[发明专利]基于统计深度特征的染色伪造图像检测方法及电子装置

权利要求书

1.一种基于统计深度特征的染色伪造图像检测方法，其步骤包括：

1)将图像从RGB颜色空间变换到可将亮度信息与色度信息解耦合的颜色空间，分别获取每个颜色通道的直方图统计分布信息；其中，所述可将亮度信息与色度信息解耦合的颜色空间包括Lab颜色空间和HSV颜色空间；

所述将图像从RGB颜色空间变换到Lab颜色空间，获取每个颜色通道的直方图统计分布信息，包括：

获取所述图像在RGB颜色空间下的表示数据；

对在RGB颜色空间下的表示数据进行处理，得到在XYZ颜色空间下的表示数据；

对XYZ颜色空间下的表示数据进行处理，得到在Lab颜色空间下的L通道表示数据、a通道表示数据和b通道表示数据；

对a通道表示数据和b通道表示数据分别进行直方图统计；

所述将图像从RGB颜色空间变换到HSV颜色空间，获取每个颜色通道的直方图统计分布信息，包括：

获取所述图像在RGB颜色空间下的表示数据；

对RGB颜色空间进行处理，得到HSV颜色空间下H通道表示数据、S通道表示数据和V通道表示数据；

对H通道表示数据和S通道表示数据分别进行直方图统计；

2)分别获取a通道表示数据、b通道表示数据、H通道表示数据和S通道表示数据直方图统计对应的子向量，并将所述子向量串联拼接，得到颜色统计分布向量；

3)将颜色统计分布向量输入一维卷积神经网络，得到染色伪造图像检测结果；其中，所述一维卷积神经网络包括：一卷积层、一池化层和若干全连接层；

所述卷积层用于提取所述颜色统计分布向量的统计深度特征；

所述池化层用于对所述统计深度特征进行特征抽象任务，得到池化特征；

所述全连接层用于对所述池化特征进行分类，得到染色伪造图像检测结果。

2.如权利要求1所述的方法，其特征在于，所述将颜色统计分布向量输入一维卷积神经网络之前，还包括：

使用归一化方法，对所述颜色统计分布向量进行预处理。

3.如权利要求1所述的方法，其特征在于，卷积层使用线性修正单元激活，前若干全连接层使用归一化指数函数激活，最后的全连接层使用S型函数激活。

4.如权利要求1所述的方法，其特征在于，通过若干带有标签向量的染色伪造图像及对应的真实图像，基于分类损失函数，训练一维卷积神经网络。

5.如权利要求4所述的方法，其特征在于，使用优化器计算训练一维卷积神经网络的学习率；

所述优化器包括自适应矩估计优化器。

6.一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-5中任一所述方法。

7.一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如权利要求1-5中任一所述方法。