種統計模型與分類器相結合進行圖像真?zhèn)畏治龅膶嶒灧?/p>

4、法的有效性。 2.提出了利用基于提升方法的小波變換進行特征提取的方法。提升小波變換為小波變換提供了一種新的更快速的實現方法，其構造不再依賴于Fourier變換構造，可以實現所有小波變換。結果表明，與傳統的小波變換相比，提升小波變換對于圖像特征的提取同樣是有效的，另外由于其獨特的變換構造，使得計算量大大降低，計算時間顯著減少，具有很大的實用價值。 3.提出了一種基于Gabor小波和灰度共生矩陣進行數字圖像特征提并與支持向量

5、機模型相結合的紋理分類算法。首先分別利用Gabor變換和灰度共生矩陣提取數字圖像的特征，進而利用支持向量機算法實現圖像的訓練和分類。 Gabor小波變換方法是頻譜法的一種。能夠對紋理圖像的功率譜和能量做出更加細致的描述：灰度共生矩陣是統計法的一種，能夠很好的反映象素之間的灰度級空間相關的規(guī)律。支持向量機是機器學習領域的研究熱點，由于其具有良好的推廣能力等諸多優(yōu)點也得到了越來越廣泛的應用。實驗結果表明，與傳統的分類方法相比，這種通