[发明专利]一种线裁剪图像检测方法

说明书

本发明涉及一种线裁剪图像检测方法，分为训练和测试二个阶段；训练阶段步骤：对训练集图像进行灰度化处理，再对训练集图像逐个提取其LBP特征和WLD特征，使用Kruskal‑Wallis方法对提取的特征进行特征选择并确定最优的阈值，将经过特征选择后的LBP特征和WLD特征进行串联融合形成训练特征集；测试阶段步骤：对测试图像按训练阶段步骤进行灰度化处理，再提取LBP特征和WLD特征，使用训练阶段确定的最优的阈值对提取的LBP特征和WLD特征进行特征选择，再进行特征融合形成测试特征集；由SVM分类器自动寻找最优参数来判断测试图像是否经过了线裁剪操作。该方法可广泛用于线裁剪图像检测领域，提高检测准确度。

技术领域

本发明涉及一种线裁剪图像检测方法。

背景技术

随着不昂贵的，便携的图像获取设备的普及化，几乎每个人都可以记录、存储和分享数字图像。同时，对于一个普通的用户来说使用不同的图像编辑软件篡改图像变得越来越容易了；而且，这个篡改图像是非常难甚至于不可能通过肉眼来区分它的真伪。因此，图像取证检测在信息安全领域是一个非常活跃的研究方向。线裁剪方法是一种被广泛使用的保持图像本身内容不变的图像缩放方法；它能获得优先的缩放性能，特别是在图像的重要区域保护和整体的内容保持之间缩放时达到一个很好的折中。线裁剪方法作为一种自适应缩放方法已经被嵌入到PhotoShop CS 6和GIMP。然而，线裁剪方法也被使用为了达到篡改图像内容的目的。首先，它可能用来纠正一张图像的组成部分，如果得到的图片用于竞赛，那么它将是一种欺骗；其次，它也可能有意地被用来进行对象删除，这个将改变图像的语义。因此，设计一种被动取证方法来揭示那些经过线裁剪方法是值得研究的。

近年来，已经有些关于线裁剪图像检测方法；起初，取证哈希被用来检测线裁剪图像，它能有效地检测出图像是否经过线裁剪方法进行缩放操作；然而，取证哈希通常需要预先在原图像中建立，它是一种主动取证方法；而且它可能被篡改者移除造成检测失效的情况。在盲取证方法中，从候选图像中提取出324维马尔科夫特征来揭示线裁剪图像；小波绝对矩被用来提取线裁剪图像的特征；有的使用包分解方法来提取怀疑图像的特征来进行线裁剪图像的识别；有的使用基于能量偏差和噪声的方法提取可疑图像的特征来识别图像是否经过线裁剪操作。

上述这些算法虽然比较成熟，但是这些方法都存在着相同的缺点。没有完全考虑线裁剪操作的内在机制，由线裁剪操作带来的可视变形也没有得到进一步探究。

发明内容：

本发明提供线裁剪图像检测方法，可以批量对待测试的图像进行检测它们是否经过线裁剪的操作。

本发明解决上述问题的技术方案分为二个阶段，具体步骤如下：

训练阶段：

步骤一：对训练集图像，先判断是否为灰度图像；如果不是，则需要对其进行灰度化处理；

步骤二：对训练集图像逐个进行LBP特征和WLD特征提取；LBP特征：以1为邻域半径，8个邻域像素来表示中心像素的LBP编码；因此产生一个2⁸＝256维特征；WLD特征：将图像分成3×3块，每一块包含8个方向，在每个方向上提取8维直方图；然后将整个图像作为一个块，再沿每个方向提取8维直方图；最后产生((3×3)+1)×8×8＝640维特征。

步骤三：对步骤二提取的特征应用Kruskal-Wallis统计方法进行特征提取，剔除那些对最后识别率没有贡献的特征；

步骤四：将步骤三经过特征选择后得到的LBP特征和WLD特征进行特征融合；

测试阶段：

步骤一：对测试图像按训练阶段步骤一的操作进行灰度化处理；

步骤二：对测试图像按训练阶段步骤二的方法提取LBP特征和WLD特征；