一种估计位图的JPEG压缩量化步长的方法和装置与流程

本发明属于图像处理领域，尤其涉及一种估计位图的JPEG压缩量化步长的方法和装置。

背景技术：

联合图像专家组(Joint Photographic Experts Group，JPEG)格式是目前最流行的互联网(Internet)图像格式，在互联网的占有量为70.5％，而对JPEG图像的转换时有发生。一幅JPEG图像被转换后，可能并不以JPEG格式进行保存，而是保存为位图(Bitmap)格式。业界通常采用对JPEG压缩过程留下的量化特性和系数分布特性进行分析，从而判断位图是否经过JPEG压缩，甚至估计出JPEG压缩时采用的压缩参数。

现有的一种估计位图的JPEG压缩量化步长的方法是利用图像分块离散余弦变换(Discrete Cosine Transform，DCT)系数的首位数字(例如12的首位数字是1，321的首位数字是3)特性进行JPEG压缩检测。这一方法是基于如下事实，即：未经压缩的位图的分块DCT系数的首位数字分布服从广义Benford律，而经过JPEG压缩的位图的首位数字分布(即统计直方图)则会违背这一统计规律，据此可判别待检测位图是否经过JPEG压缩。然而，该方法的不足之处是需要收集大量的DCT系数才能形成稳定的首位数字统计直方图，从而进行准确的判决，因此，当待检测位图尺寸较小而无法提供足够的统计数据时，其检测位图是否经由JPEG图像转换过来的准确率较低。

现有的另一种估计位图的JPEG压缩量化步长的方法是利用JPEG压缩图像DCT系数满足一定分布的特性来进行JPEG压缩检测。这一方法是基于另一事 实，即：对于未经JPEG压缩的位图，其DCT系数分布(即统计直方图)大致服从拉普拉斯分布，而对于经过JPEG压缩的位图，其DCT系数分布会随着量化步长的不同而呈现出不同的模式。换言之，根据DCT系数分布所表现出的不同模式，可推断出JPEG压缩时所采用的量化步长。然而，该方法也有不足之处，例如，在压缩强度较轻微的情况下，DCT系数分布反映量化步长变化的能力较弱，这时量化步长的估计准确率较低，从而检测位图是否经由JPEG图像转换过来的准确率相应降低。

技术实现要素：

本发明的目的在于提供一种估计位图的JPEG压缩量化步长的方法和装置，以提高对位图的JPEG压缩量化步长的估计的准确率，从而提高检测位图是否经由JPEG图像转换过来的准确率。

本发明是这样实现的，一种估计位图的JPEG压缩量化步长的方法，所述方法包括：

通过对待估计位图中离散余弦变换DCT系数直方图的统计，提取所述待估计位图的任一频率f_i,j对应的基本特征C_i,j；

通过对所述待估计位图中DCT系数直方图的统计并结合校准技术，提取所述待估计位图的任一频率f_i,j对应的辅助特征C′_i+j，所述辅助特征C′_i,j为与所述基本特征C_i,j维度相同的向量；

串联所述基本特征C_i,j和所述辅助特征C′_i,j，获取组合特征[C_i,j，C′_i,j]；

将所述待估计位图的所有所述组合特征[C_i,j，C′_i,j]输入量化步长估计器，获得所述待估计位图的JPEG压缩量化步长的估计值。

本发明的另一目的在于提供一种估计位图的JPEG压缩量化步长的装置，所述装置包括：

基本特征提取模块，用于通过对待估计位图中离散余弦变换DCT系数直方 图的统计，提取所述待估计位图的任一频率f_i,j对应的基本特征C_i,j；

辅助特征提取模块，用于通过对所述待估计位图中DCT系数直方图的统计并结合校准技术，提取所述待估计位图的任一频率f_i,j对应的辅助特征C′_i,j，所述辅助特征C′_i,j为与所述基本特征C_i,j维度相同的向量；

组合特征获取模块，用于串联所述基本特征C_i,j和所述辅助特征C′_i,j，获取组合特征[C_i,j，C′_i,j]；

估计值获取模块，用于将所述待估计位图的所有所述组合特征[C_i,j，C′_i,j]输入量化步长估计器，获得所述待估计位图的JPEG压缩量化步长的估计值。

从上述本发明提供的技术方案可知，一方面，通过待估计位图的任一频率f_i,j对应的基本特征C_i,j，即利用位图的DCT系数分布自身和DCT系数的因数直方图估计位图的JPEG压缩量化步长，相对于现有技术，在检测位图是否由JPEG图像转换而来时对判别信息的利用率更高，有利于获得更高的检测精度；另一方面，结合校准证技术提取待估计位图的任一频率f_i,j对应的辅助特征C′_i,j，即，通过JPEG图像校准技术获取其参考图像，并在这些参考图像上相应地提取其DCT系数分布及其因数直方图作为辅助特征，进一步显著提高了位图的JPEG压缩量化步长的估计的准确率。

附图说明

图1是本发明实施例一提供的估计位图的JPEG压缩量化步长的方法的实现流程示意图；

图2是本发明实施例二提供的对64个频率中任意一个频率对应的DCT系数绝对值的分布进行统计时获取的该任意一个频率对应的直方图示意图；

图3是本发明实施例三提供的估计位图的JPEG压缩量化步长的装置的结构示意图；

图4是本发明实施例四提供的估计位图的JPEG压缩量化步长的装置的结 构示意图图；

图5是本发明实施例五提供的估计位图的JPEG压缩量化步长的装置的结构示意图；

图6-a是本发明实施例六提供的估计位图的JPEG压缩量化步长的装置的结构示意图；

图6-b是本发明实施例七提供的估计位图的JPEG压缩量化步长的装置的结构示意图；

图6-c是本发明实施例八提供的估计位图的JPEG压缩量化步长的装置的结构示意图；

图7-a是本发明实施例九提供的估计位图的JPEG压缩量化步长的装置的结构示意图；

图7-b是本发明实施例十提供的估计位图的JPEG压缩量化步长的装置的结构示意图；

图7-c是本发明实施例十一提供的估计位图的JPEG压缩量化步长的装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种估计位图的JPEG压缩量化步长的方法，所述方法包括：通过对待估计位图中离散余弦变换DCT系数直方图的统计，提取所述待估计位图的任一频率f_i,j对应的基本特征C_i,j；通过对所述待估计位图中DCT系数直方图的统计并结合校准技术，提取所述待估计位图的任一频率f_i,j对应的辅助特征C′_i,j，所述辅助特征C′_i,j为与所述基本特征C_i,j维度相同的向量；串联所述基本特征C_i,j和所述辅助特征C′_i,j，获取组合特征[C_i,j，C′_i,j]；将所述待估计位图 的所有所述组合特征[C_i,j，C′_i,j]输入量化步长估计器，获得所述待估计位图的JPEG压缩量化步长的估计值。本发明实施例还提供相应的估计位图的JPEG压缩量化步长的装置。以下分别进行详细说明。

请参阅附图1，是本发明实施例一提供的估计位图的JPEG压缩量化步长的方法的实现流程，主要包括以下步骤S101至步骤S104：

S101，通过对待估计位图中离散余弦变换DCT系数直方图的统计，提取所述待估计位图的任一频率f_i,j对应的基本特征C_i,j。

在本发明实施例中，待估计位图是指被怀疑是由JPEG图像转换过来而需要通过对其压缩量化步长进行估计，从而确定是否由JPEG图像转换过来的位图。

作为本发明一个实施例，通过对待估计位图中离散余弦变换DCT系数直方图的统计，提取所述待估计位图的任一频率f_i,j对应的基本特征C_i,j可通过如下步骤S1011至S1015实现：

S1011，获取待估计位图每个8×8分辨率子块的64个频率对应的DCT系数。

在本发明实施例中，可以按照8×8分辨率即8×8像素点的大小来对待估计位图进行分块，这样，每个子块包含64个像素点，64个像素点分别对应64个频率。待估计位图的离散余弦变换(Discrete Cosine Transform，DCT)系数矩阵就是由这64个频率对应的DCT系数构成。至于每个频率对应多少个DCT系数，这是由待估计位图被分为多少个8×8像素点大小的子块决定的，具体地，每个频率对应的DCT系数的个数与待估计位图被分为8×8像素点大小的子块的个数相同。例如，若待估计位图被分为32个8×8像素点大小的子块，则每个频率就对应有32个DCT系数。

在本发明实施例中，待估计位图的DCT系数矩阵可以文件的形式被保存，在提取所述待估计位图任一频率f_i,j对应的基本特征C_i,j之前，首先可从这些文件中对每个8×8分辨率子块的64个频率对应的DCT系数进行获取。

S1012，统计64个频率每个频率对应的DCT系数绝对值的分布，获取所述64个频率对应的64个直方图。

如前所述，当待估计位图被分成多个8×8像素点大小的子块时，每个频率对应的DCT系数会有多个。在本发明实施例中，当对64个频率中任意一个频率对应的DCT系数绝对值的分布进行统计时，可获取该任意一个频率对应的直方图；当对64个频率每个频率对应的DCT系数绝对值的分布进行统计时，可获取所述64个频率对应的64个直方图，即，一个频率对应一个直方图，64个频率对应着64个直方图。

以64个频率的任一频率f_i,j对应的DCT系数为{0，1，0，—15，3，—1，9，—3，6，—13，0，8，3，10，8，0，13，10，0，—9，0，—4，13，8，0，—6，1，10，6，—4，8，0，15，16，0，—12，4，—4，—9，—13，7，—10，0，7，0，15，12，0}为例，这些DCT系数绝对值为{0，1，0，15，3，1，9，3，6，13，0，8，3，10，8，0，13，10，0，9，0，4，13，8，0，6，1，10，6，4，8，0，15，16，0，12，4，4，9，13，7，10，0，7，0，15，12，0}，当对频率f_i,j对应的这些DCT系数绝对值的分布进行统计时可获知：“0”出现了12次，“1”出现了3次，“2”出现了0次，“3”出现了3次，“4”出现了4次，“5”出现了0次，“6”出现了3次，“7”出现了2次，“8”出现了4次，“9”出现了3次，“10”出现了4次，“11”出现了0次，“12”出现了2次，“13”出现了4次，“14”出现了0次，“15”出现了3次，“16”出现了1次，对应的直方图描述的就是“0”、“1”、“2”、“3”、“4”、“5”、“6”、“7”、“8”、“9”、“10”、“11”、“12”、“13”、“14”、“15”和“16”出现的频次，如附图2所示。

需要说明的是，在本发明实施例中，任一频率f_i,j的下标i、j分别表示待估计位图的DCT系数矩阵的第i行、第j列，频率f_i,j表示DCT系数矩阵第i行、第j列的DCT系数所对应的频率。

S1013，截取64个直方图中任一频率f_i,j对应的直方图中L个竖条，得到所 述任一频率f_i,j对应的向量G_i,j，其中，向量G_i,j为L维向量。

在本发明实施例中，直方图的一个竖条(bin)表示被统计对象的出现频次，当截取直方图中L个竖条后，得到的向量G_i,j是由这些频次构成元素的L维向量，例如，若截取附图2示例的直方图中前10个竖条即DCT系数绝对值为“0”、“1”、“2”、“3”、“4”、“5”、“6”、“7”、“8”和“9”对应的竖条，则所述任一频率f_i,j对应的向量G_i,j＝{12，3，0，3，4，0，3，2，4，3}。最后对所述向量G_i,j进行归一化处理，即将G_i,j除以G_i,j所有元素的和，为{12/34，3/34，0，3/34，4/34，0，3/34，2/34，4/34，3/34}。

此处需要说明的是，在截取64个直方图中任一频率f_i,j对应的直方图中L个竖条时，L值既不能过小，也不能过大。这是因为，若L值取得过小，最后得到的待估计位图的JPEG压缩量化步长的估计值的准确性较低，若L值取得过大，虽然最后得到的待估计位图的JPEG压缩量化步长的估计值的准确性相对L值取得较小时要高，但会增加后续训练支持向量机(Support Vector Machine，SVM)时的训练难度。因此，对L的取值应该综合各方面的实际因素或要求考虑，例如，根据实际经验，在本发明中，将L的值取为100比较合适。

S1014，对向量G_i,j的每一个DCT系数绝对值进行因数分解，统计分解得到的所有正因数值的直方图，得到所述任一频率f_i,j对应的因数直方图特征向量F_i,j，其中，因数直方图特征向量F_i,j的维度与前述由步骤S1013得到的向量G_i,j的维度相同。

在本发明实施例中，对向量G_i,j的每一个DCT系数绝对值进行因数分解，可以采用公知技术实现，此处不做赘述。

S1014，串联向量G_i,j和因数直方图特征向量F_i,j，串联的结果[G_i,j，F_i,j]为待估计位图任一频率f_i,j对应的基本特征C_i,j。

显然，若G_i,j或F_i,j是L维的向量，则此处得到的待估计位图的任一频率f_i,j 对应的基本特征C_i,j是2L维的向量，例如，当L取值为100时，基本特征C_i,j是维度为200的向量。

S102，通过对待估计位图中DCT系数直方图的统计并结合校准技术，提取所述待估计位图的任一频率f_i,j对应的辅助特征C′_i,j，其中，辅助特征C′_i,j为与由前述步骤S101得到的基本特征C_i,j维度相同的向量。

作为本发明一个实施例，通过对待估计位图中DCT系数直方图的统计并结合校准技术，提取所述待估计位图的任一频率f_i,j对应的辅助特征C′_i,j可以通过如下步骤S1021至S1026实现：

S1021，以校准技术获取待估计位图的参考图像。

在本发明实施例中，以校准技术获取待估计位图的参考图像可通过如下步骤S1至S3实现：

S1，对输入的待估计位图按照8×8分块进行反离散余弦变换(Inverse Discrete Cosine Transform，IDCT)，恢复成像素矩阵，其中，像素矩阵由许多互不重叠的8×8像素分块组成。若待估计位图是经过JPEG压缩，则通过IDCT得到的像素矩阵通常具有块效应。

S2，裁剪或删除经由前述步骤S1所得像素矩阵的前4行和前4列像素，得到裁剪后的像素矩阵。

如前所述，若待估计位图是经过JPEG压缩，则通过IDCT得到的像素矩阵通常具有块效应。因此，为了破坏原来JPEG压缩的块效应，本发明实施例可裁剪或删除经由前述步骤S1所得像素矩阵的前4行和前4列像素。

S3，对经由步骤S2裁剪后得到的像素矩阵进行分块离散余弦变换(Discrete Cosine Transform,DCT)，并对变换得到的DCT系数进行量化和熵编码。

此处，并对变换得到的DCT系数进行量化和熵编码后所得另一幅位图，即是本发明实施例的待估计位图的参考图像。

S1022，获取经由步骤S1021得到的参考图像的每个8×8分辨率子块的64个频率对应的DCT系数。

步骤S1022的实现过程与前述实施例的步骤S1011类似，区别在于此处其获取的是参考图像的每个8×8分辨率子块的64个频率对应的DCT系数。

S1023，统计64个频率每个频率对应的DCT系数绝对值的分布，获取所述64个频率对应的64个直方图。

步骤S1023的实现过程与前述实施例的步骤S1012类似，区别在于此处的64个频率是参考图像的64个频率。

S1024，截取64个直方图中任一频率f_i,j对应的直方图中L个竖条，得到所述任一频率f_i,j对应的向量G′_i,j，其中，向量G′_i,j为L维向量。

步骤S1024的实现过程与前述实施例的步骤S1013类似，区别在于此处的直方图是由参考图像得到。

S1025，串联所述向量G′_i,j和因数直方图特征向量F′_i，j，所述串联的结果[G′_i,j，F′_i,j]为所述待估计位图任一频率f_i,j对应的辅助特征C′_i,j。

S103，串联经由步骤S101得到的基本特征C_i,j和经由步骤S102得到的辅助特征C′_i,j，获取组合特征[C_i,j，C′_i,j]。

S104，将待估计位图的所有组合特征[C_i,j，C′_i,j]输入量化步长估计器，获得所述待估计位图的JPEG压缩量化步长的估计值。

在本发明实施例中，量化步长估计器用于对位图的JPEG压缩量化步长进行估计，可以在提取待估计位图任一频率f_i,j对应的基本特征C_i,j之前构建完成。作为本发明一个实施例，在提取待估计位图任一频率f_i,j对应的基本特征C_i,j之前构建量化步长估计器可以通过如下步骤S1041和步骤S1042来实现：

S1041，采用与前述提取所述待估计位图任一频率f_i,j对应的基本特征C_i,jC_i,j和辅助特征C′_i,j相同的方式，提取位图任一频率f_i,j对应的训练组合特征

此处提取位图任一频率f_i,j对应的训练组合特征其方式与前述实施例步骤S1011至S1014提取待估计位图任一频率f_i,j对应的基本特征C_i,j和辅助特 征C′_i，j的方式基本相同，区别在于此处提取的是训练图像库中位图任一频率f_i,j对应的训练组合特征不做赘述。

S1042，以经步骤S1041得到的任一频率f_i,j对应的训练组合特征作为支持向量机(Support Vector Machine，SVM)的训练特征，并以量化步长q作为所述组合特征的训练类标，训练所述SVM以得到任一频率f_i,j对应的量化步长估计器。

显然，当64个频率每一频率对应的训练组合特征作为SVM的训练特征训练SVM，就可以得到64个对应的量化步长估计器。

步骤S101至S103得到的是待估计位图任一频率f_i,j对应的组合特征[C_i,j，C′_i,j]，按照步骤S101至S103类似的方式取得待估计位图每一频率对应的组合特征后，即可得到待估计位图的所有组合特征。将待估计位图的所有组合特征输入量化步长估计器后，量化步长估计器的输出值就是待估计位图的JPEG压缩量化步长的估计值。

从上述附图1示例的估计位图的JPEG压缩量化步长的方法可知，一方面，通过待估计位图的任一频率f_i,j对应的基本特征C_i,j，即利用位图的DCT系数分布自身和DCT系数的因数直方图估计位图的JPEG压缩量化步长，相对于现有技术，在检测位图是否由JPEG图像转换而来时对判别信息的利用率更高，有利于获得更高的检测精度；另一方面，结合校准证技术提取待估计位图的任一频率f_i,j对应的辅助特征C′_i,j，即，通过JPEG图像校准技术获取其参考图像，并在这些参考图像上相应地提取其DCT系数分布及其因数直方图作为辅助特征，进一步显著提高了位图的JPEG压缩量化步长的估计的准确率。

请参阅附图3，是本发明实施例三提供的估计位图的JPEG压缩量化步长的装置可以是附图1示例的估计位图的JPEG压缩量化步长的方法的执行主体。为了便于说明，附图3仅示出了与本发明实施例相关的部分。附图3示例的估计位图的JPEG压缩量化步长的装置主要包括基本特征提取模块301、辅助特征 提取模块302、组合特征获取模块303和估计值获取模块304，各功能模块详细说明如下：

基本特征提取模块301，用于通过对待估计位图中离散余弦变换DCT系数直方图的统计，提取所述待估计位图的任一频率f_i,j对应的基本特征C_i,j；

辅助特征提取模块302，用于通过对待估计位图中DCT系数直方图的统计并结合校准技术，提取所述待估计位图的任一频率f_i,j对应的辅助特征C′_i,j，其中，辅助特征C′_i,j为与前述基本特征提取模块301提取的基本特征C_i,j维度相同的向量；

组合特征获取模块303，用于串联基本特征提取模块301提取的基本特征C_i,j和辅助特征提取模块302提取的辅助特征C′_i,j，获取组合特征[C_i,j，C′_i,j]；

估计值获取模块304，用于将待估计位图的所有组合特征[C_i,j，C′_i,j]输入量化步长估计器，获得待估计位图的JPEG压缩量化步长的估计值。

需要说明的是，以上附图3示例的估计位图的JPEG压缩量化步长的装置的实施方式中，各功能模块的划分仅是举例说明，实际应用中可以根据需要，例如相应硬件的配置要求或者软件的实现的便利考虑，而将上述功能分配由不同的功能模块完成，即将所述估计位图的JPEG压缩量化步长的装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。而且，实际应用中，本实施例中的相应的功能模块可以是由相应的硬件实现，也可以由相应的硬件执行相应的软件完成，例如，前述的基本特征提取模块，可以是具有执行前述通过对待估计位图中离散余弦变换DCT系数直方图的统计，提取所述待估计位图的任一频率f_i,j对应的基本特征C_i,j的硬件，例如基本特征提取器，也可以是能够执行相应计算机程序从而完成前述功能的一般处理器或者其他硬件设备；再如前述的辅助特征提取模块，可以是通过对待估计位图中DCT系数直方图的统计并结合校准技术，提取所述待估计位图的任一频率f_i,j对应的辅助特征C′_i,j的硬件，例如辅助特征提取器，也可以是能够执行相应计算机程序从而 完成前述功能的一般处理器或者其他硬件设备(本说明书提供的各个实施例都可应用上述描述原则)。

附图3示例的基本特征提取模块301可以包括第一获取单元401、第一统计单元402、第一截取单元403、第一因数直方图特征向量获取单元404和第一串联单元405，如附图4所示本发明实施例四提供的估计位图的JPEG压缩量化步长的装置，其中：

第一获取单元401，用于获取待估计位图每个8×8分辨率子块的64个频率对应的DCT系数。

第一统计单元402，用于统计64个频率的每个频率对应的DCT系数绝对值的分布，获取所述64个频率对应的64个直方图。

第一统计单元402的实现过程与前述实施例的步骤S1012的实现过程类似，以64个频率的任一频率f_i,j对应的DCT系数为{0，1，0，—15，3，—1，9，—3，6，—13，0，8，3，10，8，0，13，10，0，—9，0，—4，13，8，0，—6，1，10，6，—4，8，0，15，16，0，—12，4，—4，—9，—13，7，—10，0，7，0，15，12，0}为例，第一统计单元402得到的其中一个直方图如附图2所示。

第一截取单元403，用于截取第一统计单元402获取的64个直方图中任一频率f_i,j对应的直方图中L个竖条，得到待估计位图的任一频率f_i,j对应的向量G_i,j，其中，向量G_i,j为L维向量。

第一因数直方图特征向量获取单元404，用于对第一截取单元403得到的向量G_i,j的每一个DCT系数绝对值进行因数分解，统计分解得到的所有正因数值的直方图，得到待估计位图的任一频率f_i,j对应的因数直方图特征向量F_i,j，其中，因数直方图特征向量F_i,j的维度与第一截取单元403得到的向量G_i,j的维度相同。

第一串联单元405，用于联第一截取单元403得到的向量G_i,j和第一因数直 方图特征向量获取单元404得到的因数直方图特征向量F_i,j，串联的结果[G_i,j，F_i,j]为待估计位图的任一频率f_i,j对应的基本特征C_i,j。

附图3示例的辅助特征提取模块302可以包括参考图像获取单元501、第二获取单元502、第二统计单元503、第二截取单元504、第二因数直方图特征向量获取单元505和第二串联单元506，如附图5所示本发明实施例五提供的估计位图的JPEG压缩量化步长的装置，其中：

参考图像获取单元501，用于以校准技术获取待估计位图的参考图像。

参考图像获取单元501以校准技术获取待估计位图的参考图像，其具体实现可参阅前述实施例的步骤S1至步骤S3，此处不做赘述。

第二获取单元502，用于获取参考图像获取单元501得到的参考图像的每个8×8分辨率子块的64个频率对应的DCT系数。

第二统计单元503，用于统计64个频率每个频率对应的DCT系数绝对值的分布，获取所述64个频率对应的64个直方图。

第二截取单元504，用于截取所述64个直方图中所述任一频率f_i,j对应的直方图中L个竖条，得到待估计位图的任一频率f_i,j对应的向量G′_i,j，其中，向量G′_i,j为L维向量。

第二因数直方图特征向量获取单元505，用于对第二截取单元504得到的向量G′_i,j的每一个DCT系数绝对值进行因数分解，统计分解得到的所有正因数值的直方图得到所述任一频率f_i,j对应的因数直方图特征向量F′_i'j，其中，因数直方图特征向量F′_i,j的维度与第二截取单元504得到的向量G′_i,j的维度相同。

第二串联单元506，用于串联第二截取单元504得到的向量G′_i,j和第二因数直方图特征向量获取单元505得到的因数直方图特征向量F′_i'j，串联的结果[G′_i,j，F′_i,j]为待估计位图任一频率f_i,j对应的辅助特征C′_i,j。

附图3至附图5任一示例的估计位图的JPEG压缩量化步长的装置还可以包括估计器构建模块601，如附图6-a至6-c所示本发明实施例六至八提供的估 计位图的JPEG压缩量化步长的装置。估计器构建模块601用于在基本特征提取模块301提取待估计位图任一频率f_i,j对应的基本特征C_i,j之前，构建量化步长估计器。

附图6-a至6-c任一示例的估计器构建模块601可以包括训练特征提取单元701和训练单元702，如附图7-a至7-c所示本发明实施例九至十一提供的估计位图的JPEG压缩量化步长的装置，其中：

训练特征提取单元701，用于采用与基本特征提取模块301提取待估计位图任一频率f_i,j对应的基本特征C_i,jC_i,j和辅助特征提取模块302提取待估计位图任一频率f_i,j对应的辅助特征C′_i,j相同的方式，提取位图任一频率f_i,j对应的训练组合特征

训练单元702，用于以训练特征提取单元701提取的任一频率f_i,j对应的训练组合特征作为支持向量机SVM的训练特征，并以量化步长q作为所述组合特征的训练类标，训练所述SVM以得到位图的任一频率f_i,j对应的量化步长估计器。

需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其带来的技术效果与本发明方法实施例相同，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁盘或光盘等。

以上对本发明实施例所提供的估计位图的JPEG压缩量化步长的方法和装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围 上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。