తెరపై కళాఖండాల గుర్తింపు

తెరపై కళాఖండాల గుర్తింపు
ఇన్ఫర్మేషన్ టెక్నాలజీ అభివృద్ధి స్థాయిలో స్థిరమైన పెరుగుదల కారణంగా, ప్రతి సంవత్సరం ఎలక్ట్రానిక్ పత్రాలు మరింత సౌకర్యవంతంగా మరియు ఉపయోగంలో డిమాండ్‌గా మారుతున్నాయి మరియు సాంప్రదాయ పేపర్ మీడియాపై ఆధిపత్యం చెలాయించడం ప్రారంభించాయి. అందువల్ల, సాంప్రదాయ పేపర్ మీడియాలో మాత్రమే కాకుండా, ఎలక్ట్రానిక్ పత్రాలపై కూడా సమాచారం యొక్క కంటెంట్‌ను రక్షించడానికి సకాలంలో శ్రద్ధ చూపడం చాలా ముఖ్యం. వాణిజ్య, రాష్ట్ర మరియు ఇతర రహస్యాలను కలిగి ఉన్న ప్రతి పెద్ద కంపెనీ సాధ్యమైన సమాచార లీక్‌లను నిరోధించాలని మరియు వర్గీకృత సమాచారం యొక్క రాజీని నిరోధించాలని కోరుకుంటుంది మరియు లీక్ కనుగొనబడితే, లీక్‌లను ఆపడానికి మరియు ఉల్లంఘించిన వారిని గుర్తించడానికి చర్యలు తీసుకోండి.

రక్షణ ఎంపికల గురించి కొంచెం

ఈ పనులను నిర్వహించడానికి, కొన్ని రక్షణ అంశాలు ప్రవేశపెట్టబడ్డాయి. ఇటువంటి అంశాలు బార్‌కోడ్‌లు, కనిపించే ట్యాగ్‌లు, ఎలక్ట్రానిక్ ట్యాగ్‌లు కావచ్చు, కానీ చాలా ఆసక్తికరమైనవి దాచిన ట్యాగ్‌లు. అత్యంత అద్భుతమైన ప్రతినిధులలో ఒకటి వాటర్‌మార్క్‌లు; వాటిని కాగితానికి వర్తింపజేయవచ్చు లేదా ప్రింటర్‌లో ముద్రించే ముందు జోడించవచ్చు. ప్రింటర్లు ప్రింటింగ్ చేసేటప్పుడు వారి స్వంత వాటర్‌మార్క్‌లను (పసుపు చుక్కలు మరియు ఇతర గుర్తులు) ఉంచడం రహస్యం కాదు, అయితే ఉద్యోగి కార్యాలయంలో కంప్యూటర్ స్క్రీన్‌పై ఉంచగల ఇతర కళాఖండాలను మేము పరిశీలిస్తాము. ఇటువంటి కళాఖండాలు ఒక ప్రత్యేక సాఫ్ట్‌వేర్ ప్యాకేజీ ద్వారా రూపొందించబడతాయి, ఇది వినియోగదారు యొక్క కార్యస్థలం పైన కళాఖండాలను గీస్తుంది, కళాఖండాల దృశ్యమానతను కనిష్టీకరించడం మరియు వినియోగదారు పనిలో జోక్యం చేసుకోకుండా. ఈ సాంకేతికతలు శాస్త్రీయ అభివృద్ధి మరియు దాచిన సమాచారాన్ని ప్రదర్శించడానికి ఉపయోగించే అల్గారిథమ్‌ల పరంగా పురాతన మూలాలను కలిగి ఉన్నాయి, కానీ ఆధునిక ప్రపంచంలో చాలా అరుదు. ఈ విధానం ప్రధానంగా సైనిక రంగంలో మరియు కాగితంపై, నిష్కపటమైన ఉద్యోగులను సత్వర గుర్తింపు కోసం కనుగొనబడింది. ఈ సాంకేతికతలు వాణిజ్య వాతావరణంలోకి ప్రవేశించడం ప్రారంభించాయి. వివిధ మీడియా ఫైల్‌ల కాపీరైట్‌ను రక్షించడానికి కనిపించే వాటర్‌మార్క్‌లు ఇప్పుడు చురుకుగా ఉపయోగించబడుతున్నాయి, కానీ కనిపించనివి చాలా అరుదు. కానీ అవి కూడా గొప్ప ఆసక్తిని రేకెత్తిస్తాయి.

భద్రతా కళాఖండాలు

తెరపై కళాఖండాల గుర్తింపు మానవులకు కనిపించని వాటర్‌మార్క్‌లు వివిధ కళాఖండాలను ఏర్పరుస్తాయి, అవి సూత్రప్రాయంగా, మానవ కంటికి కనిపించవు మరియు చాలా చిన్న చుక్కల రూపంలో చిత్రంలో ముసుగు చేయబడతాయి. మేము కనిపించే వస్తువులను పరిశీలిస్తాము, ఎందుకంటే కంటికి కనిపించనివి చాలా మానిటర్‌ల యొక్క ప్రామాణిక రంగు స్థలం వెలుపల ఉండవచ్చు. ఈ కళాఖండాలు అధిక స్థాయి అదృశ్యత కారణంగా ప్రత్యేక విలువను కలిగి ఉన్నాయి. అయితే, CEH లను పూర్తిగా కనిపించకుండా చేయడం అసాధ్యం. వాటి అమలు ప్రక్రియలో, కంటైనర్ ఇమేజ్ యొక్క నిర్దిష్ట రకమైన వక్రీకరణ చిత్రంలోకి ప్రవేశపెట్టబడుతుంది మరియు దానిపై కొన్ని రకాల కళాఖండాలు కనిపిస్తాయి. 2 రకాల వస్తువులను పరిశీలిద్దాం:

  1. చక్రీయ
  2. అస్తవ్యస్తం (చిత్ర మార్పిడి ద్వారా పరిచయం చేయబడింది)

చక్రీయ మూలకాలు స్క్రీన్ ఇమేజ్‌పై ఒకటి కంటే ఎక్కువసార్లు పునరావృతమయ్యే మూలకాల యొక్క నిర్దిష్ట పరిమిత క్రమాన్ని సూచిస్తాయి (Fig. 1).

అస్తవ్యస్తమైన కళాఖండాలు అతివ్యాప్తి చేయబడిన చిత్రం (Fig. 2) యొక్క వివిధ రకాల రూపాంతరాల వల్ల సంభవించవచ్చు, ఉదాహరణకు, హోలోగ్రామ్ పరిచయం.

తెరపై కళాఖండాల గుర్తింపు
అన్నం. 1 సైక్లింగ్ కళాఖండాలు
తెరపై కళాఖండాల గుర్తింపు
అన్నం. 2 అస్తవ్యస్తమైన కళాఖండాలు

ముందుగా, చక్రీయ కళాఖండాలను గుర్తించే ఎంపికలను చూద్దాం. ఇటువంటి కళాఖండాలు కావచ్చు:

  • స్క్రీన్ అంతటా పునరావృతమయ్యే టెక్స్ట్ వాటర్‌మార్క్‌లు
  • బైనరీ సీక్వెన్సులు
  • ప్రతి గ్రిడ్ సెల్‌లో అస్తవ్యస్తమైన పాయింట్ల సమితి

జాబితా చేయబడిన అన్ని కళాఖండాలు నేరుగా ప్రదర్శించబడిన కంటెంట్ పైన వర్తింపజేయబడతాయి; తదనుగుణంగా, ప్రతి రంగు ఛానెల్ యొక్క హిస్టోగ్రాం యొక్క స్థానిక తీవ్రతను గుర్తించడం ద్వారా మరియు తదనుగుణంగా, అన్ని ఇతర రంగులను కత్తిరించడం ద్వారా వాటిని గుర్తించవచ్చు. ఈ పద్ధతిలో ప్రతి హిస్టోగ్రాం ఛానెల్‌ల యొక్క స్థానిక తీవ్రతల కలయికతో పని చేయడం జరుగుతుంది. అనేక పదునైన పరివర్తన వివరాలతో చాలా క్లిష్టమైన చిత్రంలో లోకల్ ఎక్స్‌ట్రీమా కోసం అన్వేషణలో సమస్య ఉంది; హిస్టోగ్రాం చాలా సాటూత్‌గా కనిపిస్తుంది, ఇది ఈ విధానాన్ని వర్తించదు. మీరు వివిధ ఫిల్టర్‌లను వర్తింపజేయడానికి ప్రయత్నించవచ్చు, కానీ అవి వారి స్వంత వక్రీకరణలను ప్రవేశపెడతాయి, ఇది చివరికి వాటర్‌మార్క్‌ను గుర్తించడంలో అసమర్థతకు దారితీయవచ్చు. నిర్దిష్ట అంచు డిటెక్టర్లను (ఉదాహరణకు, కానీ ఎడ్జ్ డిటెక్టర్) ఉపయోగించి ఈ కళాఖండాలను గుర్తించే ఎంపిక కూడా ఉంది. పరివర్తనలో చాలా పదునైన కళాఖండాల కోసం ఈ విధానాలు వాటి స్థానాన్ని కలిగి ఉన్నాయి; డిటెక్టర్లు ఇమేజ్ ఆకృతులను హైలైట్ చేయవచ్చు మరియు కళాఖండాలను మరింత హైలైట్ చేయడానికి చిత్రాన్ని బైనరైజ్ చేయడానికి ఆకృతులలోని రంగు పరిధులను ఎంచుకోవచ్చు, అయితే ఈ పద్ధతులకు హైలైట్ చేయడానికి చాలా చక్కటి ట్యూనింగ్ అవసరం. అవసరమైన ఆకృతులు, అలాగే ఎంచుకున్న ఆకృతులలోని రంగులకు సంబంధించి చిత్రం యొక్క తదుపరి బైనరైజేషన్. ఈ అల్గోరిథంలు చాలా నమ్మదగనివిగా పరిగణించబడతాయి మరియు చిత్రం యొక్క రంగు భాగాల రకం నుండి మరింత స్థిరంగా మరియు స్వతంత్రంగా ఉపయోగించడానికి ప్రయత్నిస్తాయి.

తెరపై కళాఖండాల గుర్తింపు
అన్నం. 3 మార్పిడి తర్వాత వాటర్‌మార్క్

ముందుగా పేర్కొన్న అస్తవ్యస్తమైన కళాఖండాల విషయానికొస్తే, వాటిని గుర్తించే అల్గారిథమ్‌లు పూర్తిగా భిన్నంగా ఉంటాయి. అస్తవ్యస్తమైన కళాఖండాల నిర్మాణం చిత్రంపై ఒక నిర్దిష్ట వాటర్‌మార్క్‌ను విధించడం ద్వారా ఊహించబడింది, ఇది కొన్ని పరివర్తనల ద్వారా రూపాంతరం చెందుతుంది (ఉదాహరణకు, వివిక్త ఫోరియర్ రూపాంతరం). అటువంటి రూపాంతరాల నుండి కళాఖండాలు మొత్తం స్క్రీన్‌లో పంపిణీ చేయబడతాయి మరియు వాటి నమూనాను గుర్తించడం కష్టం. దీని ఆధారంగా, వాటర్‌మార్క్ చిత్రం అంతటా "యాదృచ్ఛిక" కళాఖండాల రూపంలో ఉంటుంది. అటువంటి వాటర్‌మార్క్ గుర్తింపు అనేది ట్రాన్స్‌ఫర్మేషన్ ఫంక్షన్‌లను ఉపయోగించి డైరెక్ట్ ఇమేజ్ ట్రాన్స్‌ఫర్మేషన్‌కు వస్తుంది. రూపాంతరం యొక్క ఫలితం చిత్రంలో ప్రదర్శించబడింది (Fig. 3).

కానీ ఆదర్శ పరిస్థితుల కంటే తక్కువ సమయంలో వాటర్‌మార్క్ గుర్తింపును నిరోధించే అనేక సమస్యలు తలెత్తుతాయి. మార్పిడి రకాన్ని బట్టి, వివిధ ఇబ్బందులు ఉండవచ్చు, ఉదాహరణకు, స్క్రీన్‌కు సంబంధించి పెద్ద కోణంలో ఫోటో తీయడం ద్వారా పొందిన పత్రాన్ని గుర్తించడం అసాధ్యం, లేదా తక్కువ నాణ్యత ఉన్న ఫోటో లేదా స్క్రీన్ క్యాప్చర్ సేవ్ చేయబడింది అధిక నష్టం కంప్రెషన్ ఉన్న ఫైల్. ఈ సమస్యలన్నీ వాటర్‌మార్క్‌ను గుర్తించడంలో సంక్లిష్టతకు దారితీస్తాయి; కోణ చిత్రం విషయంలో, చిత్రానికి మరింత సంక్లిష్టమైన పరివర్తనలను వర్తింపజేయడం లేదా అఫైన్ రూపాంతరాలను వర్తింపజేయడం అవసరం, కానీ వాటర్‌మార్క్ యొక్క పూర్తి పునరుద్ధరణకు హామీ ఇవ్వదు. స్క్రీన్ క్యాప్చర్ విషయంలో మనం పరిగణించినట్లయితే, రెండు సమస్యలు తలెత్తుతాయి: మొదటిది స్క్రీన్‌పై ప్రదర్శించేటప్పుడు వక్రీకరణ, రెండవది స్క్రీన్ నుండి చిత్రాన్ని సేవ్ చేసేటప్పుడు వక్రీకరణ. మొదటిది విభిన్న నాణ్యత గల మానిటర్‌ల కోసం మాత్రికలు ఉన్నందున నియంత్రించడం చాలా కష్టం, మరియు ఒకటి లేదా మరొక రంగు లేకపోవడం వల్ల, అవి వాటి రంగు ప్రాతినిధ్యాన్ని బట్టి రంగును ఇంటర్‌పోలేట్ చేస్తాయి, తద్వారా వాటర్‌మార్క్‌లోనే వక్రీకరణలను ప్రవేశపెడతాయి. రెండవది మరింత కష్టం, మీరు స్క్రీన్‌షాట్‌ను ఏదైనా ఫార్మాట్‌లో సేవ్ చేయవచ్చు మరియు తదనుగుణంగా, రంగు పరిధిలో కొంత భాగాన్ని కోల్పోతారు, కాబట్టి, మేము కేవలం వాటర్‌మార్క్‌ను కోల్పోవచ్చు.

అమలు సమస్యలు

ఆధునిక ప్రపంచంలో, వాటర్‌మార్క్‌లను పరిచయం చేయడానికి చాలా అల్గారిథమ్‌లు ఉన్నాయి, అయితే వాటర్‌మార్క్ అమలు చేసిన తర్వాత దాన్ని మరింతగా గుర్తించే 100% అవకాశం ఏదీ హామీ ఇవ్వదు. ప్రతి నిర్దిష్ట సందర్భంలో ఉత్పన్నమయ్యే పునరుత్పత్తి పరిస్థితుల సమితిని నిర్ణయించడం ప్రధాన కష్టం. ముందుగా చెప్పినట్లుగా, వక్రీకరణ మరియు వాటర్‌మార్క్‌ను దెబ్బతీసే ప్రయత్నాల యొక్క అన్ని లక్షణాలను పరిగణనలోకి తీసుకునే గుర్తింపు అల్గారిథమ్‌ను రూపొందించడం కష్టం. ఉదాహరణకు, ప్రస్తుత చిత్రానికి గాస్సియన్ ఫిల్టర్‌ని వర్తింపజేసి, అసలు ఇమేజ్‌లోని కళాఖండాలు చాలా చిన్నవిగా మరియు ఇమేజ్ నేపథ్యానికి విరుద్ధంగా ఉంటే, వాటిని గుర్తించడం అసాధ్యం లేదా వాటర్‌మార్క్‌లో కొంత భాగం పోతుంది. . ఛాయాచిత్రం యొక్క కేసును పరిశీలిద్దాం, అధిక స్థాయి సంభావ్యతతో అది మోయిర్ (Fig. 5) మరియు "గ్రిడ్" (Fig. 4) కలిగి ఉంటుంది. స్క్రీన్ మ్యాట్రిక్స్ యొక్క విచక్షణ మరియు రికార్డింగ్ సామగ్రి యొక్క మాతృక యొక్క విచక్షణ కారణంగా మోయిర్ ఏర్పడుతుంది; ఈ పరిస్థితిలో, రెండు మెష్ చిత్రాలు ఒకదానిపై ఒకటి సూపర్మోస్ చేయబడతాయి. మెష్ చాలా మటుకు వాటర్‌మార్క్ కళాఖండాలను పాక్షికంగా కవర్ చేస్తుంది మరియు గుర్తింపు సమస్యను కలిగిస్తుంది; మోయిర్, కొన్ని వాటర్‌మార్క్ ఎంబెడ్డింగ్ పద్ధతులలో దానిని గుర్తించడం అసాధ్యం, ఎందుకంటే ఇది వాటర్‌మార్క్‌తో చిత్రం యొక్క భాగాన్ని అతివ్యాప్తి చేస్తుంది.

తెరపై కళాఖండాల గుర్తింపు
అన్నం. 4 చిత్రం గ్రిడ్
తెరపై కళాఖండాల గుర్తింపు
అన్నం. 5 మోయిర్

వాటర్‌మార్క్‌లను గుర్తించడానికి థ్రెషోల్డ్‌ను పెంచడానికి, స్వీయ-అభ్యాస నాడీ నెట్‌వర్క్‌ల ఆధారంగా మరియు ఆపరేషన్ ప్రక్రియలో అల్గారిథమ్‌లను ఉపయోగించడం అవసరం, ఇది వాటర్‌మార్క్ చిత్రాలను గుర్తించడం నేర్చుకుంటుంది. ఇప్పుడు భారీ సంఖ్యలో న్యూరల్ నెట్‌వర్క్ సాధనాలు మరియు సేవలు ఉన్నాయి, ఉదాహరణకు, Google నుండి. కావాలనుకుంటే, మీరు రిఫరెన్స్ చిత్రాల సమితిని కనుగొనవచ్చు మరియు అవసరమైన కళాఖండాలను గుర్తించడానికి న్యూరల్ నెట్‌వర్క్‌కు బోధించవచ్చు. ఈ విధానం అత్యంత వక్రీకరించిన వాటర్‌మార్క్‌లను కూడా గుర్తించడానికి అత్యంత ఆశాజనకమైన అవకాశాలను కలిగి ఉంది, అయితే త్వరిత గుర్తింపు కోసం దీనికి పెద్ద కంప్యూటింగ్ శక్తి మరియు సరైన గుర్తింపు కోసం చాలా సుదీర్ఘ శిక్షణా కాలం అవసరం.

వివరించిన ప్రతిదీ చాలా సరళంగా అనిపిస్తుంది, కానీ మీరు ఈ సమస్యలను లోతుగా పరిశీలిస్తే, వాటర్‌మార్క్‌లను గుర్తించడానికి మీరు ఏదైనా అల్గారిథమ్‌లను అమలు చేయడానికి ఎక్కువ సమయం వెచ్చించాల్సి ఉంటుందని మరియు దానిని అవసరమైన సంభావ్యతకు తీసుకురావడానికి ఎక్కువ సమయం కేటాయించాలని మీరు అర్థం చేసుకుంటారు. ప్రతి చిత్రాన్ని గుర్తించడం.

మూలం: www.habr.com

ఒక వ్యాఖ్యను జోడించండి