一种图像接缝裁剪检测方法、设备及存储介质技术

本发明专利技术公开了一种图像接缝裁剪检测方法、设备及存储介质，方法包括：计算待检测图像的LBP值；提取图像的相邻LBP共现特征；将相邻LBP共现特征输入训练好的分类器中进行接缝裁剪检测。本方法基于LBP共现提取特征可反映LBP值的位置关系的特点，即当像素发生改变时，LBP位置关系也发生相应改变，从而判断是否有插入接缝，并在篡改率低的情况下，通过位置信息检测接缝变化，达到检测目的，并使判断更加准确；本方法提取了图像在LBP域的共现特征，能够对接缝裁剪的图像进行检测，提高图像接缝裁剪的准确性。

【技术实现步骤摘要】
一种图像接缝裁剪检测方法、设备及存储介质
本专利技术涉及图像接缝裁剪
，特别涉及一种图像接缝裁剪检测方法、设备及存储介质。
技术介绍
当今社会，数字图像经常需要改变大小来适应不同规格的显示设备。采用传统图像缩放方法，会使同一分辨率图像在不同显示设备上出现形变或内容丢失的情况。为了有效地解决这一问题，基于内容感知(context-aware)的重定向技术应运而生，其中广泛使用的一项技术为接缝裁剪(seamcarving)。接缝定义为像素的八个连接路径，从上到下垂直或从左到右水平。连续去除最佳接缝，即那些能量总和最低的接缝，以达到减小图像尺寸或者去除目标物体的目的，以相同定义方法增加接缝，达到放大图像尺寸的目的。接缝裁剪不仅可以调整图像大小，还可以去除图像上的特定对象。使用接缝裁剪移走特定对象时，首先标记删除的区域，再将标记区域的能量值分配为0，然后计算整个图像的能量值以识别重要区域和不重要区域，以连续移除能量值最低的接缝，直到删除所有标记区域。针对基于seamcarving的图像篡改，A.Sarkar等人提出了一种基于马尔可夫特性的篡改检测方法(S.AvidanandA.Shamir.Seamcarvingforcontent-awareimageresizing.ACMTrans.onGraphics,(ProceedingsSIGGRAPH2007),26(3),2007.)。TingYin等人利用局部二值模式(LBP)进行预处理。并定义六个新的半缝特征以揭示半张图像中的能量变化(T.Yin,G.Yang,L.Li,D.Zhang,X.Sun.Detectingseamcarvingbasedimageresizingusinglocalbinarypatterns.Comput.Secur.55:130-141,November2015.)。YongzhenKe等人提出了一种基于额外接缝裁剪操作的检测方法(Y.Ke,Q.Shan,F.Qin,W.MinandJ.Guo.DetectionofSeamCarvedImageBasedonAdditionalSeamCarvingBehavior.ImageProcessingandPatternRecognitionVol.9,No.2(2016),pp.167-178.)。RongHan等人提出了一种基于块伪影网格(BAG)错配特征的检测方法(R.Han,Y.Ke,L.Du,F.QinandJ.Guo.Exploringthelocationofobjectdeletedbyseam-carving.ExpertSystemswithApplications.Vol.95,pages162-171,April2018.)。L.Fernan等人结合了卷积神经网络和局部二值模式，以识别图像是否已经历过接缝裁剪(L.F.S.Cieslak,K.A.P.daCosta,andJ.P.Papa.SeamCarvingDetectionUsingConvolutionalNeuralNetworks.IEEESACI,May17-19,2018.)。目前，接缝裁剪可以用于恶意更改图像内容，这使得数字图像的真实性越来越难以辨认，对司法取证造成了巨大的阻碍，使新闻报道也产生了严重的信任危机。因此，数字图像取证的接缝裁剪检测已经成为数字图像研究与应用领域的一个重要部分。对于接缝裁剪技术的优化一直在更新换代，而基于接缝裁剪的图像篡改检测也在不断发展，方法多种多样，就目前存在的一些基于LBP的接缝裁剪检测技术中，明显存在着以下缺陷：(1)目前，当图像进行接缝裁剪处理后，图像的尺寸将缩小，需要再次插入接缝以扩大图像尺寸，此时，会改变图像能量分布，这将抵消由图像缩小引起的能量分布变化，从而导致检测性能下降；(2)现有的一些检测方法对于低篡改率(指图片被篡改的很少，很难发现基于接缝的特征)的图像不易检测到。因此，目前对于图像接缝裁剪检测的研究仍十分必要。
技术实现思路
本专利技术的目的在于至少解决现有技术中存在的技术问题之一。为此，本专利技术提供了一种图像接缝裁剪检测方法、设备及存储介质，提取了图像在LBP域的共现特征，能够对接缝裁剪的图像进行检测，提高图像接缝裁剪的准确性。根据本专利技术实施例提供的一种图像接缝裁剪检测方法，包括以下步骤：计算待检测图像的LBP值；提取所述图像的相邻LBP共现特征；将所述相邻LBP共现特征输入训练好的分类器中进行接缝裁剪检测。根据本专利技术的一些实施例，所述LBP值为圆形化LBP值。根据本专利技术的一些实施例，所述提取所述图像的相邻LBP共现特征，进一步包括以下步骤：进行LBP稀疏配置；将每个LBP转换为向量fi(r)＝δi,l(b(r))，其中，δ为克罗内克函数，b(r)为位置矢量r处的二进制值，l为b(r)的标签值；计算位置矢量r在(0,Δr)T,(Δr,0)T,(Δr,Δr)T,(-Δr,Δr)T四个方向的自相关矩阵f(r)f(r+a)T，其中，a为两个相邻LBP的位移矢量；从所述自相关矩阵中提取出LBP共现特征。根据本专利技术的一些实施例，还包括步骤：提取所述图像的第一检测特征；选取所述图像的部分检测区域，并提取所述部分检测区域的第二检测特征；将所述第一检测特征、所述第二检测特征、以及所述相邻LBP共现特征一同输入训练好的分类器中进行接缝裁剪检测。根据本专利技术的一些实施例，所述第一检测特征包括：基于能量的特征、基于接缝的特征、以及基于噪声的特征。根据本专利技术的一些实施例，提取所述基于噪声的特征时，采用5*5窗口的winner滤波器。根据本专利技术的一些实施例，所述选取所述图像的部分检测区域，并提取所述部分检测区域的第二检测特征，进一步包括：选取所述图像的1/2图像尺寸或者1/3图像尺寸，提取1/2图像尺寸或者1/3图像尺寸的基于接缝的特征。根据本专利技术的一些实施例，所述分类器为SVM分类器或集成分类器。根据本专利技术实施例提供的一种图像接缝裁剪检测设备，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行上述的一种图像接缝裁剪检测方法。根据本专利技术实施例提供的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述的一种图像接缝裁剪检测方法。根据本专利技术实施例提供的一种图像接缝裁剪检测方法、设备及存储介质，至少具有以下有益效果：针对
技术介绍
中存在的技术问题，本方案基于LBP共现提取特征可反映LBP值的位置关系的特点，即当像素发生改变时，LBP位置关系也发生相应改变，从而判断是否有插入接缝，并在篡改率低的情况下，通过位置信息检测接缝变化，达到检测目的，并使判断更加准确；本方法提取本文档来自技高网...

【技术保护点】
1.一种图像接缝裁剪检测方法，其特征在于，包括以下步骤：/n计算待检测图像的LBP值；/n提取所述图像的相邻LBP共现特征；/n将所述相邻LBP共现特征输入训练好的分类器中进行接缝裁剪检测。/n

【技术特征摘要】
1.一种图像接缝裁剪检测方法，其特征在于，包括以下步骤：
计算待检测图像的LBP值；
提取所述图像的相邻LBP共现特征；
将所述相邻LBP共现特征输入训练好的分类器中进行接缝裁剪检测。


2.根据权利要求1所述的一种图像接缝裁剪检测方法，其特征在于，所述LBP值为圆形化LBP值。


3.根据权利要求2所述的一种图像接缝裁剪检测方法，其特征在于，所述提取所述图像的相邻LBP共现特征，进一步包括以下步骤：
进行LBP稀疏配置；
将每个LBP转换为向量fi(r)＝δi,l(b(r))，其中，δ为克罗内克函数，b(r)为位置矢量r处的二进制值，l为b(r)的标签值；
计算位置矢量r在(0,Δr)T,(Δr,0)T,(Δr,Δr)T,(-Δr,Δr)T四个方向的自相关矩阵f(r)f(r+a)T，其中，a为两个相邻LBP的位移矢量；
从所述自相关矩阵中提取出LBP共现特征。


4.根据权利要求3所述的一种图像接缝裁剪检测方法，其特征在于，还包括步骤：
提取所述图像的第一检测特征；
选取所述图像的部分检测区域，并提取所述部分检测区域的第二检测特征；
将所述第一检测特征、所述第二检测特征、以及所述相邻LBP共现特征一同输入训练好的分类器中进行接缝裁剪检测。

【专利技术属性】
技术研发人员：李峰，陈晓，章登勇，王进，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43