#1 楼
以下内容并非要作为答案,而应是一种统计数据,可帮助我们根据要分析的图像的特征选择适当的图像比较技术。第一步是绘制一个如下所示的“三角洲直方图”:
for (x,y) in [0, width] x [0, height] begin
delta = abs( SecondImage(x, y) - FirstImage(x, y) )
hist[delta] += 1
end
给出该直方图的图,我们将对您正在寻找的变化的“幅度”有更多了解,
(或者,张贴一些示例图像。请记住,如果示例图像不能代表您感兴趣的图像差异,我们可能会提出次等建议。)
您还可以在图像集上测试结构相似性(SSIM),并将结果发布在此处。请记住,SSIM旨在模仿人类识别图像退化的障碍的能力,因此它可以检测像素,但可能不会模糊。
如果您的图像不是摄影图像(或者是科学图像)图片,而不是摄影的普通主题),然后还请发布其2D自相关的示例,并适当地对其进行裁剪和缩放。
人脸识别是一个太大的话题,无法在单个讨论中讨论题。人脸识别中的多种情况下会出现模糊-这可能是数据质量问题,也可以作为数据处理的中间步骤有意地进行。
在人脸识别中,我们要检测人脸的身份,因此我们必须忽略不是由身份差异引起的图像差异。人脸识别中应忽略的差异的基本类别是:姿势,照明和面部表情。
忽略不相关差异的一般方法称为归一化,该方法尝试对物体进行各种操作并进行变换输入图像以获得“规范”或“预处理”图像,这些图像又可用于识别。
第二种方法是从不相关因素中高度不变的图像中提取特征。
人脸图像的质量取决于拍摄设备和拍摄环境。当在没有被摄对象合作的情况下捕获面部图像时(例如从安全摄像机中),不良的图像质量是不可避免的后果,必须通过软件进行补救,以免妨碍识别。
在协作捕获中,计算机化的图像质量测量是好的:可以通知操作员质量问题,并且可以重新拍摄图像。
也可以模糊恶意篡改生物特征以逃避检测(连同遮挡和伪装)的示例。如果对图像进行数字编码,则数字校验和和加密签名足以完全解决问题。如果模糊图像是由模仿者以物理打印方式提交的,则可以使用计算机测量的面部图像质量来拒绝此类提交。
缺乏二维可定位的特征或兴趣点在面部图像的特定部分可能是故意模糊的迹象。
但是,数字图像篡改的广泛类别(由图像编辑软件的熟练用户使用)只能通过将像素统计信息与已知相机模型进行比较的数字图像取证处理。
评论
$ \ begingroup $
好吧,我来看一下您的链接。我正在处理的图像是人脸图像,并且我正在尝试寻找一种度量标准,当两个人脸图像相似时,该度量标准将给我带来良好的效果(因此,模糊特征会得出较差的分数)
$ \ endgroup $
– ze
2011-09-10 18:29
$ \ begingroup $
@lezebulon,您可能希望将距离度量标准调整为内容,例如en.wikipedia.org/wiki/Eigenface
$ \ endgroup $
–datageist♦
2011年9月12日下午16:58
评论
您是说要有2张来自同一来源的图像,其中1张将保持不变,然后再进行其他模糊处理,然后您希望能够检测出哪张图像是模糊处理的吗?像素化/模糊的本质是什么?是由于不良的捕获条件(像素噪声和散焦)还是数字操作引起的?