我的一个朋友提出了一个有趣的问题 - 假设我们在系统中有一组图像。现在，有人可能会通过稍微修改任何已提交的图像来提交新图像，在这种情况下，系统应该报告提交的图像是伪造的图像。
我可以考虑两种解决方案。
解决方案 1 - 将每个输入图像与数据库中的给定图像进行图像比较（基于位图），可能是在将它们转换为灰度以应对颜色变化技巧之后，并将它们调整为标准尺寸之后。
解决方案 2 - 创建自组织地图并使用所有现有图像进行训练。如果有人提交了一张图片，如果它非常匹配，就举报它是伪造的。
可能不可能有一个准确率超过 90% 的系统。请分享您的想法/建议/解决方案。
经过几个答案后编辑：我已经有一个反向传播神经网络和一个基于 xml 的语言来在这里训练神经网络 - http://www.codeproject.com/KB/dotnet/neuralnetwork.aspx
我期待上述问题的具体答案。
谢谢
【问题讨论】：
标签： c# .net algorithm image-processing
好问题，但取决于您要编写多少代码。如果我镜像/翻转图像，剪切和粘贴图像怎么办。当你解决这个问题时，你也破解了大多数 CAPTCHA？
如果您有大量的马力和编程工时，您可能需要查看 Forier Transformations 和 Historgams 来查找匹配项。这将识别翻转/镜像复制/粘贴。
然后创建大量测试片段，例如单元测试（？），例如“可以在源代码中找到这个图像位”“当色调旋转时可以找到这个位”等等。
非常开放的问题
【讨论】：
猜你可以从Image Recognition with Neural Networks开始。
基本上，我认为它涵盖了您的解决方案 2 方法。至少您会找到有关神经网络以及如何训练它们的有用指南。
【讨论】：
这里肯定需要在性能和准确性之间进行权衡。您可以使用神经网络，但可能需要先进行一些预转换：例如http://en.wikipedia.org/wiki/Image_registration。 有几种更有效的算法，例如直方图比较。查看维基百科上的分割文章：en.wikipedia.org/wiki/Segmentation_%28image_processing%29
【讨论】：
我认为最简单的解决方案是简单地将系统中已有的digitally watermark 图像隐藏起来，并在添加新图像时添加它们。
添加新图像时，只需检查数字水印的痕迹。
【讨论】：
无意冒犯，但这可能是“如果您只知道一把锤子，那么每个问题看起来都像钉子”之类的情况。人工神经网络并不是解决所有问题的好方法。如果您简单地计算存储图像和“伪造候选”之间的逐像素均方差，您可能可以更可靠地判断图像相似度。
我还建议将所有图像的大小调整为例如50x50 像素并在比较它们之前执行直方图均衡。这样您就可以忽略图像大小调整和全局亮度对比度变化。
【讨论】：
经过一些研究，我决定最好的方法是使用自组织地图 (SOM) 方法。
这个想法是首先使用可用/有效图像对 SOM 网络进行自我训练，然后在插入新图像时，找到最近的图像，如果在阈值下找到匹配，则报告相同的图像。
AForge 是一个出色的库，支持 SOM (http://code.google.com/p/aforge/)
基本SOM信息here
SOM 的好读物here
【讨论】：