[发明专利]一种基于SURF和金字塔算法的水印检测方法及系统

说明书

本发明公开了一种基于SURF和金字塔算法的水印检测方法及系统，包括步骤：步骤S1、将原始图像放缩到与第二样本图像同样的尺寸；步骤S2、通过SURF算法将所述第二样本图像变换到与原图像相同的尺度空间；步骤S3、通过金字塔算法在变换后的第二样本图像中定位ROI区域；步骤S4、确定水印位置；步骤S5、检测水印。本发明具有匹配精度高、匹配速度快等优点。

技术领域

本发明涉及计算机视觉和图像处理的技术领域，具体涉及一种基于SURF和金字塔算法的水印检测方法及系统。

背景技术

图像匹配是通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系，相似性和一致性的分析，寻求相似影像目标。图像匹配技术在摄影测量领域和计算机视觉中都得到了极其广泛的应用,如目标定位、目标跟踪和三维重建等方面。对于这些应用的性能图像匹配的可靠性和计算速度有着至关重要的影响。图像匹配算法可以分为两部分，分别是基于模板的图像匹配和基于特征的图像匹配。基于模板的图像匹配，主要是将一幅图像作为模板并通过逐像素比较的方法搜索模板在另一幅图像上的对应位置的过程。

图像水印检测是图像目标检测的一个分支，因此，当前常用的图像目标检测算法均适用于图像水印检测。尤其是在深度学习快速发展以来，基于深度学习的图像目标检测算法发展很快，图像水印检测也可采用基于深度学习的图像目标检测算法来实现。

公开号为CN109635844A的发明专利公开了一种训练分类器的方法及装置和水印检测方法及装置，其中训练分类器的方法包括：生成待检测水印对应的水印模板；针对多个图像样本，采用所述水印模板对图像样本进行模板匹配，生成匹配结果，所述匹配结果为所述图像样本中与所述水印模板匹配度最高的区域；采用所述匹配结果、以及所述匹配结果中是否包含水印模板的信息训练所述分类器。

但是，对于我们从相机获取的图像存在位移、尺度和旋转的偏差，现有的模板匹配算法对感兴趣区域(region of interest，ROI)的定位很难精确，造成根据相对位置的水印区域的定位不准确，从而无法完成水印检测。

故，针对现有技术的缺陷，如何实现匹配精度高、匹配速度快的水印检测是本领域亟待解决的问题。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种基于SURF和金字塔算法的水印检测方法及系统。主要是基于SURF和金字塔算法，提高了水印检测的准确度及效率。

为了实现以上目的，本发明采用以下技术方案：

一种基于SURF和金字塔算法的水印检测方法，包括步骤：

步骤S1、将原始图像放缩到与第二样本图像同样的尺寸；

步骤S2、通过SURF算法将所述第二样本图像变换到与原图像相同的尺度空间；

步骤S3、通过金字塔算法在变换后的第二样本图像中定位ROI区域；

步骤S4、确定水印位置；

步骤S5、检测水印。

进一步的，在所述步骤S1之前还包括：

步骤S1.1、获取包含水印和ROI的原始图像；

步骤S1.2、基于所述原始图像创建ROI模板区域；并记录ROI与水印的相对位置；

步骤S1.3、获取包含水印和ROI的第二样本图像。

进一步的，所述步骤S4为：

根据第二样本图像中定位的ROI区域和预先记录的ROI与水印的相对位置确定水印位置。

进一步的，所述步骤S5为：

利用灰度图像盲检测数字水印的方法来检测水印。