The 7 reference contexts in paper I. Rudakov V., I. Vasiutovich M., И. Васютович М., И. Рудаков В. (2016) “Исследование перцептивных хеш-функций изображений // Analysis of Perceptual Image Hash Functions” / spz:neicon:technomag:y:2015:i:8:p:269-280

  1. Start
    1769
    Prefix
    Введение Стремительное развитие портативной электроники, в частности смартфонов и планшетов, и широкая доступность стабильного широкополосного доступа в интернет и к социальным сетям дали возможность пользователям производить и обмениваться большим объемом мультимедиа-информации. Причем объемы передаваемой и хранимой информации с течением времени только увеличиваются
    Exact
    [1]
    Suffix
    . Все это приводит как к тому, что пользователям необходимо каким-то образом управлять своими коллекциями фотографий, видео- и аудиозаписей, так и к тому, что интернет-сервисам и контентпровайдерам необходимо справляться со все растущим объемом хранимой и передаваемой информации как можно более эффективно.
    (check this in PDF content)

  2. Start
    2722
    Prefix
    злоупотребления передачей данных (спам).1 Среди постоянно увеличивающегося количества способов поиска похожих изображений существует группа относительно универсальных и эффективных алгоритмов. Перцептивные хеш-функции – семейство алгоритмов, которые производят так называемые «отпечатки» на основе отдельных признаков различных форм мультимедиа-информации
    Exact
    [2]
    Suffix
    . Поэтому актуальным является исследование работы различных перцептивных хешфункций при решении задачи нахождения коэффициентов подобия изображений и разработка метода, устойчивого к различным модификациям изображений. 1.
    (check this in PDF content)

  3. Start
    4437
    Prefix
    Эти функции вычисляют коэффициент различия или сходства между двумя значениями перцептивных хешей. Заключение о схожести изображений затем составляется на основании выбранного порогового значения. Наибольший интерес
    Exact
    [3]
    Suffix
    представляет исследование следующих алгоритмов: 1. Низкочастотный фильтр и хеш по среднему. 2. Хеш на основе гистограммы цветов. 3. Хеш на основе дискретного косинусного преобразования. 1.2 Низкочастотный фильтр и хеш по среднему В изображениях высокие частоты обеспечивают детализацию, а низкие частоты определяют структуру изображения.
    (check this in PDF content)

  4. Start
    6266
    Prefix
    В дискретном пространстве цветов, определенном некоторым количеством цветовых осей (например, красный, зеленый, синий), гистограмма получается путем дискретизации цветов изображения и подсчетом количества пикселей, имеющих каждый конкретный цвет
    Exact
    [4]
    Suffix
    . Данный метод часто используется в CBIR-системах [4] и является достаточно быстрым и простым в реализации. Поиск изображений с использованием гистограмм цвета устойчив к масштабированию (при нормализации гистограммы), аффинным преобразованиям.
    (check this in PDF content)

  5. Start
    6323
    Prefix
    В дискретном пространстве цветов, определенном некоторым количеством цветовых осей (например, красный, зеленый, синий), гистограмма получается путем дискретизации цветов изображения и подсчетом количества пикселей, имеющих каждый конкретный цвет [4]. Данный метод часто используется в CBIR-системах
    Exact
    [4]
    Suffix
    и является достаточно быстрым и простым в реализации. Поиск изображений с использованием гистограмм цвета устойчив к масштабированию (при нормализации гистограммы), аффинным преобразованиям.
    (check this in PDF content)

  6. Start
    7399
    Prefix
    Дискретное косинусное преобразование позволяет переходить от пространственного представления изображения к его спектральному представлению и обратно. Данный метод основан на таком важном свойстве дискретного косинусного преобразования, как «уплотнение энергии», что позволяет обнаружить ключевые особенности изображений
    Exact
    [2]
    Suffix
    . Существует восемь различных вариантов DCT. Наиболее распространенный вариант – DCT-2 и именно его часто и называет просто DCT: где – последовательность -точек сигнала.
    (check this in PDF content)

  7. Start
    11919
    Prefix
    заключить, что скорости работы алгоритмов практически равны и не являются определяющим фактором при выборе алгоритма для выполнения поиска подобных изображений. 2.2 Исследование способностей хеш-функции по различению изображений При сравнении двух различных изображений, идеальная перцептивная хеш-функция должна всегда приводить к коэффициенту подобия изображений равному 0.5
    Exact
    [2]
    Suffix
    . Интерес также представляет зависимость распределения коэффициентов подобия от рассматриваемого множества изображений. Так, если входными данными будет множество похожих изображений (например, все рассматриваемые изображения представляют собой горный пейзаж), для функции достичь «идеального» коэффициента подобия может быть очень сложно.
    (check this in PDF content)