一种识别翻拍图像的方法和装置制造方法及图纸

一种识别翻拍图像的方法和装置，该在所述方法中，对于接收到的电子图像首先进行高通滤波以获得残差图像；利用每个像素的残差值，并结合本发明专利技术提出的LBP描述方法对每个像素进行描述，得到LBP描述图像；然后通过共生矩阵方法对LBP描述图像进行进一步描述，得到共生矩阵并归一化后可获得图像的特征向量；并利用训练好的分类器对输入图像进行识别从而判断出是否为翻拍图像。本发明专利技术还包含了执行该方法的装置。使用本发明专利技术的方法能够较为全面地考虑现有技术缺失掉的像素纹理信息，并通过描述方法的改变减少计算的复杂度，从而能够在不延长识别时间的情况下提高识别的准确率。

【技术实现步骤摘要】

本专利技术涉及图像处理
，并具体涉及一种识别翻拍图像的方法和装置。
技术介绍
例如在法庭取证时，电子图像越来越多地作为法庭所使用的证据，但随着各种电 子摄像摄影设备的发展，翻拍出来的电子图像的质量也越来越高，加上娴熟的PS技术，很 多翻拍图像会被误认为是原始电子图像，然而，翻拍图像中的一些细节可能较原始图像发 生变化或损失，那么如果将这些图像作为法庭证据可能影响法庭的公正性。因此，存在对翻 拍图像鉴别技术的需求。现有的对图像进行鉴别的技术可分为通用和专用两种检测技术， 例如，专用检测技术可通过检测二次JPEG压缩操作来判定图像可能经过了篡改，通用检测 技术可能基于已有的隐写分析方法进行检测。两者各有利弊。但现有技术并没有充分考 虑翻拍并/或经PS图像中图像纹理的改变在图像识别中所起的作用，因此识别效果并不理 想。
技术实现思路
为了解决上述技术问题，本专利技术提出了一种采用两种纹理描述技术提取图像的特 征向量的方法，并据此利用分类器对图像进行分类预测，从而识别图像是否为翻拍图像。 本专利技术首先提出了一种识别翻拍图像的方法，包括：步骤一，接收电子图像；步骤 二，对所述电子图像进行高通滤波，获得所述电子图像的残差图像；步骤三，使用局部二值 模式LBP描述方法对残差图像的每一个像素的纹理进行描述，生成纹理描述图像；步骤四， 生成所述纹理描述图像的共生矩阵；步骤五，对所述共生矩阵进行归一化，作为该电子图像 的特征向量；步骤六，将所述电子图像的特征向量输入已经训练好的分类器，根据分类器的 输出结果判断该电子图像是否是翻拍图像，其中，将多个已知是否为翻拍图像的电子图像 作为图像库对分类器进行训练，从而获得所述已经训练好的分类器。 根据本专利技术的一个方面，所述纹理描述图像中的每一个像素均使用相应的LBP值 进行描述，其中每一个像素的LBP值通过如下步骤获得：利用LBP-mean方法得到目标像素 及所述目标像素周围八个像素的平均残差值Ini，其计算公式为山=mean(l。，I1, ...，17， 1。）；其中，meanO是求平均值的函数，1。，I1, . . .，17分别是目标像素周围八个像素的残差 值，1。是目标像素 P。的残差值，1 "为求出的平均残差值。在得到平均残差值之后，利用下式 计算目标像素的LBP值：LBPpc^y"1 一?(/，,. -1)2' ;其中，LBPp。是目标像素 p。的LBP值；s () 为取符号函数，即如果自变量为正数则s为1，否则为0 ;121是与目标像素 p。共边的四个像 素即像素 Pc、p2、P4以及p 6的残差值；ln是所述平均残差值。 根据本专利技术的一个方面，所述步骤四具体包括根据所述纹理描述图像中连续水平 或垂直相邻的LBP值出现的次数生成共生矩阵，所述共生矩阵中的每一个值均表示一种连 续水平或垂直相邻的LBP值在所述纹理描述图像中出现的次数。 根据本专利技术的一个方面，在所述步骤五中，首先将共生矩阵转换为向量，然后找出 该向量中的最大值，将该向量中的每个值除以该最大值得到的值作为归一化后的向量值， 从而生成所述特征向量。 根据本专利技术的一个方面，在步骤二中，采用隐写分析技术SRM中的滤波方法对所 述电子图像进行高通滤波。 根据本专利技术的一个方面，在所述步骤六中，分类器选用支持向量机或集成分类器， 在对这些分类器进行训练时，首先将所述图像库中的图像执行所述步骤一到步骤五以提取 各自的特征向量，然后根据该特征向量以及表示是否为翻拍图像的数据对分类器进行训 练，从而得到所述已经训练好的分类器。 本专利技术还提出了一种识别翻拍图像的装置，包括：接收单元，用于接收电子图像； 滤波单元，用于对所述电子图像进行高通滤波，获得所述电子图像的残差图像；描述单元， 用于使用局部二值模式LBP描述方法对残差图像的每一个像素的纹理进行描述，生成纹理 描述图像；生成单元，用于生成所述纹理描述图像的共生矩阵；提取单元，用于对所述共生 矩阵进行归一化，作为该电子图像的特征向量；识别单元，用于将所述电子图像的特征向量 输入已经训练好的分类器，根据分类器的输出结果判断该电子图像是否是翻拍图像，其中， 将多个已知是否为翻拍图像的电子图像作为图像库对分类器进行训练，从而获得所述已经 训练好的分类器。 根据本专利技术的一个方面，在描述单元中，所述纹理描述图像中的每一个像素均使 用相应的LBP值进行描述，其中所述描述单元用于通过执行以下步骤获得每一个像素的 LBP值：利用LBP-mean方法得到目标像素及所述目标像素周围八个像素的平均残差值1"， 其计算公式为：lm= mean(l。，I1, · · ·，17, 1。）；其中，meanO是求平均值的函数，1。，I1, · · ·， I7分别是目标像素周围八个像素的残差值，1。是目标像素 P。的残差值，1"为求出的平均残 差值。在得到平均残差值之后，利用下式计算目标像素的LBP值：其中，LBPp。是目标像素 p。的LBP值；s ()为取符号函数，即如果自变量为正数则s为1，否 则为0 ;121是与目标像素 P。共边的四个像素即像素 P Q、P2、P4以及P 6的残差值；1 "是所述平 均残差值。 根据本专利技术的一个方面，所述生成单元具体用于根据所述纹理描述图像中连续水 平或垂直相邻的LBP值出现的次数生成共生矩阵，所述共生矩阵中的每一个值均表示一 种连续水平或垂直相邻的LBP值在所述纹理描述图像中出现的次数。 根据本专利技术的一个方面，所述提取单元用于首先将共生矩阵转换为向量，然后找 出该向量中的最大值，将该向量中的每个值除以该最大值得到的值作为归一化后的向量 值，从而生成所述特征向量。 根据本专利技术的一个方面，在滤波单元中，采用隐写分析技术SRM中的滤波方法对 所述电子图像进行高通滤波。 根据本专利技术的一个方面，在识别单元中，分类器选用支持向量机或集成分类器，在 对这些分类器进行训练时，首先将所述图像库中的图像执行所述步骤一到步骤五以提取各 自的特征向量，然后根据该特征向量以及表示是否为翻拍图像的数据对分类器进行训练， 从而得到所述已经训练好的分类器。 由此可见，本专利技术提出的技术方案依次运用两种纹理描述技术，即局部二值模式 和共生矩阵，并考虑共生矩阵的大小对该方法带来的复杂度，提出了一种新的局部二值模 式描述方法，从而能够生成适当的共生矩阵。根据本方法，能够在不增加时间和空间复杂度 的情况下提高翻拍图像的识别精确度。【附图说明】 图1是本专利技术提出的识别翻拍图像的方法的总体流程图； 图2是表示电子图像局部像素的放大图。【具体实施方式】 仅为说明的目的提出下述实施例，这些实施例并不限定本专利技术的保护范围。 图1示出了本专利技术提出的识别翻拍图像的方法的总体流程图。 步骤一，接收电子图像； 步骤二，对所述电子图像进行高通滤波，获得所述电子图像的残差图像； 步骤三，使用局部二值模式（Local Binary Pattern，简称LBP)描述方法对残差图 像的每一个像素的纹理进行描述，生成纹理描述图像； 步骤四，生成所述纹理描述图像的共生矩阵； 步骤五，对所述共生矩阵进行归一化，作为该电子图像的特征向量； 步骤六，将所述电子图像的特征向量输入已经训练好的分类器，根据分类器的输 出结果判本文档来自技高网...

【技术保护点】
一种识别翻拍图像的方法，其特征在于，该方法包括：步骤一，接收电子图像；步骤二，对所述电子图像进行高通滤波，获得所述电子图像的残差图像；步骤三，使用局部二值模式LBP描述方法对残差图像的每一个像素的纹理进行描述，生成纹理描述图像；步骤四，生成所述纹理描述图像的共生矩阵；步骤五，对所述共生矩阵进行归一化，作为该电子图像的特征向量；步骤六，将所述电子图像的特征向量输入已经训练好的分类器，根据分类器的输出结果判断该电子图像是否是翻拍图像，其中，将多个已知是否为翻拍图像的电子图像作为图像库对分类器进行训练，从而获得所述已经训练好的分类器。

【技术特征摘要】

【专利技术属性】
技术研发人员：苏琳，
申请(专利权)人：杭州金培科技有限公司，
类型：发明
国别省市：浙江;33