基于统计量的计算机图形检测模型

自然图像和计算机图形的鉴别可采用模式识别的方法。采用统计矩特征量和基于颜色滤波阵列的统计量来建立模型,以捕获自然图像和计算机图形在图像内容上的不同相关性。选用哥伦比亚大学自然图像和计算机图形数据库来测试该模型,采用人工神经网络作为分类器进行训练和测试。实验结果表明,该模型的识别率高,稳定性好,具有较好的应用前景。     

基于隐马尔可夫模型的自然图像和计算机图形的鉴别

根据自然图像和计算机图形在采集方式上的不同所导致的关联性差异,建立了基于隐马尔可夫模型的改进型特征值提取模型,选用支持向量机作为分类器进行训练和测试,对自然图像和计算机图形进行了分类.在哥伦比亚大学自然图像和计算机生成图像数据库上的实验结果表明,该方法的准确率达到98%.     

基于高阶累积量的图像鉴别方法仿真研究

在签别伪图像问题的研究中,随着图像处理技术的提升,计算机合成的图形越来越逼真,如何准确区分自然图像和计算机图形,成为图像认证研究的重要内容.由于利用自然图像和计算机图形在高阶统计特性上的不同的特点,提出一种新的高阶统计特征与预测误差矩阵相结合的分类鉴别方法.利用三级正交镜像滤波器(QMF)提取图像的各级分量,并求出各级分量及其预测误差矩阵的高阶累积量作为特征数据,然后利用支持向量机( SVM)进行训练和鉴别.实验结果表明对于实验所用的图像库具有99.10％的高鉴别率,能够有效鉴别自然图像和计算机图形,同时方法复杂程度较低、具有良好的鲁棒性及稳定性.     

一种基于亮度特征的图形图像分类方法

色彩管理中的自适应色域匹配技术，要求对不同渲染目的的图像自动分类。文中通过对图像的亮度直方图进行统计，提取了亮度级数和亮度直方图包络光滑度两个特征量，实现了一种基于该特征的图形图像分类方法，对自然照片和计算机生成图形这两种不同种类的图像进行了区分。     

图像噪声分析下的计算机生成图像检测算法

在生成图像的处理过程中,由于计算机生成图像与自然图像在物理生成机理方面存在着明显的差异性,因而也在一定程度上决定着其在图像噪声分布领域也存在着较为明显的差别.基于此,提出了图像噪声分析下关于计算机生成图像的检测算法,通过探索研究来进一步挖掘、提取计算机生成图像检测的新计算统计方法.     

基于二阶差分统计量的自然图像与计算机图形的鉴别

针对自然图像和计算机图形的鉴别问题,提出一种基于图像二阶差分统计量的鉴别方法.首先在HSV颜色空间提取图像及其校准图像的二阶差分信号和预测误差信号,在此基础上提取二阶差分信号的方差、峰度以及预测误差信号的1～4阶统计量,并将其作为分类特征,结合Fisher线性判别分析,实现2类图像的正确分类.实验结果表明,该方法可以有效地鉴别自然图像和计算机图形,与已有算法相比具有更高的识别率,且计算量小、易于实现.     

计算机图形分离算法研究及实现

计算机图形分离就是在由计算机生成的图形和自然图像合成的混合图像中将人工区域和自然区域分开，利用自适应自组织映射对彩色图像进行量化，针对每种颜色组成一个色平面；然后将色平面转换成二值图像，对其中的连通区域进行快速标记，并提取出边缘．将标记后的区域和边缘映射到原图像，定义并计算每个区域的粗糙度和边缘对比度，最终完成各个连通区域的识别．实验结果表明，该方法具有一定的实用性．     

用随机分形实现遥感影像的立体造型

随机分形是产生自然景物计算机图像合成的有效方法。将随机分形应用于三维地理信息图像造型中，产生反映地理高程信.色的自然图形，并进一步将图形与遥感图像结合，把传统的平面遥感图像构造成自然三维立休遥感图，产生直观的、有实用价值的立体图形.     

基于图像的图形生成系统中的虚拟摄像机模型

一、引言基于图像的计算机图形生成方法是基于模拟的计算模型,该方法有一定的局限性和不足。首先建立场景的几何模型是一件繁琐的工作。其次,在绘制时,计算的复杂性与场景和光源的复杂性相关。最后生成图像真实感不够。而基于图像的计算机图形生成方法是基于全景函数的计算模型,得到完整的全景函数是十分困难的。因此通过对周围场景的拍摄图像等价于对全景函数的稀疏采样。该方法克服了基于几何方法的不足,产生的效果具有图片真实感的效果,其次绘制速度与场景复杂性无关,生成计算机模型方便容易。且不需要最贵的硬件。它是近来的研究热点。基于图像的计算机图像生成方法     

基于局部能量方差特性的数字图像取证

在数字图像取证领域,如何高效甄别自然图像和计算机生成图像受到越来越多的关注。文中介绍一种数字图像取证算法,通过傅里叶变换计算图像像素之间的相关性,并利用频域的局部抖动来区别照相机拍摄的自然图像和计算机生成的图像。同时提出对计算机生成图像采取插值处理和对自然图像进行缩放处理的反取证方法,并且分析这两种反取证技术的应对方法。与Gallagher等的方法相比,文中基于数字图像局部能量方差特性的取证准确率更高,且能有效抵抗图像的反取证。