自然图像和计算机生成图像检测方法分析

李倩

摘 要：随着科学技术的不断进步，计算机生成图像逐渐融入到人们的生活当中，这些经过处理和设计的图片不仅给很多商家带来了丰厚的利润，而且满足了人们的视觉需求。但计算机生成图像和真实的图片具有极高的相似度，因此，在破解一些犯罪案件时就很容易造成误解，引发不公正的判决。本文通过研究自然图像和计算机图像的生成机理，分析其生成图像的主要区别，从而探究自然图像和计算机生成图像检测方法。

关键词：自然图像；计算机生成图像；检测方法；分析

现如今，自然图像和计算机生成图像的检测方法已经逐渐成为了信息技术的一部分，而且随着科学技术的进步，计算机生成图像也越来越逼真，人们很难对两者进行区分，就很容易在某些重要的方面产生负面的影响，甚至扰乱社会的安定。对于自然图像和计算机生成图像的研究和检测，国外起步较早，而且发展至今，也取得了一定的成就，比如利用小波变换的检测方法对两者进行区分。我国近几年才开始重视自然图像和计算机生成图像的检测研究，先后有多所高校对不同的图像检测方法进行了实验，而且取得了进步。

1 自然图像和计算机图像的生成机理和主要区别

1.1 自然图像的生成机理

自然图像是指相机拍摄的图片，相机内的传感器将收集到的光子转化为电压，进而转换成数字信号，然后，不同的像素位置对所有的颜色进行过滤，其中，每个像素位置对应一种特定的颜色，再根据红、绿、蓝三个基本颜色对图像进行处理，最后，通过图像传感器将图片文件存到数码相机的内存中。

1.2 计算机图像的生成机理

计算机生成图像可以说是对真实图像的一种模拟。图像中的场景、物体的形状以及物体所展示的纹理特征都是通过计算机来合成的。计算机生成图像首先要对场景进行构造，并通过一些列的数学计算和复杂的模型来构成图像的拍摄背景。其次，再利用反射技术使图像产生层次感。最后，修正图像的颜色、纹理以及形状，使其产生真实感。

2 自然图像和计算机生成图像检测方法

2.1 自然图像和计算机生成图像的主要区别

⑴光线传输差异。自然图像的光线是自然界的光线所投射的，在拍摄时，人们可以捕获到全部的光线信息。但计算机生成的图像全部都是由当前的科学技术模拟得到的，因此，在构建模型和反射光线方面会存在一定的缺陷，从而使获得的图像在光线方面会有些不协调。

⑵对象模型差异。自然图像是由很多复杂的几何形状组成的，而且在拍摄的过程中，数码相机能够将这些不同部分的形状完美的展现出来。计算机生成图像则是对简单的几何形状进行复杂的组合而得到的，因此，在进行图像的组合时，往往会存在一定的不足之处。

总之，由于自然图像和计算机生成图像的获取途径和所获得的资源不同，因此，两者还是存在很大差异的。自然图像的内容多是真实的取景，在图像组合上大都是简单的景象。而计算机生成图像要经历一系列的图像处理技术来构建虚拟的场景，因此，在计算机生成图像中可以看到很多复杂的景象组合。

2.2 几种图像检测方法

⑴基于图像噪声分析的计算机生成图像检测方法。由于自然图像和计算机生成图像的形成机理不同，使两者在噪声分布上有很大的差异，因此，我们可以根据不同的噪声分布对两者作出区分。先构造一种自然图像模型，然后对图像的噪声进行小波隐马尔可夫处理，并根据图像的基本特征选择一种合适的噪声分布曲线，最后，根据所检测图像与自然图像之间的噪声相关差来判定是否是真实的图像。实践证明，此方法具有较高的检测率。

⑵用图像质量评价量检测自然图像和计算机生成图像。图像质量评价方法首先要将所检测的图像分为两个部分，一部分进行训练，一部分进行测试。然后用训练过的分类器来处理测试部分。最后，进行结果预测。以下是图像质量评价量的具体步骤。

图像质量评价量的提取是图像检测的重要环节。期间，可以采用高斯滤波来对图像进行质量评价，为了更好地鉴别两者，可以先把图像分成很多细小的部分，然后用高斯滤波进行过滤，对滤波后的图像片段分别提取质量评价量。质量评价量检测采用的是64维模型算法，通过训练和验证向量机来进行图像的检测。这种方法能够准确的识别出自然图像和计算机生成图像，而且具有非常高的稳定性。

3 基于小波高阶特征的计算机图像检测研究

小波的高阶特性能够将图像的统计特征表现出来，对于人脸识别和图像分类有很重要的作用。这种检测方法通过QMFs小波转换对所获取的图像进行分类，然后测试图像的峰度和偏斜度，并计算相应的均值和方差，用数学的统计方法来进行鉴别。这种方法具有非常高的准确度，但其大量的运算不免会影响整个检测效率。目前，研究人员还在进行不断的研究和实验，以将检测的实践缩短到最小。

[参考文献]

[1]张敏情，苏光伟，杨晓元.基于局部保持映射的图像隐密检测算法[J].计算机工程与应用，2009（33）.

[2]田源，程义民，钱振兴，汪云路.基于PCA及SVM的图像信息隐藏检测[J].中国科学院研究生院学报，2010（01）.

[3]安雪晶，田媛.无参考图像质量评价方法的设计原则[J].中国光学与应用光学，2009（02）.