17、图像匹配：检测视觉元素的复用

图像匹配：检测视觉元素的复用

1. 引言

在图像和视频取证领域，已经证明可以以相当高的精度检测视觉元素的复用。早期，Dias 等人提出了最小生成树算法用于近重复图像检测，但该算法存在局限性。Costa 等人开发的系统发生森林方法虽有改进，但仍受像素内容重叠的限制。为解决这些问题，我们将开发一种检测视觉复用的方法，它不依赖复杂建模，而是结合简单特征和监督机器学习。

2. 案例研究：三种流行的网络迷因

网络迷因作为当代文化的一部分，在互联网上迅速传播。我们选取了三个基于图像的迷因类别进行研究：“Soon”、“Doge”和“冰桶挑战”。
- “Soon”迷因 ：2007 年 4 月，一张橙色猫盯着吉娃娃并配有“SOON.”文字的图片出现在喜剧博客上，成为该迷因的起源。其视觉形式通常是一个不祥的形象盯着另一个形象或观众，部分变体将文字直接融入图像内容。
- “Doge”迷因 ：起源于 2010 年一位日本幼儿园老师博客上的一张柴犬照片。该迷因以柴犬搭配彩色 Comic Sans 字体的文字为特色，视觉风格较为一致，部分变体将柴犬重新设计成其他物体。
- “冰桶挑战”迷因 ：2014 年为慈善活动兴起，参与者将冰水桶倒在头上并拍照分享，同时提名他人参与。该迷因引发了大量模仿，虽未通过图像宏插入文字，但视觉特征明显。

为测试算法对未知类别的拒绝能力，我们还使用了微软 COCO 数据集的图像作为负样本。

3. 方向梯度直方图（HOG）

在计算机视觉中，为实现视觉识别任务，需要提取具有不