基于LBC的计算机生成图像盲鉴别算法-论文.pdf

《基于LBC的计算机生成图像盲鉴别算法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第6期计算机科学Vo1．42No．62015年6月ComouterScienceJune2015基于LBC的计算机生成图像盲鉴别算法申铉京李梦臻吕颖达陈海鹏(吉林大学计算机科学与技术学院长春130012)(吉林大学符号计算与知识工程教育部重点实验室长春130012)摘要针对现有的计算机生成图像盲鉴别算法选用的分类特征维度较高、通用性差等问题，提出了一种基于局部二进制计数模式的计算机生成图像盲鉴别算法。首先，将原始图像由RGB颜色空间转换为HSV颜色空间；然后，提取HSV颜色空间图像及其下采样图像的局部二进制计数模式矩阵

2、，求取矩阵归一化直方图；最后，将上述直方图作为分类特征送入SVM分类器，实现计算机生成图像的盲鉴别。实验结果表明，该算法可以有效地鉴别自然图像和计算机生成图像，与现有算法相比具有更高的识别率和较低的特征维度。关键词图像盲鉴别，计算机生成图像，下采样图像，局部二进制计数模式，SVM分类器中图法分类号TP391文献标识码ADOI10．11896／j．issn．1002—137X．2015．6．030BlindIdentificationAlgorithmofPhotorealisticComputerGraphicsBasedon

3、LocalBinaryCountSHENXuanl_jingLIMeng-zhenLVYing-daCHENHai-peng(CollegeofComputerScienceandTechnology，JilinUniversity，Changchun130012，China)(KeyLaboratoryofSymbolicComputationandKnowledgeEngineeringofMinistryofEducation，JilinUniversity，Changchun130012，China)AbstractA

4、imingattheproblemthattheclassificationfeaturesselectedbytheexistingblindidentificationalgorithmsofphotorealisticcomputergraphicshavehighdimensionsandpooruniversalities，thispaperputforwardablindidentifi—cationalgorithmofphotorealisticcomputergraphicsbasedonlocalbinar

5、ycount．First，theoriginalimageisconvertedfromRGBcolorspacetoHSVcolorspace．Then，thelocalbinarycountmatrixisextractedfromtheHSVcolorspaceimagesanditsdown-samplingimage，andthenormalizedhistogramofthematrixiscalculated．Finally，theabovehisto—gramissentasclassificationfeat

6、uresintotheSVMclassifier，implementingtheblindidentificationofphotorealisticcomputergraphics．Theexperimentalresultsshowthatthealgorithmcaneffectivelyidentifyphotographicimagesandphotorealisticcomputergraphics．Comparedwiththeexistingalgorithm，ithashigherrecognitionrat

7、eandlowerfeaturedimension．KeywordsBlindidentification，Photorealisticcomputergraphics，Down-samplingimage，Localbinarycount，SVMclas—sifier已经成为一种潜在的数字图像伪造方式[1]，如何有效地区分1前言自然图像和计算机生成图像已经成为数字图像取证领域的研计算机生成图像(PhotorealisticComputerGraphics，究热点。PRcG)是指由图像生成软件(如Maya、Softimage3

8、D、3DStu—现有的自然图像和计算机生成图像盲鉴别算法大都采用dioMax、LightWave3D等)经一系列复杂过程模拟生成的图了机器学习(MachineLearning，ML)的方法，即将其视为一个像，而自然图像(PhotographicImages，PIM)则是由数码