[发明专利]一种线裁剪图像检测方法

摘要

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。

主权项

一种线裁剪图像检测方法，其特征在于，该方法具体步骤如下：训练阶段：步骤一：对训练集(原始图像和经过线裁剪的图像)判断是否为灰度图像，如果不是灰度图像，则需要对其进行灰度化处理；因为在整个检测过程中，该方法都是对灰度图像进行相应的操作；步骤二：对训练集图像逐个提取它们的LBP特征和WLD特征；步骤三：因为通过步骤二得到的LBP特征和WLD特征的维数比较高，考虑到有部分特征可能对最后的识别率贡献不大而且还会增加计算复杂度；所以需要对提取的特征进行有效的特征选择；对提取的LBP特征和WLD特征分别使用Kruskal‑Wallis统计方法进行特征选择；通过Kruskal‑Wallis测试确定一个最优的阈值，小于阈值的特征被留下，而大于阈值的特征将会被自动删除；步骤四：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：步骤一：对测试图像按训练阶段的步骤一先进行灰度化处理；步骤二：提取测试图像的LBP特征和WLD特征；步骤三：使用训练阶段通过Kruskal‑Wallis测试确定的最优阈值对步骤二中提取的LBP特征和WLD特征进行特征选择操作，剔除那些对识别率贡献不大的特征；步骤四：将训练阶段步骤四得到的特征集和步骤三得到的特征集作为特征向量传送给SVM分类器；SVM分类器将自动寻找最优参数对特征集进行分类，从而确认测试图像是否经过了线裁剪操作。