基于內(nèi)容的圖像拷貝檢測研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展和大量的對圖像可編輯軟件的出現(xiàn)，越來越多的拷貝圖像出現(xiàn)在互聯(lián)網(wǎng)上，并不斷地被傳播，從而引發(fā)了侵權、偽造和數(shù)據(jù)庫存儲冗余等一系列的問題。近似圖像拷貝檢測作為圖像研究的一個重點方向，是從圖像集合中查找與查詢圖像互為近似拷貝的圖像，即那些相似度極高的圖像，而所謂的近似拷貝包括圖像大小的改變、旋轉、裁剪、對比度變換、文本的插入、噪聲干擾等。近似圖像拷貝檢測可以應用于各個領域，比如：圖像版權保護和偽造檢測、視頻拷貝檢測、圖像查詢等

2、領域。
　　近似拷貝圖像檢測的難點在于如何更加高效的提取和匹配圖像的特征，針對傳統(tǒng)算法的檢測效率和準確率不夠高的缺點，本文提出了一個基于MSER、SURF和空間金字塔模型的檢測算法。算法首先對圖像的MSER和 SURF特征描述子進行提取，然后通過K-means算法聚類形成視覺詞典，最后應用空間金字塔模型在圖像的特征信息中融入空間信息，從而提高了拷貝圖像檢測的查全率和查準率。實驗結果表明，利用該算法進行大規(guī)模的近似拷貝圖像檢測是可行

3、的。
　　傳統(tǒng)的詞袋模型在對圖像特征點進行聚類時一般采用 K-means算法，但是算法得到的視覺詞匯存在同義性和歧義性的問題，而且視覺單詞的冗余性過多且不支持動態(tài)擴展，因此本文在K-means算法的基礎上融入了高斯混合模型GMM算法來對特征點進行聚類，從而生成更加可靠的視覺詞匯。在獲取視覺詞匯之后，為了獲得圖像中目標場景的潛在主題判別信息，本文結合了概率潛在語義模型PLSA來對圖像進行拷貝檢測，從而在詞袋模型中融入更多圖像的相關信