基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

吉林大学学报(理学版) ›› 2019, Vol. 57 ›› Issue (06): 1437-1441.

基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法

袁哲¹, 孙延君², 陈亮¹

1. 吉林大学机械与航空航天工程学院, 长春 130022； 2. 空军航空大学计算机教研室, 长春 130022

收稿日期:2019-06-19 出版日期:2019-11-26 发布日期:2019-11-21
通讯作者: 袁哲 E-mail:yuanzhe@jlu.edu.cn

ComputerGenerated Image Recognition Algorithm Based onImproved Local Binary Pattern and Gradient Features

YUAN Zhe¹, SUN Yanjun², CHEN Liang¹

1. College of Mechanical and Aerospace Engineering, Jilin University, Changchun 130022, China；2. Department of Computer, Air Force Aviation University, Changchun 130022, China

Received:2019-06-19 Online:2019-11-26 Published:2019-11-21
Contact: YUAN Zhe E-mail:yuanzhe@jlu.edu.cn

摘要/Abstract

摘要： 针对目前计算机生成图像鉴别算法存在的计算复杂度高及检测率低等问题, 提出一种改进局部二值模式和梯度特征的计算机生成图像鉴别算法. 该算法主要基于图像的局部纹理特征, 先提取计算机生成图像和自然图像的特征向量, 再将该特征利用SVM分类器进行分类. 实验结果表明, 该算法可有效地鉴别计算机生成图像和真实图像.

关键词: 图像处理, 局部二值模式, 图像梯度, 图像鉴别算法, 粒子图像测速技术

Abstract: Aiming at the problems of high computational complexity and low detection rate of current computergenerated image recognition algorithm, we proposed a computergenerated image recognition algorithm based on improved local binary pattern (LBP) and gradient feature. The improved algorithm was mainly based on the local texture feature of the image. Firstly, the feature vectors of the computergenerated images and the natural images were extracted, and then these features were classified by SVM classifier. The experimental results show that the proposed algorithm can effectively discriminate computergenerated images and real images.

Key words: image processing, local binary pattern, image gradient, , image recognition algorithm, particle image velocimetry technology

中图分类号:

TP309

袁哲, 孙延君, 陈亮. 基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1437-1441.

YUAN Zhe, SUN Yanjun, CHEN Liang. ComputerGenerated Image Recognition Algorithm Based onImproved Local Binary Pattern and Gradient Features[J]. Journal of Jilin University Science Edition, 2019, 57(06): 1437-1441.

[1]	胡黄水, 戚星烁, 王出航, 王玲. 基于扩展局部二值模式的多尺度人脸表情识别方法[J]. 吉林大学学报(理学版), 2025, 63(5): 1427-1436.
[2]	陈梦, 刘靖丹, 逯洋. 基于LPQ和NLBP的特征融合算法及其应用[J]. 吉林大学学报(理学版), 2025, 63(4): 1122-1136.
[3]	宗敏. 基于机器学习的三维数字图像虚拟场景重建算法[J]. 吉林大学学报(理学版), 2023, 61(6): 1425-1431.
[4]	张玉波, 王建阳, 韩爽, 王冬梅. 一种非对称的轻量级图像盲去模糊网络[J]. 吉林大学学报(理学版), 2023, 61(2): 362-370.
[5]	张震, 赵启鹏, 朱留存, 刘济尘, 罗俊琦, 魏金占, 李雪. 一种基于主成分分析的图像光照校正算法[J]. 吉林大学学报(理学版), 2022, 60(6): 1377-1382.
[6]	张玉波, 王建阳, 韩爽, 王冬梅. 一种循环多尺度的图像盲去模糊网络[J]. 吉林大学学报(理学版), 2022, 60(4): 889-896.
[7]	杨波, 张立娜, 韩霄松. 基于LBP和GLCM的肠道肿瘤图像特征提取方法[J]. 吉林大学学报(理学版), 2022, 60(4): 911-918.
[8]	王晓光, 管港云, 徐嘉铭, 李俊呈. 基于GPS和计算机图像识别的无人机导航系统[J]. 吉林大学学报(理学版), 2022, 60(4): 955-961.
[9]	肖红, 陈欣燕. 一种基于Gray码规则的彩色图像量子隐写方案[J]. 吉林大学学报(理学版), 2022, 60(3): 629-640.
[10]	鲍华良, 赵娅. 经典Marr-Hildreth边缘检测的量子实现[J]. 吉林大学学报(理学版), 2022, 60(3): 617-628.
[11]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[12]	张震, 张照崎, 朱留存, 苗志滨, 王骥月, 李修明, 赵成龙, 张坤伦. 基于Harris-改进LBP的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(3): 568-576.
[13]	崔凯, 才华, 陈广秋, 谷欣超, 孙俊喜. 基于多纹理CS-LBP特征的多视角人脸检测算法[J]. 吉林大学学报(理学版), 2018, 56(3): 610-616.
[14]	邓江洪, 赵领. 多特征筛选与支持向量机相融合的图像分类模型[J]. 吉林大学学报(理学版), 2016, 54(04): 862-866.
[15]	徐中宇, 宁闯, 周亚洲. 一种快速亚像素边缘检测算法[J]. 吉林大学学报(理学版), 2014, 52(02): 308-313.