ဖန်သားပြင်ပေါ်ရှိ ရှေးဟောင်းပစ္စည်းများကို အသိအမှတ်ပြုခြင်း။

သတင်းအချက်အလက်နည်းပညာ ဖွံ့ဖြိုးတိုးတက်မှု အဆင့်အဆက်မပြတ် တိုးမြင့်လာမှုကြောင့် နှစ်စဉ်နှစ်တိုင်း အီလက်ထရွန်နစ် စာရွက်စာတမ်းများ ပိုမိုအဆင်ပြေလာပြီး သုံးစွဲမှု လိုအပ်လာကာ သမားရိုးကျ စက္ကူမီဒီယာများထက် လွှမ်းမိုးလာပါသည်။ ထို့ကြောင့် သမားရိုးကျ စက္ကူမီဒီယာတွင်သာမက အီလက်ထရွန်နစ် စာရွက်စာတမ်းများပါ အချက်အလက်များ၏ အကြောင်းအရာများကို ကာကွယ်ရန် အချိန်မီ အာရုံစိုက်ရန် အလွန်အရေးကြီးပါသည်။ စီးပွားရေး၊ နိုင်ငံပိုင်နှင့် အခြားလျှို့ဝှက်ချက်များရှိသည့် ကုမ္ပဏီကြီးတိုင်းသည် ဖြစ်နိုင်ချေရှိသော အချက်အလက်ပေါက်ကြားမှုနှင့် ခွဲခြားထားသော အချက်အလက်များကို အပေးအယူလုပ်ရန် လိုလားကြပြီး ပေါက်ကြားမှုကို တွေ့ရှိပါက ပေါက်ကြားမှုကို ရပ်တန့်ရန်နှင့် ချိုးဖောက်သူကို ဖော်ထုတ်ရန် တိုင်းတာမှုများ ပြုလုပ်ပါ။

အကာအကွယ်ရွေးချယ်မှုများအကြောင်းအနည်းငယ်

ဤလုပ်ငန်းဆောင်တာများကိုဆောင်ရွက်ရန်၊ အချို့သောအကာအကွယ်အစိတ်အပိုင်းများကိုမိတ်ဆက်ပေးသည်။ ထိုသို့သောဒြပ်စင်များသည် ဘားကုဒ်များ၊ မြင်နိုင်သောတက်ဂ်များ၊ အီလက်ထရွန်းနစ်တက်ဂ်များ ဖြစ်နိုင်သော်လည်း စိတ်ဝင်စားစရာအကောင်းဆုံးမှာ လျှို့ဝှက်တက်ဂ်များဖြစ်သည်။ အထူးခြားဆုံးသော ကိုယ်စားလှယ်များသည် ရေစာများဖြစ်သည်၊ ၎င်းတို့ကို စက္ကူပေါ်တွင် အသုံးချနိုင်သည် သို့မဟုတ် ပရင်တာပေါ်တွင် မပုံနှိပ်မီ ထည့်သွင်းနိုင်သည်။ ပရင်တာများသည် ပုံနှိပ်သည့်အခါတွင် ၎င်းတို့၏ကိုယ်ပိုင်ရေစာများ (အဝါရောင်အစက်များနှင့် အခြားအမှတ်အသားများ) ထည့်ထားရခြင်းမှာ လျှို့ဝှက်ထားခြင်းမရှိသော်လည်း ဝန်ထမ်း၏အလုပ်ခွင်တွင် ကွန်ပျူတာစခရင်ပေါ်တွင် တင်နိုင်သော အခြားရှေးဟောင်းပစ္စည်းများကို ထည့်သွင်းစဉ်းစားပါမည်။ ထိုကဲ့သို့သော ရှေးဟောင်းပစ္စည်းများကို အသုံးပြုသူ၏ လုပ်ငန်းခွင်၏ထိပ်တွင် ရှေးဟောင်းပစ္စည်းများကို ရေးဆွဲပေးသည့် အထူးဆော့ဖ်ဝဲလ်ပက်ကေ့ခ်ျတစ်ခုမှ ထုတ်လုပ်ပြီး ရှေးဟောင်းပစ္စည်းများကို ၎င်းတို့ကိုယ်တိုင် မြင်တွေ့နိုင်မှုကို နည်းပါးစေပြီး အသုံးပြုသူ၏အလုပ်ကို အနှောင့်အယှက်မပေးဘဲ ထုတ်ပေးပါသည်။ ဤနည်းပညာများသည် သိပ္ပံဆိုင်ရာတိုးတက်မှုများနှင့် လျှို့ဝှက်သတင်းအချက်အလက်များကိုတင်ပြရန်အသုံးပြုသည့် algorithms များတွင် ရှေးကျသောအမြစ်များပါရှိသော်လည်း ခေတ်သစ်ကမ္ဘာတွင် အလွန်ရှားပါးပါသည်။ မရိုးသားသောဝန်ထမ်းများကို ချက်ခြင်းဖော်ထုတ်ရန်အတွက် ဤချဉ်းကပ်နည်းကို စစ်တပ်နယ်ပယ်နှင့် စာရွက်ပေါ်တွင် အဓိကတွေ့ရှိရသည်။ အဆိုပါနည်းပညာများကို စီးပွားရေးလုပ်ငန်းပတ်ဝန်းကျင်တွင် စတင်မိတ်ဆက်နေပြီဖြစ်သည်။ မြင်နိုင်သော ရေစာအမှတ်အသားများကို ယခုအခါတွင် မီဒီယာဖိုင်အမျိုးမျိုး၏ မူပိုင်ခွင့်ကို ကာကွယ်ရန်အတွက် တက်ကြွစွာအသုံးပြုနေကြသော်လည်း မမြင်နိုင်သောအရာများမှာ အလွန်ရှားပါးပါသည်။ ဒါပေမယ့်လည်း သူတို့က အကြီးမားဆုံး စိတ်ဝင်စားမှုကို နှိုးဆွတယ်။

လုံခြုံရေး ရေးပေးတယ်။

လူသားများ မမြင်နိုင်သော ရေစာအမှတ်အသားများသည် အခြေခံအားဖြင့် လူ့မျက်စိဖြင့် မမြင်နိုင်သော အရာအမျိုးမျိုးကို ဖန်တီးကြပြီး အလွန်သေးငယ်သော အစက်ပုံစံဖြင့် ပုံတွင် ဖုံးကွယ်ထားနိုင်သည်။ မျက်စိမှမမြင်ရသော အရာများသည် မော်နီတာအများစု၏ ပုံမှန်အရောင်နေရာအပြင်ဘက်တွင် ရှိနေသောကြောင့် မြင်နိုင်သော အရာများကို ကျွန်ုပ်တို့ စဉ်းစားပါမည်။ ဤရှေးဟောင်းပစ္စည်းများသည် ၎င်းတို့၏ မမြင်နိုင်မှု မြင့်မားမှုကြောင့် အထူးတန်ဖိုးရှိပါသည်။ သို့သော် CEH များကို လုံးဝမမြင်ရအောင် ပြုလုပ်ရန် မဖြစ်နိုင်ပေ။ ၎င်းတို့၏ အကောင်အထည်ဖော်မှုလုပ်ငန်းစဉ်တွင်၊ ပုံသဏ္ဍာန်ပုံသဏ္ဍာန်ပုံသဏ္ဍာန်ပုံသဏ္ဍာန်ပုံသဏ္ဍာန်အချို့ကို ပုံသဏ္ဍာန်တွင်ထည့်သွင်းပြီး အချို့သောရှေးဟောင်းပစ္စည်းတစ်မျိုးမျိုးပေါ်လာသည်။ အရာဝတ္ထု အမျိုးအစား ၂ ခုကို သုံးသပ်ကြည့်ရအောင်။

1. သံသရာ
2. ဖရိုဖရဲ (ပုံပြောင်းခြင်းဖြင့် မိတ်ဆက်ပေးသည်)

စက်ဝိုင်းဒြပ်စင်များသည် ဖန်သားပြင်ပုံတွင် တစ်ကြိမ်ထက်ပို၍ ထပ်ခါထပ်ခါပြုလုပ်သည့် အစီအစဥ်အချို့ကို ကိုယ်စားပြုသည် (ပုံ။ 1)။

ဖရိုဖရဲဖြစ်မှုများသည် ထပ်ထားသောပုံ၏ အမျိုးမျိုးသော အသွင်ပြောင်းမှုများ (ဥပမာ- hologram) ကို နိဒါန်းပျိုးခြင်းကြောင့် ဖြစ်ပေါ်လာနိုင်သည်။

ထမင်း။ စက်ဘီးစီးခြင်း ပစ္စည်းများ ၁

ထမင်း။ 2 Chaotic Artifacts

ဦးစွာ၊ စက်ဘီးစီးပစ္စည်းများကို အသိအမှတ်ပြုခြင်းအတွက် ရွေးချယ်စရာများကို ကြည့်ကြပါစို့။ ထိုကဲ့သို့သော ပစ္စည်းများ ဖြစ်နိုင်သည်-

• စခရင်တခွင်တွင် ထပ်တလဲလဲ စာသားရေစာများ
• binary sequences များ
• ဂရစ်ဆဲလ်တစ်ခုစီရှိ ဖရိုဖရဲအမှတ်များအစု

စာရင်းသွင်းထားသော ရှေးဟောင်းပစ္စည်းအားလုံးကို ပြသထားသော အကြောင်းအရာ၏ထိပ်တွင် တိုက်ရိုက်အသုံးပြုသည်၊ ထို့ကြောင့် အရောင်တစ်ခုစီ၏ histogram ၏ local extrema ၏ histogram ကိုခွဲခြားသတ်မှတ်ကာ အခြားအရောင်အားလုံးကို ဖြတ်တောက်ခြင်းဖြင့် ၎င်းတို့ကို အသိအမှတ်ပြုနိုင်ပါသည်။ ဤနည်းလမ်းသည် histogram ချန်နယ်တစ်ခုစီ၏ ဒေသဆိုင်ရာ အစွန်းအထင်းများ ပေါင်းစပ်မှုများနှင့် လုပ်ဆောင်ခြင်း ပါဝင်သည်။ ပြဿနာသည် သိသိသာသာ ကူးပြောင်းသွားသော အသေးစိတ်အချက်များစွာရှိသည့် မျှမျှတတ ရှုပ်ထွေးသော ရုပ်ပုံတစ်ခုရှိ ဒေသတွင်း extrema ကို ရှာဖွေခြင်းတွင် တည်တည်နေပါသည်။ ဟီစတိုဂရမ်သည် အလွန်လွှသွားပုံသဏ္ဌာန်ရှိပြီး ဤချဉ်းကပ်မှုကို အသုံးချ၍မရနိုင်ပါ။ အမျိုးမျိုးသော filter များကိုသုံးရန် သင်ကြိုးစားနိုင်သော်လည်း၊ ၎င်းတို့သည် ရေစာအမှတ်အသားကို နောက်ဆုံးတွင် ထောက်လှမ်းနိုင်စွမ်းမရှိစေသည့် ၎င်းတို့၏ကိုယ်ပိုင်ပုံပျက်မှုများကို မိတ်ဆက်ပေးမည်ဖြစ်သည်။ အချို့သော edge detectors (ဥပမာ Canny edge detector) ကို အသုံးပြု၍ ဤအရာများကို အသိအမှတ်ပြုရန် ရွေးချယ်ခွင့်လည်း ရှိပါသည်။ ဤချဉ်းကပ်မှုများသည် အကူးအပြောင်းတွင် အတော်လေး ထက်မြက်သော ရှေးဟောင်းပစ္စည်းများအတွက် နေရာရှိသည်။ detectors များသည် ရုပ်ပုံအသွင်အပြင်များကို မီးမောင်းထိုးပြနိုင်ပြီး နောက်ပိုင်းတွင် ရုပ်ပုံရုပ်ပုံများကို ထပ်ဆင့်ပေါ်လွင်စေရန် binarize ပြုလုပ်ရန် အသွင်အပြင်အတွင်း အရောင်များကို ရွေးချယ်နိုင်သော်လည်း အဆိုပါနည်းလမ်းများကို မီးမောင်းထိုးပြရန် မျှမျှတတ ချိန်ညှိရန် လိုအပ်ပါသည်။ လိုအပ်သော contours များအပြင် ပုံ၏ နောက်ဆက်တွဲ binarization သည် ရွေးချယ်ထားသော contours ရှိ အရောင်များနှင့် ဆက်စပ်နေပါသည်။ ဤ အယ်လဂိုရီသမ်များကို အလွန်ယုံကြည်စိတ်ချရခြင်းမရှိဟု ယူဆကြပြီး ရုပ်ပုံ၏ အရောင်အသွေး အစိတ်အပိုင်းများ အမျိုးအစားနှင့် အမှီအခိုကင်းသော ပိုမိုတည်ငြိမ်ကာ အသုံးပြုရန် ကြိုးစားပါ။

ထမင်း။ ပြောင်းလဲပြီးနောက် 3 Watermark

အစောပိုင်းတွင် ဖော်ပြခဲ့သည့် ဖရိုဖရဲ ပစ္စည်းများနှင့်ပတ်သက်၍၊ ၎င်းတို့ကို အသိအမှတ်ပြုခြင်းအတွက် အယ်လဂိုရီသမ်များသည် အလွန်ကွဲပြားပါသည်။ ဖရိုဖရဲရှေးဟောင်းပစ္စည်းများဖွဲ့စည်းခြင်းကို အသွင်ပြောင်းမှုအချို့ဖြင့် အသွင်ပြောင်းခြင်း (ဥပမာ၊ သီးခြား Fourier အသွင်ပြောင်းခြင်း) ကို ပုံပေါ်တွင် ရေစာအမှတ်အသားတစ်ခုတင်ခြင်းဖြင့် ယူဆရသည်။ ထိုသို့သော အသွင်ပြောင်းခြင်းမှ အရာဝတ္ထုများကို စခရင်တစ်ခုလုံးတွင် ဖြန့်ဝေထားပြီး ၎င်းတို့၏ပုံစံကို ဖော်ထုတ်ရန် ခက်ခဲသည်။ ယင်းကိုအခြေခံ၍ ရေစာအမှတ်အသားသည် ပုံတစ်ပုံတစ်ပြင်လုံးတွင် "ကျပန်း" ရှေးဟောင်းပစ္စည်းများ၏ပုံစံဖြင့် တည်ရှိနေမည်ဖြစ်သည်။ ထိုသို့သော ရေစာအမှတ်အသားကို အသိအမှတ်ပြုခြင်းသည် အသွင်ပြောင်းခြင်းဆိုင်ရာ လုပ်ဆောင်ချက်များကို အသုံးပြု၍ ပုံအသွင်ပြောင်းခြင်းသို့ တိုက်ရိုက်ဆင်းသက်လာသည်။ အသွင်ပြောင်းခြင်း၏ရလဒ်ကို ပုံ (၃) တွင် ဖော်ပြထားသည်။

သို့သော် စံပြအခြေအနေများထက်နည်းသော ရေစာအမှတ်အသားကို တားဆီးသည့် ပြဿနာများစွာ ပေါ်ပေါက်လာသည်။ ပြောင်းလဲခြင်းအမျိုးအစားပေါ် မူတည်၍ အမျိုးမျိုးသောအခက်အခဲများရှိနိုင်သည်၊ ဥပမာအားဖြင့်၊ ဖန်သားပြင်နှင့်ဆက်စပ်နေသော ကြီးမားသောထောင့်ကို ဓာတ်ပုံရိုက်ခြင်းဖြင့် ရရှိသောစာရွက်စာတမ်းတစ်ခုအား အသိအမှတ်ပြုရန်မဖြစ်နိုင်ခြင်း၊ သို့မဟုတ် အရည်အသွေးညံ့ဖျင်းသောဓာတ်ပုံတစ်ပုံ သို့မဟုတ် သိမ်းဆည်းထားသော စခရင်တွင် သိမ်းဆည်းထားသည့် ဓာတ်ပုံတစ်ပုံ၊ မြင့်မားသောဆုံးရှုံးမှုချုံ့နှင့်အတူဖိုင်။ ဤပြဿနာများအားလုံးသည် ရေစာအမှတ်အသားကို ခွဲခြားသတ်မှတ်ခြင်း၏ ရှုပ်ထွေးမှုကို ဖြစ်ပေါ်စေပါသည်။ ထောင့်ချိုးပုံတစ်ခုအတွက်၊ ပိုမိုရှုပ်ထွေးသောအသွင်ပြောင်းမှုများကို အသုံးချရန် သို့မဟုတ် ပုံတွင် affine အသွင်ပြောင်းမှုများကို အသုံးပြုရန် လိုအပ်သော်လည်း ရေစာအမှတ်အသားကို အပြီးအပြတ်ပြန်လည်ရယူရန် အာမခံချက်မရှိပါ။ စခရင်ကို ဖမ်းယူခြင်းကိစ္စအား သုံးသပ်ပါက ပြဿနာနှစ်ခု ဖြစ်ပေါ်လာသည်- ပထမမှာ စခရင်ပေါ်တွင် သူ့ဘာသာသူ ပြသသည့်အခါ ပုံပျက်ခြင်း၊ ဒုတိယမှာ ပုံရိပ်ကို စခရင်မှ သိမ်းဆည်းသည့်အခါ ပုံပျက်ခြင်း ဖြစ်သည်။ မတူညီသောအရည်အသွေးရှိသောမော်နီတာများအတွက် matrices များပါရှိသောကြောင့်ပထမတစ်ခုသည်ထိန်းချုပ်ရန်အတော်လေးခက်ခဲသည်၊ နှင့်တစ်ခုသို့မဟုတ်အခြားအရောင်မရှိခြင်းကြောင့်၎င်းတို့၏အရောင်ကိုယ်စားပြုမှုအပေါ် မူတည်၍ အရောင်ကိုပေါင်းစပ်ကာ၊ ရေစာကိုယ်နှိုက်သို့ပုံပျက်ခြင်းများကိုမိတ်ဆက်ပေးသည်။ ဒုတိယအချက်မှာ ပိုခက်ခဲသည်၊ အဘယ်ကြောင့်ဆိုသော် သင်သည် စခရင်ရှော့ပုံတစ်ပုံကို မည်သည့်ဖော်မတ်တွင်မဆို သိမ်းဆည်းနိုင်ပြီး၊ ထို့ကြောင့် အရောင်အကွာအဝေး၏ တစ်စိတ်တစ်ပိုင်းကို ဆုံးရှုံးနိုင်သောကြောင့် ကျွန်ုပ်တို့သည် ရေစာအမှတ်ကို ဆုံးရှုံးသွားနိုင်သည်။

အကောင်အထည်ဖော်ရေးပြဿနာများ

ခေတ်သစ်ကမ္ဘာတွင် ရေစာအမှတ်အသားများကို မိတ်ဆက်ရန်အတွက် algorithms အများအပြားရှိသော်လည်း ၎င်းကို အကောင်အထည်ဖော်ပြီးနောက် ရေစာအမှတ်အသားကို ထပ်မံအသိအမှတ်ပြုနိုင်ခြေ 100% အာမခံချက်မရှိပါ။ အဓိကအခက်အခဲမှာ သီးခြားအခြေအနေတစ်ခုစီတွင် ဖြစ်ပေါ်လာနိုင်သည့် မျိုးပွားမှုအခြေအနေများကို သတ်မှတ်ရန်ဖြစ်သည်။ အစောပိုင်းတွင်ဖော်ပြထားသည့်အတိုင်း၊ ပုံပျက်ခြင်း၏ဖြစ်နိုင်ချေရှိသောအင်္ဂါရပ်များနှင့် ရေစာအမှတ်အသားကိုပျက်စီးစေရန်ကြိုးပမ်းမှုများအားလုံးကိုထည့်သွင်းစဉ်းစားမည့်အသိအမှတ်ပြုမှု algorithm ကိုဖန်တီးရန်ခက်ခဲသည်။ ဥပမာအားဖြင့်၊ လက်ရှိပုံတွင် Gaussian စစ်ထုတ်မှုကို အသုံးပြုပါက၊ မူရင်းပုံရှိ ရှေးဟောင်းပစ္စည်းများသည် အလွန်သေးငယ်ပြီး ရုပ်ပုံ၏နောက်ခံနှင့် ဆန့်ကျင်ဘက်ဖြစ်နေပါက ၎င်းတို့ကို မှတ်မိရန် မဖြစ်နိုင်ဘဲ သို့မဟုတ် ရေစာ၏ အစိတ်အပိုင်းများ ဆုံးရှုံးသွားမည်ဖြစ်သည်။ . ဓာတ်ပုံတစ်ပုံ၏ ဖြစ်ရပ်ကို သုံးသပ်ကြည့်ရအောင်၊ ဖြစ်နိုင်ခြေမြင့်မားသော ဒီဂရီဖြင့် ၎င်းတွင် moire (ပုံ. 5) နှင့် “grid” (ပုံ. 4) ရှိလိမ့်မည်။ Moire သည် စခရင်မက်ထရစ်၏ မညီမညွတ်ဖြစ်မှုနှင့် အသံဖမ်းကိရိယာ၏ matrix ၏ မညီမညွတ်ဖြစ်ခြင်းကြောင့် ဖြစ်ပေါ်သည်၊ ဤအခြေအနေတွင်၊ ကွက်ပုံနှစ်ပုံသည် တစ်ခုနှင့်တစ်ခုအပေါ်တွင် ပေါင်းစပ်ထားသည်။ Mesh သည် ရေစာအမှတ်အသားများကို တစ်စိတ်တစ်ပိုင်းဖုံးအုပ်ထားပြီး အသိအမှတ်ပြုမှုပြဿနာဖြစ်စေနိုင်သည်၊ Moire သည် ရေစာထည့်သွင်းမှုနည်းလမ်းအချို့တွင် ၎င်းသည် ပုံ၏တစ်စိတ်တစ်ပိုင်းကို ရေစာဖြင့်ထပ်နေသောကြောင့် ၎င်းကိုမှတ်မိရန်မဖြစ်နိုင်ပေ။

ထမင်း။ 4 ပုံဇယားကွက်

ထမင်း။ 5 Moire

ရေစာအမှတ်အသားများကို အသိအမှတ်ပြုခြင်းအဆင့်ကို တိုးမြှင့်ရန်အတွက်၊ ကိုယ်တိုင်သင်ယူခြင်း အာရုံကြောကွန်ရက်များပေါ်တွင် အခြေခံ၍ အယ်လဂိုရီသမ်များကို အသုံးပြုရန်နှင့် လည်ပတ်မှုလုပ်ငန်းစဉ်တွင် ၎င်းတို့ကိုယ်တိုင် ရေစာပုံများကို မှတ်မိရန် သင်ယူနိုင်မည်ဖြစ်သည်။ ယခုအခါတွင်၊ ဥပမာ၊ Google မှ အာရုံကြောကွန်ရက်ကိရိယာများနှင့် ဝန်ဆောင်မှုများစွာရှိသည်။ ဆန္ဒရှိပါက၊ သင်သည် ရည်ညွှန်းပုံအစုအဝေးကို ရှာတွေ့နိုင်ပြီး လိုအပ်သော ပစ္စည်းများကို အသိအမှတ်ပြုရန် အာရုံကြောကွန်ရက်ကို သင်ပေးနိုင်သည်။ ဤချဉ်းကပ်မှုသည် အလွန်အမင်း ပုံပျက်နေသော ရေစာများကိုပင် ဖော်ထုတ်ရန် အလားအလာ အရှိဆုံး အခွင့်အလမ်းများ ဖြစ်သော်လည်း အမြန်ဖော်ထုတ်ရန်အတွက် ၎င်းသည် ကြီးမားသော ကွန်ပြူတာ ပါဝါနှင့် မှန်ကန်သော ခွဲခြားသတ်မှတ်ခြင်းအတွက် လေ့ကျင့်ရေးကာလ အကြာကြီး လိုအပ်ပါသည်။

ဖော်ပြထားသည့်အရာအားလုံးသည် အတော်လေးရိုးရှင်းပုံရသည်၊ သို့သော် ဤပြဿနာများကို သင်ပိုမိုနက်ရှိုင်းလေလေ၊ ရေစာအမှတ်အသားများကို မှတ်မိရန် algorithms တစ်ခုခုကို အကောင်အထည်ဖော်ရန် အချိန်များစွာလိုအပ်ပြီး ၎င်းကို လိုအပ်သည့်ဖြစ်နိုင်ခြေသို့ ယူဆောင်လာရန် အချိန်ပိုပေးရလေလေဖြစ်သည်။ ပုံတစ်ပုံချင်းစီကို အသိအမှတ်ပြုခြင်း။

source: www.habr.com