[发明专利]基于SVM学习的人脸图像磨皮取证方法

说明书

技术领域

本发明涉及数字图像篡改取证技术领域，尤其涉及一种基于SVM学习的人脸图像磨皮取证方法。

背景技术

目前有许多图像处理软件都使人们可以很容易修改人脸图像的外貌，人脸图像磨皮可说是无处不在，这些处理已经给我们建立了一个理想化和不切实际的外貌审美观，正是由于这些软件的便利性以及广泛的使用，我们在日常的生活中越来越难以区分真实人脸图像和磨皮人脸图像。随着人脸图像磨皮软件的广泛使用，磨皮处理后的人脸图像将会随处可见，充斥整个互联网，磨皮处理后的人脸图像与真实人脸图像混杂在一起，这将会欺骗人们的视觉感官，从而影响甚于扭曲人们的外貌审美观；另一方面，在实际应用中，磨皮处理后的人脸图像将会导致人脸识别准确率的下降，这将为我们应用人脸识别技术带来诸多的不便与问题。

数字图像取证技术是通过对数字图像进行分析、鉴别和认证来检测数字图像是否经过篡改的技术。数字图像取证技术的主要目的是鉴别数字图像的真实性和原始性。一般的，可以把数字图像取证技术分为主动取证技术和被动取证技术。目前有关人脸图像磨皮取证技术的研究在国内外都比较少，对于图像磨皮取证技术，基本都停留在对图像的人工模糊润饰操作的检测，并没有对图像磨皮取证技术进行深入的研究。近年，Hany Farid研究团队提出了图像磨皮程度的指示标准，该标准用几何变换和光学变换衡量图像磨皮的程度后用学习分类的方法把估计值与真实的磨皮程度值进行映射。该方法最大的不足之处是，若使用该方法必须同时拥有原始图像和磨皮图像，这也导致其在现实的应用中实用价值较差。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于SVM学习的人脸图像磨皮取证方法，该方法根据人脸图像磨皮前后产生的变化，提出了图像内容不相关特征，不需要提供原始图像，因此能够应用到实际的场合。

本发明的目的通过以下的技术方案实现：基于SVM学习的人脸图像磨皮取证方法，包括以下步骤：

（1）训练阶段：对训练集中每张人脸图像均分别提取图像内容不相关特征，然后对提取的特征进行规范化形成训练样本的特征集，然后将特征集中的特征向量输入SVM分类器进行训练，从而建立SVM模型；

其中，选取以下4个统计量作为图像内容不相关特征构造的基础：RGB颜色空间下，设位置为(i，j)，第k个通道为C_k(i,j),i、j=1,2...N,k=1,2,3，设C(i,j)和分别表示原图像以及参考图像的颜色像素向量，则

范数为：||C(i,j)||=C1(i,j)2+C2(i,j)2+C3(i,j)2;]]>