缘点。
[0058] 分别计算图像边缘点集合S、M、W中剩余的边际阶跃型边缘点的过冲效应强度的 平均值，作为图像边缘点集合S、M、W的过冲效应的强度。
[0059] 步骤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。
[0060] 对于一些内容过于单一的锐化图像，图像边缘点集合W的维度较高且过冲效应的 强度较弱，为了兼顾这些图像，本发明最终提出的决策融合锐化判定方法如下所示。
[0061] 第1步，如果fs> τ i，判定为锐化图像，完成决策融合锐化判定，否则，执行第2 步；
[0062] 第2步，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，执行第3步；
[0063] 第3步，如果τ 2< f τ 1并且r r。，判定为非锐化图像，完成决策融合锐化 判定，否则，执行第4步；
[0064] 第4步，如果τ 2，判定为非锐化图像，完成决策融合锐化判定；
[0065] 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。
[0066] 本发明的效果可以通过以下仿真实验做进一步的说明。
[0067] L仿真条件：
[0068] 本发明的仿真实验是在中央处理器为Intel(R)Core i3-530 2. 93GHZ、内存4G、 WINDOWS 7操作系统上，运用MATLAB软件进行的。
[0069] 2.仿真内容：
[0070] 为评估所提出的锐化图像识别方法，本发明的仿真实验采用以下UCID数据库、 NRCS数据库、B0WS2数据库。
[0071] UCID 数据库：Uncompressed Color Image Database (UCID)数据库包含 1338 幅未 经压缩的TIFF格式彩色图像，图像大小为512X384,图像内容涉及室外自然图像和室内人 工物体。
[0072] NRCS 数据库：Natural resource conservation service photo gallery (NRCS) 数据库由美国农业部提供，主要内容为室外自然图像，格式为CMYK TIFF无压缩格式，我们 随机下载1338张图像，图像大小为2100X 1500。我们裁剪图像中心512X512大小的区域 作为测试图像。
[0073] BOWS2 数据库：Break Our Watermarking System database (BOWS2)包含 10000 张 大小为512X512的灰度图像，内容包含室外自然图像和室内人工物体。本发明随机选择 1338张作为测试图像。
[0074] 由于所设计的锐化图像识别方法适用于单通道图像，对于上述的UCID数据库和 NRCS数据库，本发明提取库中图像的亮度通道作为单通道图像。实验参数经过统计性实验 进行选取，相关参数可以设置为：弱锐化点比例阈值4=0. 31，强锐化阈值τ 1= 18,弱锐 化阈值T2= 14. 5。本发明分别测试两种图像锐化方式，其中第一种为反锐化掩模锐化：
[0075]
[0076] 其中，M表示锐化核，e。(X)表示图像边缘，#_表示卷积操作，g(x, σ b)表示低通高 斯核。另一种锐化方式为高通滤波锐化：
[0077]
[0078] 其中，M表示锐化核，e。(X)表示图像边缘，hsh"p (X, σ s)为高通滤波核。
[0079] 锐化操作可以表示为：
[0080] es (X) = e〇 (X) + λ M.
[0081] 其中，λ表示增益因子，es(x)表示锐化后的信号。在本发明的仿真实验中，对于 反锐化掩模锐化本发明采用〇均值高斯核，测试不同的λ与 〇b对结果的影响。对于高通 滤波锐化本发明米用拉普拉斯Laplician核[-1，-1，-1 ;_1，8, -1 ;_1，-1，-1]，测试不同λ 对结果的影响。
[0082] 评测标准：本发明使用识别准确率Accuracy为指标对性能进行评测，通过以下公 式计算：
[0083]
[0084] 其中，P表示锐化图像，N表示原始图像，真阳率TP表示将锐化图像识别正确识别 为锐化图像的数目，真阴率TN表示将原始图像正确识别为原始图像的数目，对比实验结果 如下述的三个表所示。
[0085] 表1 UCID数据库上四种方法的识别准确率比较表
[0086]
[0087] 表2 NRCS数据库上四种方法的识别准确率比较表
[0088]
[0089] 表3 B0WS2数据库上四种方法的识别准确率比较表
[0090]
[0091] 其中，表1、2、3分别表示UCID、NRCS、B0WS2数据库上四种方法的识别正确率。表 中的OSAA表示采用本发明【背景技术】中所描述的由G. Cao等人提出的基于图像边缘单像 素带过冲强度度量的锐化图像识别方法，RILBP表示采用本发明【背景技术】中所描述的由 F. Ding等人提出的基于旋转不变LBP特征的锐化图像识别方法，EPBC表示采用本发明背景 技术中所描述的由F. Ding等人提出的基于边缘垂直方向二进制编码特征的锐化图像识别 方法，MSOA表示本发明提出的锐化图像识别方法。λ与（^表示反锐化掩模锐化的参数， Laplician表示高通滤波锐化，λ表示高通滤波锐化的参数。
[0092] 由表1、2、3可见，在UCID数据库、NRCS数据库、B0WS2数据库上进行锐化图像识别 实验，在不同的锐化方式下，本发明的识别准确率较三个对比方法更加接近于1，所以本发 明是四种方法中效果最好的。这是因为本发明充分考虑了图像锐化操作对图像不同强度边 缘所产生的过冲效应的强度不同，所以克服了轻度锐化图像的漏检问题，由此获得在识别 准确率上优于其他图像锐化识别方法的效果，进一步验证了本发明的先进性。
【主权项】
1. 一种基于多分辨率过冲效应度量的锐化图像识别方法，包括如下步骤： (1) 提取图像边缘点： (la) 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； (lb) 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； (lc) 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； (2) 非下采样轮廓波变换： 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； (3) 图像边缘点分类： 对于每一个图像边缘点，按照以下规则进行分类： 如果(1M'，，./) = maxA (，_，./)，则将 ei j加入集合 W ; 如果(M，_，/) = max (，'，.小则将e1; j加入集合M ; 如果(丨M= max ，/?)，则将e1;』加入集合S ; 其中，?t(i，j)表示图像边缘点eii ]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； (4) 度量过冲效应： (4a)抽取边际阶跃型边缘点； (4b)计算边际阶跃型边缘点的过冲效应强度； (4c)度量图像边缘点集合的过冲效应强度； (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： (5a)如果fs> T 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); (5b)如果i2<fs< Ti并且rw>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); (5c)如果T2<fs< T1并且rw$r。，判定为非锐化图像，完成决策融合锐化判定，否 贝1J，执行步骤（5d); (5d)如果fs< T 2，判定为非锐化图像，完成决策融合锐化判定； 其中，fs表示图像边缘点集合S的过冲效应的强度，Ti表示强锐化阈值，T1的取值范 围为[17,20]中的实数，T2表示弱锐化阈值，T 2的取值范围为[13, 15]中的实数，rw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。2. 根据权利要求1所述的基于多分辨率过冲效应度量的锐化图像识别方法，其特征在 于，步骤（4a)所述抽取边际阶跃型边缘点的步骤如下： 第1步，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； 第2步，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： I|舛'?,.卜丨〇() ^ai <IOorar <10. 其中，^和分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，〇 ^>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。3. 根据权利要求1所述的基于多分辨率过冲效应度量的锐化图像识别方法，其特征在 于，步骤（4b)所述边际阶跃型边缘点的过冲效应强度是根据如下公式计算得到：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 表示取最大值操作，n表示单像素中的像素点的序号，nJPn2分别表示沿着单像素带搜索 式检测到的第一次和第二次一阶微分极性改变的位置，G表示属于符号， yi(n)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。4. 根据权利要求1所述的基于多分辨率过冲效应度量的锐化图像识别方法，其特征在 于，步骤（4c)所述度量图像边缘点集合的过冲效应强度的步骤如下： 第1步，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的边际阶跃型边缘 占. 第2步，分别计算图像边缘点集合S、M、W中剩余的边际阶跃型边缘点的过冲效应强度 的平均值，作为图像边缘点集合S、M、W的过冲效应的强度。
【专利摘要】本发明公开了一种基于多分辨率过冲效应度量的锐化图像识别方法。主要解决现有的方法中无法识别纹理过于复杂的锐化图像，对轻度锐化图像存在漏判的问题。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。其实现步骤是：(1)提取图像边缘；(2)非下采样轮廓波变换；(3)图像边缘点分类；(4)度量过冲效应；(5)决策融合锐化判定。本发明具有识别准确率高，空间复杂度低的优点。
【IPC分类】G06K9/00
【公开号】CN105138984
【申请号】CN201510523083
【发明人】邓成, 朱楠, 高新波
【申请人】西安电子科技大学
【公开日】2015年12月9日
【申请日】2015年8月24日