一種基于二次縫裁剪特征的圖像盲檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理中的圖像盲取證領(lǐng)域，具體涉及一種基于二次縫裁剪特征的 圖像盲檢測(cè)方法。
【背景技術(shù)】
[0002] Seam carving，即縫裁剪，是一種有效的基于內(nèi)容感知改變圖像尺寸的方法。由于 它可以克服傳統(tǒng)縮放和裁剪的限制，現(xiàn)在已經(jīng)獲得一定程度的普及?？p裁剪會(huì)自動(dòng)刪除圖 像中最不重要的路徑來(lái)減小圖像的尺寸，這種最不重要的路徑被稱為縫，同時(shí)也可以插入 縫來(lái)放大圖像?？p定義為一條從上到下或從左到右貫穿圖像的8連通的低能量像素線?？?以用動(dòng)態(tài)規(guī)劃技術(shù)來(lái)選定每個(gè)方向的最佳縫，而所謂最佳縫，是指具有最小積累能量的縫， 其中積累能量表示了縫中像素的結(jié)合重要性。
[0003] 最常用的能量函數(shù)定義如下：
[0004]
【主權(quán)項(xiàng)】
1. 一種基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在于；所述方法包括： (1) 對(duì)圖像進(jìn)行一次額外的縫裁剪操作獲得額外縫裁剪圖像； (2) 進(jìn)行特征提?。挥?jì)算該圖像和其對(duì)應(yīng)的額外縫裁剪圖像間的相似度特征、能量比 特征W及縫距離差值特征； (3) 利用提取到的相似度特征、能量比特征W及縫距離差值特征，通過(guò)訓(xùn)練支持向量機(jī) 來(lái)檢測(cè)縫裁剪。
2. 根據(jù)權(quán)利要求1所述的基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在于：所述 步驟（1)是該樣實(shí)現(xiàn)的： 對(duì)于所有大小為MXN的TIF或JPEG格式的圖像，首先通過(guò)縫裁剪算法在所述圖像的 橫向和縱向分別找到k條縫，然后將該k條縫移除，最后得到（M-k)X(N-k)的縫裁剪圖像， 即為額外縫裁剪圖像； M、N為一副圖像的像素的行數(shù)和列數(shù)。
3. 根據(jù)權(quán)利要求2所述的基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在于：所述 步驟（2)包括： 計(jì)算圖像和其對(duì)應(yīng)的額外縫裁剪圖像間的相似度特征： 采用雙向的相似度測(cè)量方法來(lái)計(jì)算圖像和額外縫裁剪圖像間的相似度特征。
4. 根據(jù)權(quán)利要求3所述的基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在于：所述 步驟（2)包括： 計(jì)算圖像和其對(duì)應(yīng)的額外縫裁剪圖像間的能量比例特征： 對(duì)于一幅圖像，均值能量和能量方差分別定義為：
其中，I是一個(gè)MXN的圖像，山(/，/?)為圖像在X方向上的梯度，為圖像在y方 放' 巧 向上的梯度，實(shí)驗(yàn)中，將能量比定義為：
(7) 其中，Et。,。。,是圖像的均值能量或能量方差，是額外縫裁剪圖像的均值能量或能 量方差。
5. 根據(jù)權(quán)利要求4所述的基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在于：所述 步驟似包括； 計(jì)算圖像和其對(duì)應(yīng)的額外縫裁剪圖像間的縫距離差值特征： 首先，對(duì)于水平縫，縫距離定義為：

(8) 其中Dp是通過(guò)圖像p %的最佳縫和整幅圖像最佳縫的p %間的縫距離，y p是圖像p %的 最佳縫的縱坐標(biāo)，ytpt是整幅圖像最佳縫的P%的縱坐標(biāo)，N P是P%的圖像的像素個(gè)數(shù)；垂直 縫的計(jì)算方法與此相同； 其次，計(jì)算圖像與其對(duì)應(yīng)的額外縫裁剪圖像的縫距離差值： Diffseamdistance - testing ^Pcarced 巧) 其中，DPtesting是圖像的縫距離，Dp earved是額外縫裁剪圖像的縫距離。
6. 根據(jù)權(quán)利要求5所述的基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在于：所述P 取值為 1〇、25、50、75。
7. 根據(jù)權(quán)利要求6所述的基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在于：所述 步驟（3)是該樣實(shí)現(xiàn)的： 將11維特征送入支持向量機(jī)進(jìn)行訓(xùn)練分類，從而實(shí)現(xiàn)縫裁剪的檢測(cè)； 所述11維特征包括；1維的相似度特征，2維的均值能量和能量方差的能量比，W及 8維縫距離差值特征，其中，8維縫距離差值特征包括水平方向P分別取10%、25%、50%、 75%的4維縫距離差值特征的和垂直方向P分別取10%、25%、50%、75%的4維縫距離差 值特征。
8. 根據(jù)權(quán)利要求7所述的基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在于：所述 將11維特征送入支持向量機(jī)進(jìn)行訓(xùn)練分類，從而實(shí)現(xiàn)縫裁剪的檢測(cè)是該樣實(shí)現(xiàn)的： 訓(xùn)練分類包括訓(xùn)練階段和分類階段，在訓(xùn)練階段，用戶給定原始圖像和縫裁剪圖像，假 定原始圖像的標(biāo)志為1，縫裁剪圖像的標(biāo)志為-1 ; 對(duì)原始圖像進(jìn)行步驟（1)和步驟（2)的處理，獲得原始圖像的11維特征，對(duì)縫裁剪圖 像進(jìn)行步驟（1)和步驟（2)的處理，獲得縫裁剪圖像的11維特征，將原始圖像的11維特征 和標(biāo)志1，W及縫裁剪圖像的11維特征和標(biāo)志-1送到支持向量機(jī)進(jìn)行訓(xùn)練，獲得一個(gè)分類 模型； 對(duì)待檢測(cè)圖像進(jìn)行步驟（1)和步驟（2)的處理，獲得待檢測(cè)圖像的11維特征，在分類 階段，將待檢測(cè)圖像的11維特征送到訓(xùn)練階段獲得的分類模型中，如果輸出結(jié)果為1，則 表示該待檢測(cè)圖像是原始圖像，如果輸出結(jié)果為-1，則表示該待檢測(cè)圖像是縫裁剪過(guò)的圖 像； 所述待檢測(cè)圖像是訓(xùn)練階段時(shí)用的原始圖像或縫裁剪圖像，或者任意原始圖像或縫裁 剪圖像。
9. 根據(jù)權(quán)利要求1至8任一所述的基于二次縫裁剪特征的圖像盲檢測(cè)方法，其特征在 于；所述訓(xùn)練支持向量機(jī)采用帶RBF核的LSSVM作為分類器。
【專利摘要】本發(fā)明提供了一種基于二次縫裁剪特征的圖像盲檢測(cè)方法，屬于圖像處理中的圖像盲取證領(lǐng)域。所述方法包括：(1)對(duì)圖像進(jìn)行一次額外的縫裁剪操作獲得額外縫裁剪圖像；(2)進(jìn)行特征提取：計(jì)算該圖像和其對(duì)應(yīng)的額外縫裁剪圖像間的相似度特征、能量比特征以及縫距離差值特征；(3)利用提取到的相似度特征、能量比特征以及縫距離差值特征，通過(guò)訓(xùn)練支持向量機(jī)來(lái)檢測(cè)縫裁剪。本發(fā)明方法所提取的特征維度低，因此有更低的計(jì)算復(fù)雜度，同時(shí)本發(fā)明有更高的檢測(cè)率。
【IPC分類】G06K9-62, G06T7-00
【公開(kāi)號(hào)】CN104599279
【申請(qǐng)?zhí)枴緾N201510049619
【發(fā)明人】柯永振, 山青青, 閔衛(wèi)東, 郭景
【申請(qǐng)人】天津工業(yè)大學(xué)
【公開(kāi)日】2015年5月6日
【申請(qǐng)日】2015年1月30日