一种基于SURF和金字塔算法的水印检测方法及系统与流程

本发明涉及计算机视觉和图像处理的技术领域，具体涉及一种基于surf和金字塔算法的水印检测方法及系统。

背景技术：

图像匹配是通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系，相似性和一致性的分析，寻求相似影像目标。图像匹配技术在摄影测量领域和计算机视觉中都得到了极其广泛的应用,如目标定位、目标跟踪和三维重建等方面。对于这些应用的性能图像匹配的可靠性和计算速度有着至关重要的影响。图像匹配算法可以分为两部分，分别是基于模板的图像匹配和基于特征的图像匹配。基于模板的图像匹配，主要是将一幅图像作为模板并通过逐像素比较的方法搜索模板在另一幅图像上的对应位置的过程。

图像水印检测是图像目标检测的一个分支，因此，当前常用的图像目标检测算法均适用于图像水印检测。尤其是在深度学习快速发展以来，基于深度学习的图像目标检测算法发展很快，图像水印检测也可采用基于深度学习的图像目标检测算法来实现。

公开号为cn109635844a的发明专利公开了一种训练分类器的方法及装置和水印检测方法及装置，其中训练分类器的方法包括：生成待检测水印对应的水印模板；针对多个图像样本，采用所述水印模板对图像样本进行模板匹配，生成匹配结果，所述匹配结果为所述图像样本中与所述水印模板匹配度最高的区域；采用所述匹配结果、以及所述匹配结果中是否包含水印模板的信息训练所述分类器。

但是，对于我们从相机获取的图像存在位移、尺度和旋转的偏差，现有的模板匹配算法对感兴趣区域(regionofinterest，roi)的定位很难精确，造成根据相对位置的水印区域的定位不准确，从而无法完成水印检测。

故，针对现有技术的缺陷，如何实现匹配精度高、匹配速度快的水印检测是本领域亟待解决的问题。

技术实现要素：

本发明的目的是针对现有技术的缺陷，提供了一种基于surf和金字塔算法的水印检测方法及系统。主要是基于surf和金字塔算法，提高了水印检测的准确度及效率。

为了实现以上目的，本发明采用以下技术方案：

一种基于surf和金字塔算法的水印检测方法，包括步骤：

步骤s1、将原始图像放缩到与第二样本图像同样的尺寸；

步骤s2、通过surf算法将所述第二样本图像变换到与原图像相同的尺度空间；

步骤s3、通过金字塔算法在变换后的第二样本图像中定位roi区域；

步骤s4、确定水印位置；

步骤s5、检测水印。

进一步的，在所述步骤s1之前还包括：

步骤s1.1、获取包含水印和roi的原始图像；

步骤s1.2、基于所述原始图像创建roi模板区域；并记录roi与水印的相对位置；

步骤s1.3、获取包含水印和roi的第二样本图像。

进一步的，所述步骤s4为：

根据第二样本图像中定位的roi区域和预先记录的roi与水印的相对位置确定水印位置。

进一步的，所述步骤s5为：

利用灰度图像盲检测数字水印的方法来检测水印。

进一步的，利用相机获取所述原始图像及第二样本图像。

相应的，还提供一种基于surf和金字塔算法的水印检测系统，包括：

缩放模块，用于将原始图像缩放到与第二样本图像同样的尺寸；

变换模块，用于通过surf算法将所述第二样本图像变换到与原图像相同的尺度空间；

定位模块，用于通过金字塔算法在变换后的第二样本图像中定位roi区域；

水印位置确定模块，用于确定水印位置；

水印检测模块，用于检测水印。

进一步的，在所述系统还包括：

第一获取模块，用于获取包含水印和roi的原始图像；

roi模板创建模块，用于基于所述原始图像创建roi模板区域；并记录roi与水印的相对位置；

第二获取模块，用于获取包含水印和roi的第二样本图像。

进一步的，在所述水印位置确定模块根据第二样本图像中定位的roi区域和预先记录的roi与水印的相对位置确定水印位置。

进一步的，所述水印检测模块利用灰度图像盲检测数字水印的方法来检测水印。

进一步的，所述第一获取模块与第二获取模块利用相机获取所述原始图像及第二样本图像。

本发明基于surf和金字塔算法的水印检测方法及系统，利用surf算法将所述第二样本图像变换到与原图像相同的尺度空间，克服了获取的第二样本图像与原始图像存在位移，旋转和尺度变换的问题。提高了水印检测的准确率。利用金字塔算法进行模板匹配，大大提高了匹配的效率。

附图说明

图1是实施例一提供的基于surf和金字塔算法的水印检测方法流程图。

图2是实施例二提供的基于surf和金字塔算法的水印检测系统结构图。

图3是一种具体实施例操作过程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

实施例一

如图1所示，本实施例提出了一种基于surf和金字塔算法的水印检测方法，包括：

步骤s1、将原始图像放缩到与第二样本图像同样的尺寸；

原始图像是指用于生成模板的图像，而第二样本图像是进行水印检测的图像。因此，在步骤s1之前还包括步骤：

步骤s1.1、获取包含水印和roi的原始图像；

具体地，本发明采用相机获取包含水印与roi的原始图像。为了进行准确的水印检测，获取的原始图像应清晰。

步骤s1.2、基于所述原始图像创建roi模板区域；并记录roi与水印的相对位置；

步骤s1.3、获取包含水印和roi的第二样本图像；

具体地，与获取原始图像类似，用手机相机再次获得包括roi区域和水印区域的图像作为第二样本图像。但是，在这过程中获取的第二样本图像与原始图像存在位移，旋转和尺度变换的问题。对于透视变换我们在获取第二样本图像时应避免。

透视变换(perspectivetransformation)是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。

步骤s2、通过surf算法将所述第二样本图像变换到与原图像相同的尺度空间；

surf(speededuprobustfeatures)是一种类似于sift的特征点检测及描述子算法。其通过hessian矩阵来确定特征点的位置，再根据特征点邻域点的haar小波响应来确定描述子。sift算法的优点是特征稳定，对旋转、尺度变换、亮度保持不变性，对视角变换、噪声也有一定程度的稳定性；缺点是实时性不高，并且对于边缘光滑目标的特征点提取能力较弱。surf改进了特征的提取和描述方式，用一种更为高效的方式完成特征的提取和描述。

surf得到两幅图像的特征点并进行特征点的匹配，并通过设定阈值、ransac等方法来消除误匹配点。根据两幅图像的特征点找到相应的变换矩阵，将第二样本图像通过变换矩阵变换到原始图像的相同的尺度空间。因此，本发明利用surf算法将所述第二样本图像变换到与原图像相同的尺度空间，克服了获取的第二样本图像与原始图像存在位移，旋转和尺度变换的问题。提高了水印检测的准确率。

步骤s3、通过金字塔算法在变换后的第二样本图像中定位roi区域；

本发明采用模板匹配定位roi区域。通过将第二样本图像与基于所述原始图像创建的roi模板区域进行匹配，以在第二样本图像中定位roi区域。

在目标检测过程中，常用的方法就是设置一个模板，以滑动窗口的形式遍历整幅源图像(待检测的图像)；每次滑动都会产生一个和模板等大小的roi图像，基于某种度量方式，计算模板与当前roi图像的相似性度量值。这样遍历完整幅图像后就会形成一个图像，找出最大值对应的位置，它就是目标的位置。

然而，当源图像很大，遍历完整幅图像很耗时，因此，本申请基于金字塔进行模板匹配，金字塔方法是将图像分成不同的尺寸，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。金字塔的层级越高，图像越小，分辨率越低。这样从最高层图像中开始搜索roi模板区域，可以显著提高匹配速度。在搜索过程中，在最高层搜索到的模板结果会一层层往下映射，得到最底层的模板结果。

因此，本发明利用金字塔算法进行模板匹配，大大提高了匹配的效率。

步骤s4、确定水印位置；

具体地，根据第二样本图像中定位的roi区域和预先已知的roi与水印的相对位置确定水印位置。

步骤s5、检测水印。

本发明不对水印检测的具体方法进行限定。例如，可以利用将冗余离散小波(rdwt)与矩阵schur分解结合的灰度图像盲检测数字水印的方法来检测水印。

实施例二

如图2所示，本实施例提出了一种基于surf和金字塔算法的水印检测系统，包括：

缩放模块，用于将原始图像缩放到与第二样本图像同样的尺寸；

原始图像是指用于生成模板的图像，而第二样本图像是进行水印检测的图像。因此，在缩放模块处理之前还包括：

第一获取模块，用于获取包含水印和roi的原始图像；

具体地，本发明采用相机获取包含水印与roi的原始图像。为了进行准确的水印检测，获取的原始图像应清晰。

roi模板创建模块，用于基于所述原始图像创建roi模板区域；并记录roi与水印的相对位置；

第二获取模块，用于获取包含水印和roi的第二样本图像；

具体地，与获取原始图像类似，用手机相机再次获得包括roi区域和水印区域的图像作为第二样本图像。但是，在这过程中获取的第二样本图像与原始图像存在位移，旋转和尺度变换的问题。对于透视变换我们在获取第二样本图像时应避免。

透视变换(perspectivetransformation)是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。

变换模块，用于通过surf算法将所述第二样本图像变换到与原图像相同的尺度空间；

surf(speededuprobustfeatures)是一种类似于sift的特征点检测及描述子算法。其通过hessian矩阵来确定特征点的位置，再根据特征点邻域点的haar小波响应来确定描述子。sift算法的优点是特征稳定，对旋转、尺度变换、亮度保持不变性，对视角变换、噪声也有一定程度的稳定性；缺点是实时性不高，并且对于边缘光滑目标的特征点提取能力较弱。surf改进了特征的提取和描述方式，用一种更为高效的方式完成特征的提取和描述。

surf得到两幅图像的特征点并进行特征点的匹配，并通过设定阈值、ransac等方法来消除误匹配点。根据两幅图像的特征点找到相应的变换矩阵，将第二样本图像通过变换矩阵变换到原始图像的相同的尺度空间。因此，本发明利用surf算法将所述第二样本图像变换到与原图像相同的尺度空间，克服了获取的第二样本图像与原始图像存在位移，旋转和尺度变换的问题。提高了水印检测的准确率。

定位模块，用于通过金字塔算法在变换后的第二样本图像中定位roi区域；

本发明采用模板匹配定位roi区域。通过将第二样本图像与基于所述原始图像创建的roi模板区域进行匹配，以在第二样本图像中定位roi区域。

在目标检测过程中，常用的方法就是设置一个模板，以滑动窗口的形式遍历整幅源图像(待检测的图像)；每次滑动都会产生一个和模板等大小的roi图像，基于某种度量方式，计算模板与当前roi图像的相似性度量值。这样遍历完整幅图像后就会形成一个图像，找出最大值对应的位置，它就是目标的位置。

然而，当源图像很大，遍历完整幅图像很耗时，因此，本申请基于金字塔进行模板匹配，金字塔方法是将图像分成不同的尺寸，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。金字塔的层级越高，图像越小，分辨率越低。这样从最高层图像中开始搜索roi模板区域，可以显著提高匹配速度。在搜索过程中，在最高层搜索到的模板结果会一层层往下映射，得到最底层的模板结果。

因此，本发明利用金字塔算法进行模板匹配，大大提高了匹配的效率。

水印位置确定模块，用于确定水印位置；

具体地，根据第二样本图像中定位的roi区域和预先已知的roi与水印的相对位置确定水印位置。

水印检测模块，用于检测水印。

本发明不对水印检测的具体方法进行限定。例如，可以利用将冗余离散小波(rdwt)与矩阵schur分解结合的灰度图像盲检测数字水印的方法来检测水印。

由此可知，本发明基于surf和金字塔算法的水印检测方法及系统，利用surf算法将所述第二样本图像变换到与原图像相同的尺度空间，克服了获取的第二样本图像与原始图像存在位移，旋转和尺度变换的问题。提高了水印检测的准确率。利用金字塔算法进行模板匹配，大大提高了匹配的效率。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。