基于多分辨率过冲效应度量的锐化图像识别方法
【技术领域】
[0001] 本发明属于图像处理技术领域，更进一步涉及图像识别技术领域中的一种基于多 分辨率过冲效应度量的锐化图像识别方法。本发明可有效的识别经历过锐化操作的数字图 像，可用于对互联网、法庭、新闻传媒等场合中的图像的真实性进行检测。
【背景技术】
[0002] 数字图像广泛应用于日常生活和工作当中，随着数字图像编辑软件的快速发展， 越来越多的篡改图像出现在互联网传媒甚至法庭物证之中，严重影响了社会舆论的走向及 司法的公正。这些问题促进了数字图像鉴别技术的发展，目前有三种技术手段可供使用：数 字签名、数字水印以及数字图像盲取证技术。前两种方法要求内容的提供方必须对图像进 行预处理，如插入数字水印或数字签名等。然而，在实际应用中，我们常常需要对没有预嵌 入信息的图像进行真伪和来源的鉴别，这就是图像盲取证技术，它是一种新的图像篡改鉴 别思路。为了判断一幅图像是否是经历过人为的篡改，各种类型的图像操作都必须经受检 测。图像锐化作为一种常用的图像润饰手段，通常被篡改者用来减少甚至抹去之前篡改时 所遗留的痕迹，因此对锐化图像的识别可以为图像篡改的鉴定提供间接证据。
[0003] G. Cao, Y. Zhao, R. Ni,和 A. C. Kot 在文献 "Unsharp masking sharpening detection via overshoot artifacts analysis'，（IEEE Signal Processing Letters, vo I. 18, no. 10, pp. 603 - 606, 2011)中提出了一种基于图像边缘单像素带过冲强度度量的方 法。该方法通过将整幅图像中所有边缘的过冲效应的平均强度与人为预设定阈值进行比 较来判定一幅图像是否是锐化图像。该方法存在的不足之处是：没有考虑到过冲效应强度 与图像边缘梯度之间的关系，只是简单的使用过冲效应的平均值来表征一幅图像的锐化程 度，因而会对锐化程度较轻的锐化图像出现漏检，导致识别率不高。
[0004] F. Ding, G. Zhu,和 Y. Shi 在文献 "A novel method for detecting image sharpening based on local binary pattern'， （in:Proceedings of International Workshop on Digital-Forensics and Watermarking, 2013, pp. 180 - 191)中提出了一种基 于旋转不变LBP (local binary pattern)特征的锐化图像识别方法。该方法通过提取整幅 图像的边缘点的旋转不变LBP特征来训练分类器并将之用于分类。该方法的不足之处是： 对于纹理过于复杂的锐化图像来说，因为存在较多的边缘交叉点，导致旋转不变LBP特征 无法有效的表征其过冲效应，因而会出现漏检，从而导致识别率不高。
[0005] F. Ding, G. Zhu，J. Yan，J. Xie,和 Y. Shi 在文献 "Edge perpendicular binary coding for USM sharpening detection'，（IEEE Signal Processing Letters, vol. 22, no .3, pp. 327 - 331，2015)中提出了一种基于边缘垂直方向二进制编码特征（EPBC)的锐化识 别方法。该方法通过提取整幅图像的边缘的EPBC特征来训练分类器并将之用于分类。该 方法的不足之处是：EPBC特征无法很好的表征轻度的锐化操作，导致该方法对于锐化程度 较轻的锐化图像有一定的漏检率。
【发明内容】
[0006] 本发明的目的在于克服上述现有技术的不足，提出一种基于多分辨率过冲效应度 量的锐化图像识别方法，以达到提高识别准确率，降低空间复杂度的目的。
[0007] 实现本发明的技术思路是，使用非下采样轮廓波变换将图像已提取的边缘点分类 为强边缘、次强边缘以及弱边缘点三类，分别计算三类图像边缘点的过冲效应的强度，最终 通过决策融合来判定一幅测试图像是否是锐化图像，从而达到提高识别准确率的目的。
[0008] 为实现上述目的，本发明包括如下主要步骤：
[0009] ⑴提取图像边缘点：
[0010] (Ia)对于待测试图像是彩色图像的，提取该待测试图像的亮度通道作为单通道图 像，对于待测试图像是灰度图像的，对该单通道图像不进行任何处理；
[0011] (Ib)利用卡尼Canny算子，对单通道图像进行边缘检测，得到该单通道图像的边 缘图像；
[0012] (Ic)在边缘图像中，以0°为起点，以45°为间隔选取8个方向的边缘，删除其中 存在交叉点的边缘，得到图像边缘点集合；
[0013] ⑵非下采样轮廓波变换：
[0014] 使用非下采样轮廓波变换NSCT工具包，对单通道图像进行3层、每层8个方向的 非下采样轮廓波变换，得到该图像在3层、每层8个方向上的分解系数；
[0015] (3)图像边缘点分类：
[0016] 对于每一个图像边缘点，按照以下规则进行分类：
[0017]如果(I)l (，'，/) = φ, (，·，./)，则将 加入集合 w;
[0018] 如果φ2 (，_，./) = η，(丨),（，·，./)，则将 加入集合 M ;
[0019] 如果 φ; (^./) = ηψχ Φ, (/，./)，则将 &」加入集合 s ;
[0020] 其中，?t(i，j)表示图像边缘点& ,在第t层中的8个方向子带系数中的最大值， t表示分解系数所在的层，t的取值范围为{1，2, 3}，（i，j)表示图像边缘点对应的坐标，i 的取值范围为[1，M]，M表示边缘图像的长度，j的取值范围为[1，N]，N表示边缘图像的宽 度，max表示取最大值操作，S、M、W分别表示初始化为空集的强、次强、弱图像边缘点集合；
[0021] (4)度量过冲效应：
[0022] (4a)抽取边际阶跃型边缘点；
[0023] (4b)计算边际阶跃型边缘点的过冲效应强度；
[0024] (4c)度量图像边缘点集合的过冲效应强度；
[0025] (5)对于每一个单通道图像，按照以下规则进行决策融合锐化判定：
[0026] (5a)如果fs> τ i，判定为锐化图像，完成决策融合锐化判定，否则，执行步骤 (5b);
[0027] (5b)如果τ 2< f τ 1并且r w> r。，判定为锐化图像，完成决策融合锐化判定， 否则，执行步骤（5c);
[0028] (5c)如果τ2< f τ 1并且rw< r。，判定为非锐化图像，完成决策融合锐化判 定，否则，执行步骤（5d);
[0029] (5d)如果fs< τ 2，判定为非锐化图像，完成决策融合锐化判定；
[0030] 其中，fs表示图像边缘点集合S的过冲效应的强度，τ i表示强锐化阈值，τ 1的取 值范围为[17, 20]中的实数，τ2表示弱锐化阈值，τ 2的取值范围为[13, 15]中的实数，r w 表示图像边缘点集合W的维数与总图像边缘点数的比值，r。表示弱锐化点比例阈值，r。的 取值范围为[0· 25, 0· 35]中的实数。
[0031] 本发明与现有技术相比具有如下优点：
[0032] 第一，本发明由于在计算过程中删除了存在交叉的边缘点以及过冲效应过于弱的 边缘点，克服了现有技术无法识别纹理过于复杂的锐化图像的问题，使得本发明对图像边 缘点的过冲效应的度量更加精确，提高了识别锐化图像的准确率。
[0033] 第二，本发明由于分别对每一类图像边缘点集合的过冲效应进行度量，并通过决 策融合来判定图像是否经历过锐化操作，克服了过冲效应强度较低的边缘像素点不能被识 别的问题，解决了轻度锐化图像的漏检问题。
[0034] 第三，本发明不需要进行特征提取以及分类器训练，从而降低了时间以及空间复 杂度。
【附图说明】
[0035] 图1为本发明的流程图。
【具体实施方式】
[0036] 下面结合附图1，对本发明实现的步骤作进一步的详细描述。
[0037] 步骤1，提取图像边缘点。
[0038] 对于待测试图像是彩色图像的，提取该待测试图像的亮度通道作为单通道图像， 对于待测试图像是灰度图像的，对该单通道图像将不进行任何处理。
[0039] 利用卡尼Canny算子，对单通道图像进行边缘检测，得到该单通道图像的边缘图 像。
[0040] 在边缘图像中，以0°为起点，以45°为间隔选取8个方向的边缘，删除其中存在 交叉点的边缘，得到图像边缘点集合。
[0041] 步骤2,非下采样轮廓波变换。
[0042] 使用非下采样轮廓波变换NSCT工具包，对单通道图像进行3层、每层8个方向的 非下采样轮廓波变换，得到该图像在3层、每层8个方向上的分解系数。
[0043] 步骤3,图像边缘点分类。
[0044] 在图像处理中，我们一般将图像边缘点分为三类：阶跃型、房顶型、凸圆型。三类边 缘点处的灰度变化程度依次递减，阶跃性点灰度变化大，凸圆型点的灰度变化小，按照这个 分类，对于每一个图像边缘点，按照以下规则进行分类：
[0045] 如果Φ丨（，，./) =腦XΦ, (/，./)，则将e加入集合W ;
[0046] 如果（，_，./) = (丨), (，_，./)'则将吖j加入集合M ;
[0047] 如果(4J)=〒(y)，则将ei, j加入集合S ;
[0048] 其中，?t(i，j)表示图像边缘点\ ,在第t层中的8个方向子带系数中的最大值， t表示分解系数所在的层，t的取值范围为{1，2, 3}，（i，j)表示图像边缘点对应的坐标，i 的取值范围为[1，M]，M表示边缘图像的长度，j的取值范围为[1，N]，N表示边缘图像的宽 度，max表示取最大值操作，S、M、W分别表示初始化为空集的强、次强、弱图像边缘点集合。
[0049] 步骤4，度量过冲效应。
[0050] 以每一个图像边缘点为中心原点，提取与其所在边缘方向垂直的单像素带。
[0051] 按照以下约束条件，从图像边缘点集合中抽取边际阶跃型边缘点：
[0052]
[0053] 其中，μ廊μ j别表示位于单像素带中[_7,-1]和[1，7]区间内的像素点的灰 度值的均值，σ#Ρ σ ^>别表示位于单像素带中[-7,-1]和[1，7]区间内的像素点的灰度 值的方差，I · I表示取绝对值操作，or表示或操作。
[0054] 按照以下公式，计算边际阶跃型边缘点的过冲效应强度：
[0055]
[0056] 其中，Cl1表示边际阶跃型边缘点的过冲效应强度，i表示边际阶跃型边缘点的序 号，max表不取最大值操作，η表不单像素中的像素点的序号，叫和η 2分别表不沿着单像素 带搜索式检测到的第一次和第二次一阶微分极性改变的位置，e表示属于符号，yi(η)表示 边际阶跃型边缘点i所在的单像素带的灰度值序列，w表示单像素带的单侧长度。
[0057] 删除图像边缘点集合S、M、W中所有过冲效应的强度小于11的边际阶跃型边