一种翻拍图像的检测方法和装置、电子设备制造方法及图纸

本公开提供一种翻拍图像的检测方法和装置、电子设备，其中，该方法包括：将待检测图像划分为多个子图像；分别对每个子图像进行特征提取，获取每个子图像的图像特征，其中，所述子图像的图像特征包括：所述子图像的R通道、G通道、B通道以及所述子图像经过滤波处理后的图像的R通道、G通道、B通道的特征信息；根据所述每个子图像的图像特征对所述待检测图像进行检测。通过本公开，解决了相关技术中翻拍图像的检测准确度较低的问题，实现了提升翻拍图像的检测准确度的效果。的检测准确度的效果。的检测准确度的效果。

【技术实现步骤摘要】
一种翻拍图像的检测方法和装置、电子设备


[0001]本专利技术涉及图像处理
，尤其涉及一种翻拍图像的检测方法和装置、电子设备。

技术介绍

[0002]翻拍图像是指拍摄电脑屏幕或者手机屏幕等而得到的图像，随着图像编辑工具功能不断丰富，翻拍图像存在较高的伪造、篡改风险，因此需要对翻拍图像进行检测。相关技术中的翻拍图像检测方法都是基于机器学习算法，通过手工提取图像特征或者通过神经网络提取图像特征后，对提取到的特征进行分类预测。相关技术中的翻拍图像检测方法如果采用深度学习算法，都会直接对待检测原始图像进行图像压缩，这将会丢失部分翻拍特征，进而影响翻拍图像的检测准确度；而且相关技术中的图像特征提取集中于提取图像边缘信息，这将会导致对背景纹路比较复杂的翻拍图像的识别效果较差；另外通过手工提取图像特征直接输入到机器学习分类器中进行分类训练，也将会导致翻拍图像的检测准确度较低。
[0003]目前，针对相关技术中翻拍图像的检测准确度较低的问题，尚未提出有效的解决方案。

技术实现思路

[0004]本公开的目的是针对现有技术中的不足，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种翻拍图像的检测方法，其特征在于，包括：将待检测图像划分为多个子图像；分别对每个子图像进行特征提取，获取每个子图像的图像特征，其中，所述子图像的图像特征包括：所述子图像的R通道、G通道、B通道以及所述子图像经过滤波处理后的图像的R通道、G通道、B通道的特征信息；根据所述每个子图像的图像特征对所述待检测图像进行检测。2.如权利要求1所述的翻拍图像的检测方法，其特征在于，所述分别对每个子图像进行特征提取，获取每个子图像的图像特征包括：获取所述子图像R通道、G通道、B通道以及所述子图像经过滤波处理后的图像的R通道、G通道、B通道的图像数据；将所述图像数据输入至训练好的卷积神经网络中，得到所述子图像的图像特征，其中，所述训练好的卷积神经网络用于指示图像数据所对应的图像特征。3.如权利要求1所述的翻拍图像的检测方法，其特征在于，所述根据所述每个子图像的图像特征对所述待检测图像进行检测包括：分别将每个所述子图像的图像特征输入至训练好的机器学习分类器中，得到所述子图像的检测结果，其中，所述训练好的机器学习分类器用于指示图像特征所对应的翻拍图像检测结果；计算检测结果为翻拍图像的子图像的数量与所述多个子图像的总数量的比值；在所述比值超过目标阈值时确定所述待检测图像是翻拍图像；在所述比值未超过所述目标阈值时确定所述待检测图像不是翻拍图像。4.如权利要求1所述的翻拍图像的检测方法，其特征在于，所述根据所述每个子图像的图像特征对所述待检测图像进行检测包括：将所述每个子图像的图像特征进行整合，得到所述待检测图像的图像特征，其中，所述待检测图像的图像特征包括：所述每个子图像的图像特征；将所述待检测图像的图像特征输入至训练好的机器学习分类器中，得到所述待检测图像的检测结果，其中，所述训练好的机器学习分类器用于指示图像特征所对应的翻拍图像检测结果。5.一种翻拍图像的检测装置，其特征在于，包括：划分单元，用于将待检测图像划分为多个子图像；提取单元，用于分别对每个子图像进行特征提取，获取每个子图像的图像特征，其中，所述子图像的图像特征包括：所述子图像的R通道、G通道、B通道以及所述...

【专利技术属性】
技术研发人员：苏杭，杨青，
申请(专利权)人：度小满科技北京有限公司，
类型：发明
国别省市：