一种针对物体删除的缝裁剪图像定位取证方法技术

本发明专利技术提供了一种针对物体删除的缝裁剪图像定位取证方法，属于图像处理中的图像盲取证领域。该针对物体删除的缝裁剪图像定位取证方法包括：(1)对待检测图像进行块效应网格提取，获得待检测图像的块效应网格图G；(2)对所述块效应网格图G进行特征提取，获得特征；(3)利用无监督聚类方法对所述特征进行分类，获得分类标记结果图；(4)根据分类标记结果图进行定位检测。利用本发明专利技术方法可以检测出图像是否有物体被删除，并且可以定位出被删除物体的具体位置。

【技术实现步骤摘要】
一种针对物体删除的缝裁剪图像定位取证方法
本专利技术属于图像处理中的图像盲取证领域，具体涉及一种针对物体删除的缝裁剪图像定位取证方法。
技术介绍
缝裁剪即Seam-Carving是一种基于内容感知的图像缩放技术。该技术不仅可以实现图像的缩放，还可以实现特定物体的移除。在利用缝裁剪实现特定物体移除时，首先要将删除的区域标记出来，然后将该区域的能量值赋值为0，最后不断地删除一条能量最低的缝，直到所有标记的区域删除为止。该方法使得删除物体成为可能，同时不会造成图像的扭曲与变形。缝定义为一条从上到下或从左到右贯穿图像的8连通的低能量像素线。可以用动态规划技术来选定每个方向的最佳缝，而所谓最佳缝，是指具有最小积累能量的缝，其中积累能量表示了缝中像素的结合重要性。最常用的能量函数定义如下：其中，I是一个n×m的图像。对于一条垂直缝，可以定义为：其中x表示映射x:[1,...,n]→[1,...,m]。最佳缝s*是一条能量总和最小的缝，可以通过动态规划M对于每个入口(i,j)的所有可能的连接缝计算而得。M(i,j)＝e(i,j)+min(M(i-1,j-1),M(i,j-1),M(i-1,j+1)本文档来自技高网...

【技术保护点】
一种针对物体删除的缝裁剪图像定位取证方法，其特征在于：所述方法包括：(1)对待检测图像进行块效应网格提取，获得待检测图像的块效应网格图G；(2)对所述块效应网格图G进行特征提取，获得特征；(3)利用无监督聚类方法对所述特征进行分类，获得分类标记结果图；(4)根据分类标记结果图进行定位检测。

【技术特征摘要】
1.一种针对物体删除的缝裁剪图像定位取证方法，其特征在于：所述方法包括：(1)对待检测图像进行块效应网格提取，获得待检测图像的块效应网格图G；(2)对所述块效应网格图G进行特征提取，获得特征；(3)利用无监督聚类方法对所述特征进行分类，获得分类标记结果图；(4)根据分类标记结果图进行定位检测。2.根据权利要求1所述的针对物体删除的缝裁剪图像定位取证方法，其特征在于：所述步骤(2)是这样实现的：对于块效应网格图G中的每一个8*8的块A＝[a]8*8，使用下式获得纵向累加序列B：对纵向累加序列B进行降序排列，得到降序后的集合C及对应的坐标Index：[C,Index]＝sort(B,'descend')其中，sort为排序操作，‘descend’表示降序，C为降序后的序列集合，Index为每个序列值在纵向累加序列B中对应的索引坐标；提取纵向累加序列B的最大值f1、次大值f2：f1＝c1,ci∈C|i∈{1,2,...,8}f2＝c2,ci∈C|i∈{1,2,...,8}提取纵向累加序列B的最大值对应的坐标f4、次大值对应的坐标f5：f4＝index1,indexi∈Index|i∈{1,2,...,8}f5＝index2,indexi∈Index|i∈{1,2,...,8}提取纵向累加序列B的最大值与次大值之和与全部值之和的比值特征f7：提取纵向累加序列B的标准差特征f9：其中，3.根据权利要求2所述的针对物体删除的缝裁剪图像定位取证方法，其特征在于：所述步骤(3)是这样实现的：将最大值f1、次大值f2、最大值对应的坐标f4、次大值对应的坐标f5、比值特征f7、标准差特征f9作为输入，利用无监督聚类方法获得分类标记结果，并将分类标记结果显示出来，得到分类标记结果图。4.根据权利要求2所述的针...

【专利技术属性】
技术研发人员：柯永振，韩蓉，杜玲，郭景，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津,12