電腦編程技巧與維護圖像真?zhèn)畏治鲟嵵?重慶市經(jīng)濟管理學校，重慶402160)摘要: 本文在圖像特征的提取上, 利用圍像的顏 色特征和紋理特征，分別用顏色最遠距離矩陣和灰度共生矩陣表示，從這兩個矩陣中取得特征值作為圍像的特征;分類器的設計本文采用了成熟的KNN分類器，并在此基礎上用Matlab做了仿真系統(tǒng)，得出可以初步識別圖片的效果。關鍵詞:真?zhèn)畏治?共生矩陣;顏色特征;紋理特征The analysis of image authenticityZHENG Zhong(Chongqing Economie Management School, Chongqing 402160)Abstract: In this paper, image feature extraction, using the color image features and texture features, respectively, the mostlong- distance matrix with color and gray-level co- occrrence matrix, said matrix obtained from the two characteristic valuesof image features; classifier design: use a mature KNN classifier. And on this basis to use matlab to do the simulation systemcan draw a preliminary picture of the efect of recognition.Key words: Authenticity analysis; Co occrrence Matrix; Color Feature; Texture Feature引言.中，物體之間的邊界是模糊的，因為相機沒有聚焦在此。此圖像真?zhèn)味x:照相機拍攝的圖片定義為真圖像，而利外，許多顏色的變化和物體的邊界沒有聯(lián)系。在pholography用計算機繪制的圖像和利用計算機處理過的照相機拍攝圖片中,顏色的轉變更加柔和。定義為偽圖像。在本文中主要分辨的偽圖像為計算機制作的(2)某些顏色在graphy中出現(xiàn)的頻率要高于photography。圖像。例如高飽和度的顏色在graphy中出現(xiàn)的比較頻繁，而在pho-圖像真?zhèn)畏治龅膬蓚€關鍵技術:圖像的特征提取;分類tography則出現(xiàn)的較少。器的設計。在圖像的特征提取上，人們主要集中在顏色特征、(3) graphy 比photography的顏色數(shù)要少。這是因為在紋理特征、邊緣特征、空間特征等。分類器的設計，有KNNgraphy中常用較大的- -個顏色塊。在網(wǎng)頁中，graphy 一般傾向方法，F(xiàn)ISHER 方法，SVM方法等,各種分類器的效果大致相于用較少的顏色，這樣的壓縮效果比較好。同，所以在圖像真?zhèn)畏治鰰r，人們把注意力集中在特征提取4) graphy與pholography有不同的外形，在某個方向上上。小波技術的發(fā)展，給特征提取方法帶來了更新。在文獻graphy通常更窄，更長，而photography更傾向于方形。此外，[2]中，作者使用了小波技術來進行特征提取,將圖像的空間graphy通常由小的形狀，而在photography 中卻很少出現(xiàn)這個特征和比例特征結合在一-起， 使得分類的效果更好?，F(xiàn)象。.本文已經(jīng)提到，圖像真?zhèn)畏治黾夹g的兩大關鍵技術:目在graphy中，高飽和度的顏色出現(xiàn)的頻率比較高。這為對像的特征提取和分類器的設計。在本文中，作者主要把精力圖像的特征提取提供了一個線索。具體步驟:對要處理的圖像放在圖像的特征提取上。在分類器的設計上，采用兩種現(xiàn)成進行顏色模式的轉換，從RCB模式轉換到HSV模式，通過統(tǒng)的分類器，KNN方法和FISHER方法，在圖像的特征提取t. .計圖像的S值，(飽和度值) 可以作為圖像的一個特征值。本文綜合了圖像的顏色特征和紋理特征，組合成圖像的特征2.2紋理特征向量。在此基礎上進行分類。同時利用maulab編寫-個簡易紋理是由灰度分布在空間位置上反復出現(xiàn)而形成的。因的識別系統(tǒng)程序，來驗證作者的技術思路。而在圖像空間中相隔某個距離的兩個像素間會出現(xiàn)- -定的灰2分析技術度關系。這個關系被稱為圖像中灰度空間的相關特征。灰度2.1特征提取和顏色特征共生矩陣就是通過統(tǒng)計這樣- -個關系得到的[3]。 .(1)像素之間的顏色變換采用不同的模式: photography從灰度共生矩陣導出的特征值:能量，熵，最大概率，反映的是現(xiàn)實中的物體，在現(xiàn)實世界中，某個區(qū)域顏色保持對比度，相關性，這些值將組成一個圖像的特征向量。不變的情景不大常見。此外，photography 中的物體會包含一運用灰度共生矩陣進行紋理描述的步驟:些噪聲，相鄰的像素間顏色的RCB值不同。相反，graphy 的(1)根據(jù)給定的方向和距離生成灰度共生矩陣。某個區(qū)域顏色常常保持不變，同時，graphy 中的邊緣有更多的特征中國煤化工度共生矩陣的上述5個形狀，邊緣--般發(fā)生在一-個區(qū)域和另外-一個區(qū)域顏色發(fā)生跳MHCNMHG變的地方，這個變化- -般在一個像素上進行。在photography擔中木在試驗中，采用了KNN分類器方法，即K--近鄰法，關本文收稿日期: 2008年12月 24日(下轉到119頁)- 94-STUDY OF COMPUTER APPLICATION IN EDUCATION計算機應用教學研究式，學生根據(jù)自身情況可以選擇自學，也可以選擇讓教師領設置題庫中的不同程度的題，自主練習。學的方法。這樣做的結果使基礎差的學生逐漸追了上來，可以完成B其次，在教師進行領學時,利用課件把AgNO3溶液和或C等越層練習和測試，使他們體驗到了成功的喜悅，避免NaCl溶液發(fā)生反應的微觀世界呈現(xiàn)在每-一個學生機上，并與了兩極分化，同時使優(yōu)秀率也穩(wěn)步上升。兩個班的學習成績演示實驗相配合。當演示實驗中出現(xiàn)白色沉淀時，進行電子對比有了如表2所示的變化:.提問，反應混合物中，什么離子數(shù)目減少?什么離子數(shù)目沒從表2可以看出，實驗班的平均成績超出了基礎班的成變化?生成了什么物質?什么離子參加了反應?學生能正確回答?？?，同時差生轉化率和優(yōu)秀率也有一-定幅度的提高。接著，讓學生思考:兩溶液混合后，每種離子是怎樣運表2兩個班級成績情況對比表動的?然后再給出計算機模擬的各種離子運動情況，學生經(jīng)班級[樣本| 平均成績標準差及格率優(yōu)秀率過觀察課件中微粒的運動，發(fā)現(xiàn)只有Ag+和Cl-結合在- -起， .基礎班5478.410.379.616.7明白了離子反應的實質。從而，在書寫離子反應方程式時，實驗班5488.924.1多數(shù)同學能直接書寫簡單的離子方程式，正確率高。其主要總結原因是他們的思維方式改變了，書寫時先考慮的是:什么離需要注意的是，教學方法的選擇是為了實現(xiàn)教學目的，子參加反應?生成什么物質?什么物質不參加反應?利用課件完達到最佳的教學效果，因此不能說有了計算機輔助教學，傳成了由表及里、由具體到抽象的過程，讓學生輕松地突破了統(tǒng)教學就一無是處， 也不能有計算機輔助教學能完全代替?zhèn)鬟@一難點。最后，在練習時在資源庫中把各種離子準備好，學生練統(tǒng)教學的片面看祛，只有把二者完美結合、互補長衡，才是習時只需點擊正確，就可以調出，如不正確，計算機就會進最佳教學方法。總之，本人認為運用計算機輔助教學進行行提示，直至完全正確。通過這樣個別化的層次性練習，完“層次化”教學就是一種值得提倡的好方法。參考文獻成了這一重點內容的學習，既培養(yǎng)了學生分析問題、解決問[1]孫全玲,李瑩瑩.關于計算機輔助教學的體會[] .科技題的能力，也有助于邏輯思維的養(yǎng)成，真正實現(xiàn)因材施教,資訊，2006; (09): 13- -15.克服了以往教學中整齊劃- -的弊端。[2]苑永波.信息化教學模式與傳統(tǒng)教學模式的比較[] .中3.3分析國電化教育，2007; (8);: 26-28.無論采用哪種教學方法，教學效果的檢驗是必不可少的[3]毛景煥.談針對學生個性差異的班內分組分層教學的優(yōu)化重要環(huán)節(jié)。因此，在運用計算機輔助教學進行“層次化”教策略[J].中小學教育，2001; (2): 23-27.學的過程中，針對每一節(jié)課的教學詳案及配套A (最簡單的題)、B (中等難度的題)、C (最難的題)三等程度的練習、檢作者簡介測題都存在多媒體教室的網(wǎng)絡中，自習課時學生可以自由上侯培，男(1979.1-), 貴州電子職業(yè)技術學院，研究方向:計機，進行自主學習,每位學生可以自主通過網(wǎng)絡來選擇教師算機網(wǎng)絡。.(上接第94頁)于KNN方法的理論推導不打算在本文中介紹了。用通俗的語本文通過仿真實驗，可以得到顏色塊統(tǒng)計特征，在圖像言來介紹這個方法是:當在系統(tǒng)中輸人一個圖像的特征向量的真?zhèn)畏治鲋惺?一個非常重要的特征，而紋理特征對圖像的時，與訓練集中的特征向量進行計算，找到離輸人向量最近識別時產(chǎn)生的作用卻沒有顏色塊特征的作用大。因此，在后的K個向量,并認為輸人圖像和這K個向量的類型相同。在續(xù)的研究中，可以引人神經(jīng)網(wǎng)絡的知識，利用神經(jīng)網(wǎng)絡的特實驗中，取K=1,此方法就演變成最近鄰方法。征來設計分類器，相信可以得到更好的結果。在本文中，采用matlab,編寫了一個簡易的圖像真?zhèn)畏治龃嬖诘膯栴}:對于簡單的photography,尤其是在照片上系統(tǒng)，在進行多次訓練之后,程序將訓練結果存放在文件中，擁有大片的天空，天空還是一-片單調顏色時，系統(tǒng)常將此識便于以后的分析中運用。本系統(tǒng)成功與否的關鍵在于圖像特別為computer graphy,這是可以預測的，因為，在提取的特征征的選取。圖像特征選取的好壞直接關系到分類效果的好壞。中，有個顏色塊的統(tǒng)計，這是一個非常重要的特征值,所以才識別會發(fā)生錯誤，這是系統(tǒng)急靄改進的地方。此外，分類器的設計也是非常重要的。通過實驗結果可以看出，(分析) 系統(tǒng)可以粗略地給出結果。因為沒有找到專用的測試圖庫，所以在實驗中，圖庫[1]章毓晉.圖像處理和分析.清華大學出版社.是自己進行設置的，多數(shù)圖片是從網(wǎng)上down下來的。包含40[2]中國煤化工版).清華大學出版社.張computer graphics和85張photograph ,各抽取20張圖像作[3]Gaphy and Graphy On the為訓練集，其他的作為測試集，在對40張computer graphicsWorldMHCNMHG進行測試時，其中- -張圖片被誤判，在對85張photograph進行測試時，其中4張圖片被誤判。鄭重,男(1966.10-), 講師，重慶市經(jīng)濟管理學校。-119-