ΑΡΧΙΜΗ ΗΣ - ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑ ΩΝ ΣΤΑ ΤΕΙ. Υποέργο: «Ανάκτηση και προστασία πνευµατικών δικαιωµάτων σε δεδοµένα

Transcript

1 ΑΡΧΙΜΗ ΗΣ - ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑ ΩΝ ΣΤΑ ΤΕΙ Υποέργο: «Ανάκτηση και προστασία πνευµατικών δικαιωµάτων σε δεδοµένα πολυδιάστατου ψηφιακού σήµατος (Εικόνες Εικονοσειρές)» Πακέτο Εργασίας 4: Προστασία πνευµατικών δικαιωµάτων Αποτελέσµατα έρευνας Επιστηµονικός υπεύθυνος: ρ Βασίλειος Χατζής Οµάδα εργασίας: Πήτας Ιωάννης Νικολαΐδης Νικόλαος Σπάχος ηµήτριος Ηλεκτρολόγος Μηχανικός / Καθηγητής Α.Π.Θ Ηλεκτρολόγος Μηχανικός / Λέκτορας Α.Π.Θ Υποψήφιος ιδάκτορας Α.Π.Θ.

2 ΑΠΟΤΕΛΕΣΜΑΤΑ ΕΡΕΥΝΑΣ, ΠΕ4 Η επικράτηση της ψηφιακής αναπαράστασης των πολυµεσικών δεδοµένων έδωσε σηµαντικότατη ώθηση σε µια σειρά από τοµείς (κινηµατογράφος, µουσική, βάσεις εικόνων και πολυµέσων) αλλά ταυτόχρονα δηµιούργησε και σηµαντικά προβλήµατα ως προς τα πνευµατικά δικαιώµατα των δεδοµένων αυτών. Τα προβλήµατα αυτά εµφανίστηκαν λόγω του γεγονότος ότι τα αντίγραφα των ψηφιακών δεδοµένων δεν διαφέρουν από τα πρωτότυπα και η διακίνηση τους είναι ιδιαίτερα εύκολη. Έτσι κατά τα τελευταία χρόνια σηµειώθηκε µια έκρηξη της ψηφιακής πειρατείας η οποία οδήγησε σε αντίστοιχη εντατικοποίηση των ερευνών για αποτελεσµατικές µεθόδους προστασίας και διαχείρισης των πνευµατικών δικαιωµάτων σε πολυµεσικά δεδοµένα, µε έµφαση σε µεθόδους που δεν βασίζονται στην κρυπτογράφηση των δεδοµένων. Στα πλαίσια του Πακέτου Εργασίας 4 (Προστασία Πνευµατικών ικαιωµάτων) πραγµατοποιήθηκε αρχικά µελέτη σχετικά µε το ποια οικογένεια τεχνικών από τις δύο βασικές που έχουν αναπτυχθεί δηλαδή των ψηφιακών υδατοσήµων (watermarks) ή των ψηφιακών αποτυπωµάτων (fingerprints, ή εναλλακτικά perceptual/robust hashes) είναι καταλληλότερη µε βάση τις ανάγκες του έργου, τις ήδη δηµοσιευµένες εργασίες διεθνώς καθώς και τις επικρατούσες τάσεις στην έρευνα. Η ψηφιακή υδατοσήµανση είναι η µέθοδος κατά την οποία εισάγεται στα πολυµεσικά δεδοµένα πληροφορία (υδατόσηµο) µε τρόπο που να µην αλλοιώνει την ποιότητα τους και να είναι ανθεκτική σε πιθανές αλλοιώσεις των δεδοµένων. Η πληροφορία αυτή µπορεί να αφορά στον δηµιουργό ή κάτοχο των δικαιωµάτων των δεδοµένων, στον χρήστη τους κλπ. Έτσι, ή εξαγωγή (ανίχνευση) του υδατόσηµου µπορεί να χρησιµοποιηθεί στην προστασία/διαχείριση των πνευµατικών δικαιωµάτων. Από την άλλη πλευρά, ή µέθοδος των ψηφιακών αποτυπωµάτων έγκειται στην εξαγωγή από ένα ψηφιακό αντικείµενο (π.χ. εικόνα) ενός διανύσµατος χαρακτηριστικών (feature vector) που ονοµάζεται αποτύπωµα (fingerprint) και που χαρακτηρίζει µοναδικά το αντικείµενο αυτό ενώ ταυτόχρονα είναι ανθεκτικό σε αλλοιώσεις του περιεχοµένου του αντικειµένου. Έτσι, µε τη βοήθεια µιας βάσης δεδοµένων η οποία περιέχει τα αποτυπώµατα ενός συνόλου αντικειµένων µπορούµε να ανιχνεύσουµε αντίγραφα τους (µε την έννοια όχι µόνο του πιστού αντιγράφου

3 αλλά και αυτού που έχει προέρθει από αλλοίωση του πρωτοτύπου) και στην συνέχεια να ελέγξουµε κατά πόσον αυτά είναι νόµιµα ή όχι. Μετά από εµπεριστατωµένη µελέτη της βιβλιογραφίας, λήφθηκε η απόφαση να επικεντρωθεί η έρευνα στα ψηφιακά αποτυπώµατα για τους εξής λόγους: Τα ψηφιακά αποτυπώµατα δεν προκαλούν αλλοίωση των ψηφιακών δεδοµένων (παθητική τεχνική). Η τεχνική µπορεί να εφαρµοστεί και σε δεδοµένα, αντίγραφα των οποίων ήδη υπάρχουν π.χ. στο διαδίκτυο, σε αντίθεση µε την υδατοσήµανση που απαιτεί την εισαγωγή του υδατοσήµου πριν την διανοµή των δεδοµένων. Σε αντίθεση µε τα υδατόσηµα, η µελέτη των οποίων έχει ήδη εισέλθει στην δεύτερη δεκαετία, τα ψηφιακά αποτυπώµατα είναι µια νέα και πολλά υποσχόµενη ερευνητική περιοχή. Όσον αφορά τον τύπο των ψηφιακών δεδοµένων αποφασίστηκε η έρευνα να επικεντρωθεί στις ψηφιακές εικόνες. Στα πλαίσια των παραπάνω γενικών κατευθύνσεων µελετήθηκε η χρήση διανυσµάτων χαρακτηριστικών (αποτυπωµάτων) που βασίζονται στο χρώµα. εδοµένου ότι τα διανυσµάτων χαρακτηριστικών πρέπει να είναι µικρής διάστασης για ταχύτητα στην αναζήτηση και οικονοµία χώρου αποθήκευσης, τα χρώµατα της εικόνας πρέπει αρχικά να υποστούν κβάντιση. Επιλέχθηκε η χρωµατική παλέτα Macbeth Color Checker που αποτελείται από 24 χρώµατα που απαντώνται συνήθως στη φύση [Glassner95] επειδή αυτή προσοµοιάζει τον τρόπο που αντιλαµβάνεται την οπτική πληροφορία ο άνθρωπος. Στη συνέχεια µελετήθηκαν δύο διαφορετικά είδη ιστογραµµάτων ως προς την καταλληλότητα τους ως διανύσµατα χαρακτηριστικών στην συγκεκριµένη εφαρµογή. Ειδικότερα µελετήθηκε το κανονικοποιηµένο χρωµατικό ιστόγραµµα καθώς και το χωρικό χρωµατικό ιστόγραµµα που προτάθηκε στο [Cinque01]. Το τελευταίο ενσωµατώνει πληροφορία και για την χωρική κατανοµή των χρωµάτων. εδοµένου ότι απαιτείται η χρήση µιας µετρικής για την εύρεση της οµοιότητας χαρακτηριστικών διανυσµάτων δύο ή περισσοτέρων εικόνων, µελετήθηκαν ταυτόχρονα και τα παρακάτω µέτρα οµοιότητας ιστογραµµάτων: Για το κανονικοποιηµένο χρωµατικό ιστόγραµµα: Κλιµακωµένη απόσταση L 1 Κλιµακωµένη απόσταση L 2

4 Κλιµακωµένη τοµή ιστογραµµάτων (scaled histogram intersection) Για το χωρικό χρωµατικό ιστόγραµµα: Χωρική χρωµατική απόσταση που προτάθηκε στο [Cinque01] Για την εύρεση της βέλτιστης λύσης διεξάχθηκε µια σειρά πειραµάτων µε µια βάση αποτελούµενη από 450 εικόνες που απεικόνιζαν έργα τέχνης. Σε κάθε εικόνα της βάσης εφαρµόστηκαν 20 διαφορετικές επεξεργασίες (κλιµάκωση µε διαφορετικούς συντελεστές, περιστροφή κατά διαφορετικές γωνίες, ψαλιδισµός µε διαφορετικά ποσοστά, συµπίεση JPEG µε διαφορετικούς λόγους συµπίεσης, φιλτράρισµα µεσαίου µε διαφορετικά παράθυρα). Με τον τρόπο αυτό προέκυψαν 9000 εικόνες. Από τα δύο σύνολα εξάχθηκαν για κάθε εικόνα τα 2 διαφορετικά είδη διανυσµάτων χαρακτηριστικών που περιγράφηκαν παραπάνω και στη συνέχεια, µε την χρήση των 4 διαφορετικών µέτρων οµοιότητας και ενός κατωφλίου, βρέθηκαν για κάθε µία από τις 450 αρχικές εικόνες οι µετασχηµατισµένες εικόνες οι οποίες αντιστοιχίζονται σε αυτήν. Για την εξαγωγή συµπερασµάτων χρησιµοποιήθηκαν τα γνωστά µέτρα επίδοσης true positive fraction (TPF) και false positive fraction (FPF). Μεταβάλλοντας το κατώφλι υπολογίστηκαν οι Receiver Operating Characteristic (ROC) καµπύλες. Τα αποτελέσµατα έδειξαν ότι η καλύτερη επίδοση επιτυγχάνεται από τη χρήση το κανονικοποιηµένου χρωµατικού ιστογράµµατος σε συνδυασµό µε την κλιµακωµένη απόσταση L 1. Γενικά, η επίδοση του συστήµατος ήταν πολύ ικανοποιητική (για παράδειγµα για FPF 5% το TPF ήταν περίπου 98%) αποδεικνύοντας έτσι ότι η προτεινόµενη µεθοδολογία εξαγωγής και χρήσης ψηφιακών αποτυπωµάτων µπορεί να χρησιµοποιηθεί αποτελεσµατικά για την ανίχνευση αντιγράφων εικόνων. Μελετήθηκε επίσης η επίδραση που έχει κάθε είδος επεξεργασίας στην επίδοση της µεθόδου ώστε να εξαχθούν συµπεράσµατα ως προς τις επεξεργασίες στις οποίες η µέθοδος παρουσιάζει ευαισθησία Τα αποτελέσµατα αυτής της ερευνητικής προσπάθειας παρουσιάστηκαν στο 4 ο Πανελλήνιο Συνέδριο Τεχνητής Νοηµοσύνης: M. Gavrielides, E. Sikudova, D. Spachos and I. Pitas, "Color Features for Image Fingerprinting", 4th Hellenic Conference on Artificial Intelligence (SETN'06), May 2006, Heraklion, Greece.

5 Στη συνέχεια, τα χρωµατικά χαρακτηριστικά που βρέθηκαν να είναι τα καταλληλότερα για χρήση ως ψηφιακά αποτυπώµατα για ψηφιακές εικόνες αποτέλεσαν τη βάση για να προταθεί ένα νέο σύστηµα ψηφιακών αποτυπωµάτων το οποίο βασίζεται στα R-δένδρα (R-trees) και στην γραµµική διακριτική ανάλυση (linear discriminant analysis, LDA). Συγκεκριµένα, στο σύστηµα αυτό η κάθε εικόνα χαρακτηρίζεται από το ιστόγραµµα µε βάση την χρωµατική παλέτα Macbeth Color Checker που αποτελείται από 24 χρώµατα [Glassner95]. Το 24-διαστατο χαρακτηριστικό διάνυσµα (fingerprint) κάθε εικόνας που επιθυµούµε να προστατεύσουµε (και που στη συνέχεια θα αναφέρεται ως πρωτότυπη εικόνα) αποθηκεύεται στη βάση αποτυπωµάτων η οποία στηρίζεται σε µια πολυδιάστατη ευρετηριακή δοµή βασισµένη σε ένα R-tree [Gaede98]. Η χρήση του R-tree έχει σαν αποτέλεσµα την γρήγορη αναζήτηση αντιγράφων. Η δηµιουργία και η λειτουργία του προτεινόµενου συστήµατος αποτελείται από δύο ανεξάρτητες φάσεις: τη φάση της δηµιουργίας της βάσης αποτυπωµάτων και τη φάση της κανονικής λειτουργίας του συστήµατος όπου αυτό καλείται να απαντήσει στο ερώτηµα εάν µια εικόνα είναι αντίγραφο κάποιας πρωτότυπης εικόνας που εµπεριέχεται στη βάση ή όχι. Κατά τη φάση της δηµιουργίας της βάσης, κάθε φορά που εισάγεται σε αυτή µια νέα πρωτότυπη εικόνα, αυτή υποβάλλεται σε µα σειρά συγκεκριµένων επεξεργασιών (επιθέσεων) οι οποίες επιλέγονται ανάλογα µε τις επεξεργασίες που είναι πιθανόν να υποστεί µια εικόνα στον κύκλο ζωής της. Υπολογίζεται το χαρακτηριστικό διάνυσµα κάθε µιας από τις εικόνες-αντίγραφα µιας πρωτότυπης εικόνας που παράγονται µε τις επιθέσεις, και χρησιµοποιείται για να καθοριστεί η έκταση της γειτονιάς της πρωτότυπης εικόνας η οποία περιλαµβάνει όλα τα αντίγραφα της. Πιο συγκεκριµένα, υπολογίζεται η απόσταση, σε κάθε µία από τις διαστάσεις του 24-διάστατου χαρακτηριστικού διανύσµατος, µεταξύ κάθε εικόνας-αντιγράφου και της αντίστοιχης πρωτότυπης εικόνας. Η µέγιστη απόσταση σε κάθε διάσταση λαµβάνεται ως η έκταση της γειτονιάς της πρωτότυπης εικόνας στη διάσταση αυτή. Στη συνέχεια η πρωτότυπη εικόνα (για την ακρίβεια το χαρακτηριστικό της διάνυσµα) τοποθετείται στο R-tree µαζί µε το διάνυσµα που καθορίζει την έκταση της γειτονίας της στην κάθε διάσταση (extent vector). Οι επιθέσεις (77 στο σύνολο) που χρησιµοποιήθηκαν για την εύρεση του extent vector της γειτονιάς κάθε πρωτότυπης εικόνας ήταν η συµπίεση κατά JPEG (διάφοροι βαθµοί συµπίεσης), η περιστροφή µε διάφορες γωνίες περιστροφής, η κλιµάκωση (resizing) µε ποικίλους συντελεστές κλιµάκωσης

6 και η αποκοπή µέρους της εικόνας (cropping) µε διάφορα ποσοστά αποκοπής. Ο υπολογισµός της έκτασης της γειτονιάς µε βάση προκαθορισµένο σύνολο επιθέσεων βασίζεται στην ιδέα πως µια γειτονιά που υπολογίζεται µε αυτόν τον τρόπο θα περιλαµβάνει τα χαρακτηριστικά διανύσµατα αντιγράφων που έχουν προέρθει από αντίστοιχες επιθέσεις. Η διαδικασία δηµιουργίας της βάσης περιγράφεται σχηµατικά στο ακόλουθο σχήµα. Εικόνα 1: ηµιουργία της βάσης αποτυπωµάτων. Κατά η φάση της ανίχνευσης αντιγράφων, µια εικόνα εισάγεται σαν ερώτηµα στην βάση εικόνων για να διαπιστωθεί το κατά πόσο είναι αντίγραφο κάποιας από τις πρωτότυπες εικόνες της βάσης. Η διάσχιση του R-tree µε βάση το χαρακτηριστικό διάνύσµα της υπό εξέταση εικόνας έχει σαν αποτέλεσµα την εύρεση µίας ή ενός µικρού αριθµού πρωτότυπων εικόνων, στις γειτονίες των οποίων εµπεριέχεται το χαρακτηριστικό διάνυσµα της υπό εξέταση εικόνας. Οι εικόνες αυτές είναι υποψήφιες για να είναι οι πρωτότυπες εικόνες µε τις οποίες σχετίζεται η υπό εξέταση εικόνα. Εναλλακτικά, το αποτέλεσµα της διάσχισης µπορεί να είναι το κενό σύνολο στην περίπτωση που το χαρακτηριστικό διάνυσµα της υπό εξέταση εικόνας δεν βρίσκεται στη γειτονιά κάποιας εικόνας της βάσης. Στην περίπτωση που το R-tree οδηγήσει στην εύρεση περισσότερων από µία εικόνων, εφαρµόζεται ένα επιπρόσθετο βήµα το οποίο βασίζεται στην LDA [Fukunaga90] και έχει σαν στόχο να ευρεθεί µία µοναδική πρωτότυπη εικόνα. Πιο συγκεκριµένα, στο βήµα αυτό συµµετέχουν όλες οι εικόνες της βάσης που βρέθηκαν ως υποψήφιες από το R-tree. Το χαρακτηριστικό διάνυσµα της κάθε µιας, µαζί µε τα χαρακτηριστικά διανύσµατα των αντιγράφων της που προέκυψαν από το σετ επιθέσεων κατά τη διαδικασία της δηµιουργίας της βάσης, αποτελούν µια κλάση για τον αλγόριθµο LDA. Με τον αλγόριθµο LDA

7 υπολογίζονται τα στατιστικά χαρακτηριστικά κάθε κλάσης και χρησιµοποιούνται για να «προβληθούν» τα χαρακτηριστικά διανύσµατα σε έναν νέο χώρο όπου υπάρχει καλύτερος διαχωρισµός κλάσεων. Στον νέο αυτό χώρο, επιλέγεται η αρχική εικόνα που το χαρακτηριστικό διάνυσµά της είναι πλησιέστερα στο διάνυσµα της υπό εξέταση εικόνας και, εφόσον η απόσταση τους είναι µικρότερη από ένα κατώφλι η εικόνα αυτή χαρακτηρίζεται ως το πρωτότυπο από το οποίο προήρθε η υπό εξέταση εικόνα. Σε αντίθετη περίπτωση, το σύστηµα αποφαίνεται ότι η υπό εξέταση εικόνα δεν είναι αντίγραφο κάποιας εικόνας στην βάση. Η διαδικασία ανίχνευσης αντιγράφων περιγράφεται στο παρακάτω σχήµα. Εικόνα 2: ιαδικασία ανίχνευσης αντιγράφων. Το προταθέν σύστηµα µελετήθηκε πειραµατικά ως προς τις επιδόσεις του µε δύο είδη πειραµάτων. Η βάση πρωτότυπων εικόνων που χρησιµοποιήθηκε στα πειράµατα αποτελούνταν από 2232 εικόνες οι οποίες ήταν διαφορετικές φωτογραφίες 12 σηµαντικών µνηµείων (υπήρχαν για παράδειγµα 343 διαφορετικές εικόνες του Παρθενώνα, βλέπε Εικόνα 3). Το σύνολο αυτό των εικόνων επιλέχθηκε γιατί αποτελεί ένα δύσκολο σύνολο δοκιµής για το υπό εξέταση σύστηµα, λόγω της σηµαντικής οµοιότητας µεταξύ των εικόνων που σχετίζονται µε κάθε ένα από τα 12 µνηµεία.

8 Εικόνα 3: είγµατα εικόνων που περιέχονται στην κατηγορία Παρθενώνας» της βάσης εικόνων που χρησιµοποιήθηκε για τα πειράµατα. Στην πρώτη οµάδα πειραµάτων τέθηκαν ως ερωτήµατα στη βάση οι εικόνες που προέκυψαν µε την εφαρµογή 535 διαφορετικών επιθέσεων (συµπιέσεις κατά JPEG, περιστροφές, κλιµακώσεις και αποκοπές µε διάφορες παραµέτρους) σε κάθε µία από ένα υποσύνολο 240 εικόνων της βάσης. Το ποσοστό των εικόνων που κατατάχθηκαν σε λάθος πρωτότυπο (misclassification rate) στο πείραµα αυτό ήταν 0.54% ενώ το ποσοστό των εικόνων που λανθασµένα θεωρήθηκαν ως µη σχετιζόµενες (µη αντίγραφα) κάποιας πρωτότυπης εικόνας (false rejection rate) ήταν 1.28%. Στη δεύτερη οµάδα πειραµάτων τέθηκαν ως ερωτήµατα στη βάση 450 εικόνες που δεν σχετιζόταν µε καµία από τις εικόνες της βάσης. Το ποσοστό των εικόνων που λανθασµένα υιοθετήθηκαν από το σύστηµα ως αντίγραφα κάποιας εικόνας στη βάση (false acceptance rate) ήταν 7.33%. Τα αποτελέσµατα της ερευνητικής αυτής εργασίας υποβλήθηκαν και έγιναν δεκτά για παρουσίαση στο διεθνές συνέδριο της IEEE, International Conference on Multimedia and Expo 2006: Spyros Nikolopoulos, Stefanos Zafeiriou, Panagiotis Sidiropoulos, Nikos Nikolaidis and Ioannis Pitas, "Image Replica Detection Using R-Trees and Linear Discriminant Analysis", IEEE International Conference on Multimedia and Expo (ICME), July 9-12, 2006, Toronto, Canada. Επίσης στα πλαίσια του Πακέτου Εργασίας 4 αναπτύχθηκε εφαρµογής η οποία ενσωµατώνει µέρος των αποτελεσµάτων της έρευνας. Συγκεκριµένα, η εφαρµογή βασίζεται, για την ανίχνευση των αντιγράφων, στα 24 διαστάσεων χαρακτηριστικά

9 διανύσµατα που υπολογίζονται µε βάση τη χρωµατική παλέτα Macbeth Color Checker. Στη βάση πρωτότυπων εικόνων της εφαρµογής αποθηκεύεται το χαρακτηριστικό διάνυσµα κάθε πρωτότυπης εικόνας και, προαιρετικά, ένα βαθµωτό µέγεθος το οποίο ορίζει (στο χώρο των χαρακτηριστικών διανυσµάτων) την ακτίνα µιας υπερσφαίρας η οποία αποτελεί την γειτονία γύρω από το χαρακτηριστικό διάνυσµα της αντίστοιχης πρωτότυπης εικόνας. Το µέγεθος αυτό, που ονοµάστηκε ακτίνα γειτονιάς, υπολογίζεται εξωτερικά της εφαρµογής (µε αυτοµατοποιηµένα scripts) ως η µέγιστη απόσταση µεταξύ του χαρακτηριστικού διανύσµατος της πρωτότυπης εικόνας και των χαρακτηριστικών διανυσµάτων αντιγράφων της εικόνας που προκύπτουν µετά από ένα προκαθορισµένο σύνολο επιθέσεων. Όταν ο χρήστης εισάγει ως ερώτηµα µια εικόνα τότε το σύστηµα ανάλογα µε τις ρυθµίσεις του διαχειριστή του συστήµατος µπορεί να επιστρέψει ως αποτέλεσµα τα εξής: 1) Return [Number] most similar images Με την επιλογή αυτή η εφαρµογή επιστρέφει τις [Number] «κοντινότερες» (µε βάση το χαρακτηριστικό διάνυσµα) εικόνες προς την εικόνα του ερωτήµατος. εν λαµβάνεται καθόλου υπ όψη η ακτίνα γειτονιάς (για την οποία αναφέρονται περισσότερα παρακάτω) και οι εικόνες επιστρέφονται µε πρώτη αυτή που είναι πιο κοντά στην δοθείσα προς αναζήτηση εικόνα. 2) Return [Number] most similar images within a pre-defined radius for each image Με την επιλογή αυτή η εφαρµογή επιστρέφει τις [Number] «κοντινότερες» εικόνες προς την εικόνα εισαγωγής. Στην περίπτωση αυτή, όµως, λαµβάνεται υπ όψη η ακτίνα γειτονιάς κάθε πρωτότυπης εικόνας και οι εικόνες που επιστρέφονται είναι αυτές, στις γειτονιές των οποίων (που καθορίζονται µε βάση τις αντίστοιχες ακτίνες) βρίσκεται η εικόνα ερώτηµα. ηλαδή για να ανήκει µια πρωτότυπη εικόνα στο σύνολο των αποτελεσµάτων που επιστρέφονται θα πρέπει αφ ενός η απόσταση του χαρακτηριστικού διανύσµατος της από το χαρακτηριστικό διάνυσµα της εικόνας εισόδου να είναι µικρότερη από την ακτίνα γειτονιάς της και αφ ετέρου να ανήκει στις Ν κοντινότερες (µε βάση τις αποστάσεις των χαρακτηριστικών διανυσµάτων) ως προς την εικόνα εισόδου. 3) Return all similar images within a pre-defined radius for each image Στην περίπτωση αυτή επιστρέφονται όλες οι εικόνες, στις γειτονιές των οποίων βρίσκεται η εικόνα ερώτηµα. ηλαδή για να ανήκει µια πρωτότυπη εικόνα στο

10 σύνολο των αποτελεσµάτων που επιστρέφονται θα πρέπει η απόσταση του χαρακτηριστικού διανύσµατος της από το χαρακτηριστικό διάνυσµα της εικόνας εισόδου να είναι µικρότερη από την ακτίνα γειτονιάς της. 4) Return only if exact match is found. Στην περίπτωση αυτή επιστρέφεται αν βρεθεί µόνο η εικόνα που έχει ακριβώς το ίδιο χαρακτηριστικό διάνυσµα µε αυτή που έχει δοθεί σαν εικόνα εισόδου. Η εφαρµογή, όµως, πέρα από τα παραπάνω δίνει τη δυνατότητα στο χρήστη να καθορίσει ο ίδιος την επιθυµητή ακτίνα γειτονιάς. Θα πρέπει να τονισθεί ότι όταν χρησιµοποιείται αυτή η επιλογή τότε οι επιλογές 2 &3 που περιγράφηκαν παραπάνω επηρεάζονται και στη θέση της ακτίνας γειτονιάς (η οποία είναι διαφορετική για κάθε εικόνα) χρησιµοποιείται η ακτίνα που έχει δοθεί από το χρήστη (δηλαδή για όλες τις εικόνες θα χρησιµοποιηθεί η ίδια ακτίνα). Η αρχιτεκτονική του συστήµατος περιγράφεται στο παρακάτω σχήµα Εικόνα 4: Αρχιτεκτονική της εφαρµογής αναζήτησης ψηφιακών αντιγράφων µε βάση το ψηφιακό αποτύπωµα. Προτιµήθηκε η εφαρµογή να είναι web based για να µπορεί να είναι προσβάσιµη από παντού χωρίς να απαιτείται η εγκατάσταση ειδικού λογισµικού. Ουσιαστικά το µόνο που απαιτείται για να χρησιµοποιήσει κανείς την εφαρµογή, είτε είναι χρήστης είτε διαχειριστής είναι ένας συµβατός web browser (π.χ. Internet Explorer).

11 Η εφαρµογή βασίστηκε σε SQL Server και χρησιµοποιήθηκαν τεχνολογίες ασύγχρονης µετάδοσης δεδοµένων µεταξύ client και server µε χρήση Javascript και XML (AJAX). Όλες οι συναλλαγές µε τη βάση γίνονται µε χρήση XML templates και χρησιµοποιούνται εκτεταµένα αποθηκευµένες διαδικασίες (stored procedures). Έγινε εκτεταµένη χρήση DOM (Document Object Model) και χρησιµοποιήθηκε XSL για αρκετά transformations XML εγγράφων. H χρήση XML για τις συναλλαγές µε τη βάση έχει µια σειρά από πλεονεκτήµατα όπως: - Μεταξύ βάσης δεδοµένων και εφαρµογής ανταλλάσσονται µόνο XML δεδοµένα, δηλαδή string, που καθιστά την επικοινωνία µεταξύ τους ιδιαίτερα γρήγορη σε σχέση µε τον κλασσικό τρόπο χρήσης ODBC - ίνονται δυνατότητες ενηµέρωσης της εφαρµογής µε δεδοµένα από τη βάση χωρίς να απαιτείται για παράδειγµα ανανέωση τις σελίδας όπως γίνεται µε τις κλασσικές εφαρµογές ASP. H εφαρµογή είναι σπονδυλωτή, εύκολα επεκτάσιµη και υπάρχει συµβατότητα προς τα εµπρός. Επίσης, όλες οι σελίδες χρήστη είναι συµβατές µε το πρότυπο XHTML σύµφωνα µε τις τελευταίες οδηγίες όπως αυτές ορίζονται από τον οργανισµό W3C. Η εφαρµογή περιλαµβάνει λειτουργίες χρήστη και λειτουργίες διαχειριστή. Σχετικά µε τις λειτουργίες της εφαρµογής του χρήστη, αυτός µπορεί να επιλέξει την εικόνα για την οποία θέλει να υποβάλλει ως ερώτηµα στη βάση δεδοµένων. Τα υποστηριζόµενα formats αρχείων εικόνων είναι: JPG, BMP, GIF, TIF. Η σύνθετη αναζήτηση δίνει τη δυνατότητα στο χρήστη να επιλέξει αν η αναζήτηση θα του επιστρέψει µόνο κάποια συγκεκριµένα formats εικόνων ή µεγέθη. Επίσης µπορεί να επιλέξει τον αριθµό των αποτελεσµάτων που θα του επιστρέψει η αναζήτηση. Στα αποτελέσµατα αναζήτησης η πρώτη εικόνα που επιστρέφεται είναι αυτή που σύµφωνα µε την επιλογή που χρησιµοποιείται- είναι η «κοντινότερη» εικόνα της βάσης σε σχέση µε αυτήν που έχει εισαχθεί προς αναζήτηση. Επίσης, φαίνεται ο συνολικός αριθµός των αποτελεσµάτων και ο καθαρός χρόνος αναζήτησης. Σχετικά µε τις λειτουργίες του διαχειριστή η εφαρµογή µπορεί να υποστηρίξει µόνο ένα διαχειριστή µε πολλαπλούς κωδικούς και ονόµατα χρήστη. Ο διαχειριστής µπορεί να εισάγει µια ή περισσότερες εικόνες (µέσω batch processing) στη βάση δεδοµένων εικόνων καθώς και µεταδεδοµένα. Η εικόνα εκτός του ότι θα εισαχθεί στη βάση γίνεται upload και στον server σε κάποιο φυσικό χώρο

12 στο δίσκο, έτσι ώστε να είναι διαθέσιµη για τις µελλοντικές αναζητήσεις. Λειτουργίες επεξεργασίας και διαγραφής εικόνων προσφέρονται επίσης. Η πιο σηµαντική από τις σελίδες του διαχειριστή είναι η σελίδα επιλογών συστήµατος, γιατί οι ρυθµίσεις της επηρεάζουν άµεσα την αναζήτηση που γίνεται στις σελίδες του χρήστη, (επιλέγεται δηλαδή ένας από τους 4 διαθέσιµους τρόπους όπως περιγράφηκε πιο πάνω). Η παραπάνω εφαρµογή εγκαταστάθηκε σε υπολογιστή του ΑΠΘ και είναι προσβάσιµη από το διαδίκτυο. Στην εφαρµογή υπάρχουν αποθηκευµένες 450 εικόνες οι οποίες είναι προστατευµένες ως προς τα πνευµατικά τους δικαιώµατα. Για το λόγο αυτό η πρόσβαση στην εφαρµογή γίνεται µέσω κωδικού ο οποίος παρέχεται µετά από συνεννόηση. Η βάση των 450 εικόνων (που απεικονίζουν πίνακες ζωγραφικής), µαζί µε τις 9000 εικόνες που προήρθαν από αυτές µε την εφαρµογή διαφόρων επεξεργασιών και η οποία χρησιµοποιήθηκε για την πειραµατική µελέτη του συστήµατος που αναπτύχθηκε κατά την πρώτη περίοδο του έργου, είναι διαθέσιµη µετά από συνεννόηση για ερευνητικούς σκοπούς. Βιβλιογραφία [Glassner95] A. Glassner, Principles of Digital Image Synthesis, Morgan-Kaufmann Publishers Inc., [Cinque01] L. Cinque, G. Ciocca, S. Levialdi, A. Pellicano, and R. Schettini, Colorbased image retrieval using spatial-chromatic histograms, Image and Vision Computing, vol. 19, pp , [Gaede98] V. Gaede and O. Gunther, ``Multidimensional access methods'', ACM Computing Surveys, vol. 30, no. 2, pp , [Fukunaga90] K. Fukunaga, Statistical Pattern Recognition, Academic Press, 1990.