[发明专利]一种基于卷积神经网络的重采样图像检测方法

权利要求书

1.一种基于卷积神经网络的重采样图像检测方法，其特征在于，包括以下步骤：

将检测图像按照α进行分割，得到若干个子图像，所述的α是人为预设值；

将全部的子图像的颜色通道进行归一化处理；所述的“将全部的子图像的颜色通道进行归一化处理”包括以下内容：

将全部的子图像的颜色通道减去β进行归一化处理，所述的β是人为预设值；

根据检测图像构建重采样数据库；

所述的“根据检测图像构建重采样数据库”包括以下子步骤：

将检测图像按照γ进行重采样，得到重采样图像，所述的γ是人为预设的重采样因子；

根据子图像的大小分别对检测图像和重采样图像进行分割，得到检测图像的分割图像和重采样图像的分割图像；

根据检测图像的分割图像和重采样图像的分割图像构成重采样数据库的训练集和测试集；

重采样数据库通过卷积神经网络进行训练优化；

所述的“重采样数据库通过卷积神经网络进行优化”中的卷积神经网络包括以下内容：

卷积神经网络包括一层卷积层、三层残差层、一层平均池化层和两层全连接层；

所述的三层残差层由两层卷积层串联后再与另一个卷积层并联组成，并联的卷积层作为残差映射；

归一化后子图像根据优化后的重采样数据库进行筛选；

筛选后的子图像通过阈值法进行判断，若不小于阈值，则认定检测图像存在重采样操作；若小于阈值，则认定检测图像不存在重采样操作；

所述的“筛选后的子图像通过阈值法进行判断”包括以下内容：

根据检测图像的子图像中重采样的数量和检测图像的子图像总数量计算比值，通过比值与阈值δ相比较若不小于阈值，则认定检测图像存在重采样操作；若小于阈值，则认定检测图像不存在重采样操作。

2.根据权利要求1所述的重采样图像检测方法，其特征在于，所述的α是256×256像素或者128×128像素或者64×64像素。

3.根据权利要求2所述的重采样图像检测方法，其特征在于，所述的β=128像素。

4.根据权利要求1所述的重采样图像检测方法，其特征在于，所述的γ中的上采样因子是1.03或者1.05或者1.1；γ中的下采样因子是0.6或者0.7或者0.80。

5.根据权利要求4所述的重采样图像检测方法，其特征在于，所述的重采样数据库的训练集加入了高斯噪声。

6.根据权利要求1~5任意一项所述的重采样图像检测方法，其特征在于，所述的“归一化后子图像根据优化后的重采样数据库进行筛选”包括以下子步骤：

去除子图像中非重采样子图像；

统计子图像中重采样的数量。