[发明专利]一种图像接缝裁剪检测方法、设备及存储介质

说明书

本发明公开了一种图像接缝裁剪检测方法、设备及存储介质，方法包括：计算待检测图像的LBP值；提取图像的相邻LBP共现特征；将相邻LBP共现特征输入训练好的分类器中进行接缝裁剪检测。本方法基于LBP共现提取特征可反映LBP值的位置关系的特点，即当像素发生改变时，LBP位置关系也发生相应改变，从而判断是否有插入接缝，并在篡改率低的情况下，通过位置信息检测接缝变化，达到检测目的，并使判断更加准确；本方法提取了图像在LBP域的共现特征，能够对接缝裁剪的图像进行检测，提高图像接缝裁剪的准确性。

技术领域

本发明涉及图像接缝裁剪技术领域，特别涉及一种图像接缝裁剪检测方法、设备及存储介质。

背景技术

当今社会，数字图像经常需要改变大小来适应不同规格的显示设备。采用传统图像缩放方法，会使同一分辨率图像在不同显示设备上出现形变或内容丢失的情况。为了有效地解决这一问题，基于内容感知(context-aware)的重定向技术应运而生，其中广泛使用的一项技术为接缝裁剪(seam carving)。

接缝定义为像素的八个连接路径，从上到下垂直或从左到右水平。连续去除最佳接缝，即那些能量总和最低的接缝，以达到减小图像尺寸或者去除目标物体的目的，以相同定义方法增加接缝，达到放大图像尺寸的目的。接缝裁剪不仅可以调整图像大小，还可以去除图像上的特定对象。使用接缝裁剪移走特定对象时，首先标记删除的区域，再将标记区域的能量值分配为0，然后计算整个图像的能量值以识别重要区域和不重要区域，以连续移除能量值最低的接缝，直到删除所有标记区域。

针对基于seam carving的图像篡改，A.Sarkar等人提出了一种基于马尔可夫特性的篡改检测方法(S.Avidan and A.Shamir.Seam carving for content-aware imageresizing.ACM Trans.on Graphics,(Proceedings SIGGRAPH 2007),26(3),2007.)。TingYin等人利用局部二值模式(LBP)进行预处理。并定义六个新的半缝特征以揭示半张图像中的能量变化(T.Yin,G.Yang,L.Li,D.Zhang,X.Sun.Detecting seam carving based imageresizing using local binary patterns.Comput.Secur.55:130-141,November 2015.)。Yongzhen Ke等人提出了一种基于额外接缝裁剪操作的检测方法(Y.Ke,Q.Shan,F.Qin,W.Min and J.Guo.Detection of Seam Carved Image Based on Additional SeamCarving Behavior.Image Processing and Pattern Recognition Vol.9,No.2(2016),pp.167-178.)。Rong Han等人提出了一种基于块伪影网格(BAG)错配特征的检测方法(R.Han,Y.Ke,L.Du,F.Qin and J.Guo.Exploring the location of object deleted byseam-carving.Expert Systems with Applications.Vol.95,pages 162-171,April2018.)。L.Fernan等人结合了卷积神经网络和局部二值模式，以识别图像是否已经历过接缝裁剪(L.F.S.Cieslak,K.A.P.da Costa,and J.P.Papa.Seam Carving Detection UsingConvolutional Neural Networks.IEEE SACI,May 17-19,2018.)。

目前，接缝裁剪可以用于恶意更改图像内容，这使得数字图像的真实性越来越难以辨认，对司法取证造成了巨大的阻碍，使新闻报道也产生了严重的信任危机。因此，数字图像取证的接缝裁剪检测已经成为数字图像研究与应用领域的一个重要部分。

对于接缝裁剪技术的优化一直在更新换代，而基于接缝裁剪的图像篡改检测也在不断发展，方法多种多样，就目前存在的一些基于LBP的接缝裁剪检测技术中，明显存在着以下缺陷：