图像平滑化的检测方法及装置制造方法及图纸

本发明专利技术适用图像处理技术领域，提供了一种图像平滑化的检测方法及装置，该方法包括：对图像进行边缘检测，确定边缘点，提取所述边缘点的像素，并建立特征矩阵，对所述特征矩阵进行求导，得到特征导数矩阵，通过分类算法对所述特征导数矩阵进行分类识别，确定对所述图像采用的平滑化算法，实现对图像的平滑化进行有效检测，提高了图像平滑化检测的准确性，进一步提高了图像取证的有效性。

Detection method and device of image smoothing

【技术实现步骤摘要】
图像平滑化的检测方法及装置
本专利技术属于电子设备
，尤其涉及图像平滑化的检测方法及装置。
技术介绍
图像取证技术作为一种保证了图像安全性和完整性的技术手段，近年来在互联网以及大数据应用的普及背景下受到了广泛关注。常见的图像取证研究涵盖了设备取证、篡改取证、编码压缩取证、图像编辑史评估等等范畴。一幅图像的可靠性往往需要经过一系列的取证操作来验证。在这个过程中，图像的成像和编辑史需要被完整地评估，任何有可能应用到的图像操作都需要被检测出来以达到此目的。目前已经有很多针对各种图像编辑方法的检测手段，这其中包括检测图像jpeg压缩、图像增强、上采样下采样、锐化等等，但是目前还没有一种比较系统的针对图像平滑化的检测手段。图像平滑化最基本的用途之一是去除图像噪声。以中值滤波器为代表的一类平滑化操作算法具有极强地去除高频噪声的作用，而著名的高斯低通滤波器更是被作为一种重要的去噪工具而广泛地内置于各类图像编辑软件中。随着智能手机的普及和社交网络的崛起，人们乐于拍摄各种场景、美食和自拍照上传到社交网络，分享生活中的点点滴滴以此作为一种重要的娱乐手段。这些图像通常在上传前经过各种编辑而达到美化效果。而平滑化作为一种美图方式，被广泛运用于自拍照里以达到美颜效果。经过平滑化处理的自拍照可以掩盖各种皱纹、疤痕，这也恰恰会被心怀叵测的犯罪分子利用，达到遮盖面部特征，模糊真实年龄等目的。然而，由于目前无法对图像平滑化进行有效检测，造成难以识别犯罪分子的真实身份。
技术实现思路
本专利技术的目的在于提供图像平滑化的检测方法及装置，旨在解决由于现有技术无法对图像平滑化进行有效检测的问题。第一方面，本专利技术提供了一种图像平滑化的检测方法，所述方法包括下述步骤：对图像进行边缘检测，确定边缘点；提取所述边缘点的像素，并建立特征矩阵；对所述特征矩阵进行求导，得到特征导数矩阵；通过分类算法对所述特征导数矩阵进行分类识别，确定对所述图像采用的平滑化方法。第二方面，提供了一种图像平滑化的检测装置，包括：边缘检测模块，用于对图像进行边缘检测，确定边缘点；特征矩阵建立模块，用于提取所述边缘点的像素，并建立特征矩阵；求导模块，用于对所述特征矩阵进行求导，得到特征导数矩阵；算法识别模块，用于通过分类算法对所述特征导数矩阵进行分类识别，确定对所述图像采用的平滑化算法。本专利技术在进行图像的平滑化检测时，通过对图像进行边缘检测，确定边缘点，提取边缘点的像素，并建立特征矩阵，对特征矩阵进行求导，得到特征导数矩阵，通过分类算法对特征导数矩阵进行分类识别，实现对图像的平滑化进行有效检测，提高了图像平滑化检测的准确性，进一步提高了图像取证的有效性。附图说明图1是本专利技术实施例一提供的图像平滑化的检测方法的实现流程图；图2示出了一种具体的图像平滑化检测方法的实现流程图；图3是本专利技术实施例二提供的图像平滑化的检测装置的结构框图；图4是本专利技术实施例三提供的图像平滑化的检测装置的结构框图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。以下结合具体实施例对本专利技术的具体实现进行详细描述：实施例一：图1示出了本专利技术实施例一提供的图像平滑化的检测方法的实现流程，为了便于说明，仅示出了与本专利技术实施例相关的部分，详述如下：步骤S110中，对图像进行边缘检测，确定边缘点。本专利技术实施例适用于智能手机、电脑等电子设备，这些电子设备中设置处理器，以对图像进行平滑化检测。在平滑化图像中，低频区域由于经过平滑处理后基本上没有任何改变，这要求我们必须着眼于包含高频信息的图像边缘处，通过对经过平滑化处理后的图像进行边缘检测操作，确定边缘点。优选的，通过采用canny算子对图像进行边缘检测。由于canny算子具有很好的自适应功能，因此不需要进行复杂的参数调整和优化即可以获得良好的效果。优选的，若经过平滑化处理后的图像是彩色图像，则需要对图像进行灰度转换。由于需要分析图像的纹理特征，而纹理特征通常是包含在灰度图像中。所以为了达到更好的效果，如果是彩色图像，则须对图像进行灰度变换。如果已经是灰度图像，则可以略过这一步，直接对图像进行边缘检测，确定边缘点。步骤S120，提取边缘点的像素，并建立特征矩阵。具体的，从边缘点中提取N个相邻的边缘点，组成边缘线，N为预设数量，然后从边缘线周边提取N-1条与边缘线平行的非边缘线，通过提取边缘线和非边缘线中边缘点的像素，建立特征矩阵。优选的，N＝5，通过将相邻的五个边缘点构成一条边缘线。在边缘线的两侧查找到和边缘线保持平行的非边缘线，其中每一侧与边缘线最近的两条线被选取出来和边缘线共同组成一个5*5的区域块。这一区域中的像素将被用来建立一个5*5的特征矩阵P，特征矩阵P的中心点为P12。需要说明的是，在实际应用中，可根据具体的使用环境对N进行调整。步骤S130，对特征矩阵进行求导，得到特征导数矩阵。由于特征矩阵中的元素是离散的，所以一次求导可以被看作求差值，二次求导可以看作是在差值的基础之上计算差值的差值。具体地，对特征矩阵求行的一阶导数获得一个一阶特征矩阵，对一阶特征矩阵求列的二阶导数获得特征导数矩阵。例如，沿纵向对如上的5*5的特征矩阵P求行的一阶导数可获得一个新的4*5矩阵S，并沿横向求列的二阶导数获得另一个新的5*3矩阵T。按照此方法可对所有边缘点均求得对应特征导数矩阵。优选的，在对特征矩阵进行求导之前，可通过预设方式对特征矩阵进行量化。通过预先对特征矩阵进行量化，缩小特征矩阵的维度，从而提高运算效率。例如把P0-P3的所有数字一视同仁可以有效减少复杂度。步骤S140，通过分类算法对特征导数矩阵进行分类识别，确定对图像采用的平滑化算法。具体地，提取了特征后选取了SVM(SupportVectorMachine，支持向量机)分类器进行训练，可以有效识别平滑化图像中所采用的平滑化算法。由于SVM分类器对用户更友好，易于实现，提取的特征简单有效，从而更加有利于对特征导数矩阵进行分类识别，提高确定平滑化算法的准确性。优选的，在通过分类算法对特征导数矩阵进行分类识别之前，根据特征导数矩阵的元素建立直方图，从而将特征导数矩阵的各元素出现的数量转换成出现概率以减少误差。优选的，在通过SVM进行分类识别前，可以对特特征导数矩阵进行简化以提高运算速度。例如，由于平滑化图像的特性，经过求导处理的特征导数矩阵中会生成大量0元素。在实际操作中可以针对性地忽略掉0元素进行运算来提高检测效率。优选的，在对特征导数矩阵的元素建立直方图之后，通过对直方图进行归一化处理，以简化特征导数矩阵，进本文档来自技高网...

【技术保护点】
1.一种图像平滑化的检测方法，其特征在于，所述方法包括下述步骤：/n对图像进行边缘检测，确定边缘点；/n提取所述边缘点的像素，并建立特征矩阵；/n对所述特征矩阵进行求导，得到特征导数矩阵；/n通过分类算法对所述特征导数矩阵进行分类识别，确定对所述图像采用的平滑化算法。/n

【技术特征摘要】
1.一种图像平滑化的检测方法，其特征在于，所述方法包括下述步骤：
对图像进行边缘检测，确定边缘点；
提取所述边缘点的像素，并建立特征矩阵；
对所述特征矩阵进行求导，得到特征导数矩阵；
通过分类算法对所述特征导数矩阵进行分类识别，确定对所述图像采用的平滑化算法。


2.如权利要求1所述的方法，其特征在于，提取所述边缘点的像素，并建立特征矩阵的步骤，包括：
从所述边缘点中提取N个相邻的边缘点，组成边缘线，所述N为预设数量；
从所述边缘线周边提取N-1条与所述边缘线平行的非边缘线；
通过提取所述边缘线和非边缘线中边缘点的像素，建立特征矩阵。


3.如权利要求1所述的方法，其特征在于，对所述特征矩阵进行求导，得到特征导数矩阵的步骤，包括：
对所述特征矩阵求行的一阶导数获得一个一阶特征矩阵；
对所述一阶特征矩阵求列的二阶导数获得特征导数矩阵。


4.如权利要求1所述的方法，其特征在于，对所述特征矩阵进行求导，得到特征导数矩阵的步骤之前，所述方法还包括：
通过预设方式对所述特征矩阵进行量化。


5.如权利要求1所述的方法，其特征在于，通过分类算法对所述特征导数矩阵进行分类识别，确定对所述图像采用的平滑化算法的步骤之前，所述方法还包括：
根据所述特征导数矩阵的元素建立直方图。

<...

【专利技术属性】
技术研发人员：丁峰，杨建权，刘毅，肖钟凯，朱国普，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44