УТОЧНЕНИЕ ПОРОГОВОГО ЗНАЧЕНИЯ ПРИ КЛАССИФИКАЦИИ БЛОКОВ ЦИФРОВОГО ИЗОБРАЖЕНИЯ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ВЫЯВЛЕНИЯ ФОТОМОНТАЖА

Автор(и)

  • Вадим Мокрицкий Одесский национальный политехнический университет, Ukraine
  • Виктория Зорило Одесский национальный политехнический университет, Ukraine
  • Мария Ворникова Одесский национальный политехнический университет, Ukraine
  • Владислав Креминский Одесский национальный политехнический университет, Ukraine
  • Роман Лычов Одесский национальный политехнический университет, Ukraine
  • Анастасия Матвеева Одесский национальный политехнический университет, Ukraine
  • Вероника Мурова Одесский национальный политехнический университет, Ukraine
  • Анастасия Шпортюк Одесский национальный политехнический университет, Ukraine

DOI:

https://doi.org/10.20535/2074-9481.1(33).2017.169680

Ключові слова:

виділення контурів, цифрове зображення, класифікація блоків зображення, функція яскравості, інформаційна безпека

Анотація

Рішення завдання виділення текстурних ознак цифрового зображення актуально в багатьох областях: комп'ютерна діагностика, аналіз знімків з супутника, системи відеоспостереження, системи навігації і т.д. На даний момент поняття текстури цифрового зображення інтерпретують по-різному в залежності від конкретних завдань обробки зображень, а якість їх перевіряється емпірично для кожного завдання класифікації, тому синтез великої кількості текстурних ознак і дослідження їх на інформативність є актуальним. Важливими поняттями текстури є фон і контур. Раніше було запропоновано спосіб класифікації блоків матриці зображення, заснований на аналізі функції їх яскравості, відповідно до якого виділено чотири категорії блоків: фонові і три категорії контурних (з сильно-вираженим, середньо-вираженим і слабо вираженим контуром). Наведена класифікація виконана для блоків розміром 8 х 8 і дозволяє з певною точністю виділяти контури об'єктів на зображенні. Блок відносять до тієї чи іншої категорії, порівнюючи різницю максимального і мінімального значень яскравості пікселів з граничним значенням, рекомендації щодо якого були отримані емпірично. Необхідність у подібній класифікації виникла в зв'язку з вирішенням питань виявлення фотомонтажу. Ефективність деяких методів залежить від частотної складової сигналу зображення: при низькому рівні високочастотної складової (частина зображення без контурів або зі слабо вираженими контурами) метод справляється із завданням, а в іншому випадку його використання не доцільно. Даний факт вказує на можливість застосування способу класифікації блоків зображення в області інформаційної безпеки. Також в роботі надані рекомендації щодо уточнення меж виділених об'єктів, використовуючи при цьому блоки менших розмірів. Однак при зміні розміру блоку необхідно також враховувати і необхідність корекції порогового значення. Мета даної роботи - підвищити точність виділення меж об'єктів на зображенні способом, який заснований на аналізі функції яскравості блоків цифрового зображення. В роботі показано, що при зменшенні розміру блоків виділення дрібних деталей, як і виділення контурів об'єктів в цілому, відбувається більш ефективно, ніж в початковому варіанті. Це спостерігається як для великого об'єкта в кадрі - планети, так і для її супутника. Вибір порогового значення здійснювали шляхом суб'єктивного ранжирування. При аналізі ста зображень встановили, що для блоків 2 х 2 найкращі результати отримані при використанні порогового значення 15. Таким чином, в результаты роботи вдалося підвищити точність виділення контурів способом, запропонованим раніше. Отримано рекомендації щодо вибору розміру блоків і порогового значення. Шляхом суб'єктивного ранжирування встановлено, що при пороговому значенні 15 для блоків розміром 2 х 2 точність виділення контурів істотно підвищується, Поставлені в роботі завдання вирішені, мета досягнута.

Посилання

N. V. Klodnykova, Obzor teksturnыkh pryznakov dlia zadach raspoznavanyia obrazov / N. V. Klodnykova // Dokladы TUSURa. 2004 h. Avtomatyzyrovannыe systemы obrabotky ynformatsyy, upravlenyia y proektyrovanyia – 2004. – S. 113-124.

H. A. Andreev, Analyz y syntez sluchainыkh prostranstvennыkh tekstur / H. A. Andreev, O. V. Bazarskyi, A. S. Hlauberman, A. Y. Kolesnykov, Yu. V.Korzhyk, Ya. L. Khliavych // Zarubezhnaia radyoэlektronyka. – 1984. – #2. – S. 3–33.

R. M. Kharalyk, Statystycheskyi y strukturnыi podkhodы k opysanyiu tekstur // TYYЭR. – 1979. – T. 67. – # 5.

A. A. Potapov, Novыe ynformatsyonnыe tekhnolohyy na osnove veroiatnostnыkh teksturnыkh y fraktalnыkh pryznakov v radyolokatsyonnom obnaruzhenyy malokontrastnыkh tselei // Radyotekhnyka y эlektronyka. – 2003. – T. 48. – #9. – S. 101–1119.

V. V. Zorylo, Sposob klassyfykatsyy blokov matrytsы tsyfrovoho yzobrazhenyia / V. V. Zorylo // Informatyka ta matematychni metody v modeliuvanni. – 2012. – #4, T.2. – S. 168-174.

A. A. Kobozieva, Metod vyiavlennia falsyfikatsii tsyfrovoho zobrazhennia v umovakh zburnykh dii / A. A. Kobozieva, V. V. Zorilo // Zbirnyk naukovykh prats viiskovoho instytutu natsionalnoho universytetu imeni Tarasa Shevchenka. – 2009. – #20. – S.147-153.

NRCS Photo Gallery: [Эlektronnыi resurs] // United States Department of Agriculture. Washington, USA. Rezhym dostupa: http://photogallery.nrcs.usda.gov (Data obrashchenyia: 26.04.2017).

Опубліковано

2017-07-14

Номер

Розділ

3. Забезпечення безпеки інформації в інформаційних системах