[发明专利]基于频域局部统计模型的数字图像拼接被动检测方法

权利要求书

1.一种基于频域局部统计模型的数字图像拼接被动检测方法，其特征在于：该方法包括：

①提取训练集中的图像的频域LTP特征；

②对频域LTP特征进行规范化处理，利用KPCA对规范化后的频域LTP特征进行降维处理；

③将降维后的特征输入SVM分类器进行训练，保存已训练好的分类器；

④提取待测图像的频域LTP特征，并进行规范化和降维处理；

⑤利用步骤③训练好的SVM分类器与步骤④得到降维特征进行比较，以鉴定待测图像的真伪性。

2.根据权利要求1所述的基于频域局部统计模型的数字图像拼接被动检测方法，其特征是，所述的图像频域LTP特征提取，具体包括以下步骤：

1)将大小为Q₁×Q₂的图像划分为个互不重叠且大小为b×b的图像块，得到分块矩阵

其中，X^b表示分块大小为b×b的图像分块矩阵，(1≤i≤r,1≤j≤s)表示大小为b×b的图像像素矩阵，b∈{4,8,16}；

2)对每一个图像像素矩阵实施二维DCT变换，得到分块大小为b×b的BDCT系数矩阵

其中，Y^b表示分块大小为b×b的BDCT系数矩阵，表示大小为b×b的DCT系数矩阵，b∈{4,8,16}，其中，矩阵C的元素为

C(k,l)=1b,0≤k≤b-1,l=0C(k,l)=2bcos(π(2k+1)l2b),0≤k≤b-1,1≤l≤b-1]]>

3)选取邻域元素数目L＝8、半径R∈{1,2}和ε＝0.9，对取绝对值后的BDCT系数矩阵Y^b(b∈{4,8,16})进行LTP特征提取，再将所得的LTP特征进行组合，得到BDCT域的LTP特征：

ΠBDCT={FL,Rb|b∈{4,8,16},L=8,R={1,2}}]]>

4)选取Meyer小波函数对图像进行一级小波变换，得到图像的低频子带、水平高频子带、竖直高频子带和对角高频子带，依次分别记作CA、CH、CV和CD；

5)选取邻域元素数目L＝8、半径R＝1和ε＝1.5，分别计算取绝对值后的子带CH的LTP特征、取绝对值后的子带CV的LTP特征和取绝对值后的子带CD的LTP特征，依次分别记作和然后将这三个子带的LTP特征进行组合，得到DWT域LTP特征：

ΠDWT={FL,RΘ|Θ∈{CH,CV,CD},L=8,R=1}]]>

6)将步骤3)中的BDCT域LTP特征和步骤5)中的DWT域LTP特征进行组合，得到用于图像拼接检测的频域LTP特征

Π＝{Π_f|f∈{BDCT,DWT}}。

3.根据权利要求1所述的基于频域局部统计模型的数字图像拼接被动检测方法，其特征是，所述的训练集是由一些已知类别的图像构成，包括自然图像和拼接图像，对训练集的每一幅图像提取上述频域LTP特征，并用不同的标志位来标志其图像所属类别。