一种图像掩模锐化检测方法及系统的制作方法
【技术领域】
[0001] 本发明属于图像处理与多媒体信息安全技术领域，尤其涉及一种图像掩模锐化检 测方法及系统。
【背景技术】
[0002] 近年来，随着手机、电脑等数字设备的普及，数字媒体作为信息的载体逐渐被大众 认知和接受。该其中，数字图像W其容易编辑、方便发布、传送等特点被应用得越来越广泛。 然而，也正是由于数字图像的易编辑性，使得数字图像的安全性W及真实性受到质疑，严重 制约了数字图像在法庭、保险业等正式、严肃场合的应用。
[0003] 锐化，作为一种典型的增强图像边缘对比度的图像编辑操作，经常被人们用来增 加图像的清晰度。经过锐化的图像会在边缘处产生更强的对比度，具有更强的层次感，使得 图像细节信息更易被人眼察觉。此外，锐化还可被用来掩盖图像篡改的痕迹。
[0004] 现有技术提出了一种基于过冲效应一维特征阔值化的掩模锐化检测方法。该方法 通过量化锐化强度并设定阔值来判断图像是否经过锐化。现有技术在锐化强度较高时，可 较准确的检测出图像是否被锐化。然而，在锐化强度较低时，现有技术检测的正确率会有较 大幅度下滑。
【发明内容】
[0005] 本发明实施例在于提供一种图像掩模锐化检测方法及系统，W解决现有技术在图 像锐化强度较低时，检测正确率较低的问题。
[0006] 本发明实施例的第一方面，提供一种图像掩模锐化检测方法，所述方法包括：
[0007] 采集待检测图像，对所述待检测图像进行边缘检测，W获取特征区域，所述特征区 域为垂直于边缘方向，并W边缘检测点为中也点的1XN的特征窗口，所述N为大于1的奇 数；
[0008] 对所述特征区域内N个像素点的相邻差值进行二值化编码，获得多个编码值，并 统计每个编码值出现的次数，将统计的所述次数作为图像锐化检测的统计向量；
[0009] 对所述统计向量进行归一化处理；
[0010] 将所述归一化处理后的统计向量通过SVM分类器进行锐化判定，获得判定结果。
[0011] 本发明实施例的第二方面，提供一种图像掩模锐化检测系统，所述系统还包括：
[0012] 特征区域获取单元，用于采集待检测图像，对所述待检测图像进行边缘检测，W获 取特征区域，所述特征区域为垂直于边缘方向，并W边缘检测点为中也点的1XN的特征窗 口，所述N为大于1的奇数；
[0013] 特征统计单元，用于对所述特征区域内N个像素点的相邻差值进行二值化编码， 获得多个编码值，并统计每个编码值出现的次数，将统计的所述次数作为图像锐化检测的 统计向量；
[0014] 归一化处理单元，用于对所述统计向量进行归一化处理；
[0015]图像锐化判定单元，用于将所述归一化处理后的统计向量通过SVM分类器进行锐 化判定，获得判定结果。
[0016]本发明实施例与现有技术相比存在的有益效果是：本发明实施例对边缘垂直方向 上连续N个像素点的相邻灰度差值进行二值化编码，能在更大邻域范围内刻画图像锐化带 来的统计特征；二值化编码方式有助于在获得高检测精度的同时，控制特征向量的维数，节 省SVM分类器的训练时间和内存需求。而且本发明实施例在特征向量提取后直接通过SVM 分类器进行锐化判定，避免了现有技术由于过分依赖人工设定阔值，当低强度锐化产生较 弱过冲效应时，导致的检测性能下降、判定结果出错的问题。另外，本发明实施例不受图像 自身动态范围大小和锐化参数的影响，适用性广。尤其是在图像锐化强度低的情况下，本发 明实施例检测的正确率依旧可W保持在较高水准。本发明实施例编码方式简单、高效，计算 复杂度低，对系统内存的需求低，具有较强的易用性和实用性。
【附图说明】
[0017]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可W根据该些 附图获得其他的附图。
[0018]图1是本发明第一实施例提供的图像掩模锐化检测方法的实现流程图；
[0019]图2是本发明第二实施例提供的图像掩模锐化检测系统的组成结构图。
【具体实施方式】
[0020] 为了使本发明的目的、技术方案及优点更加清楚明白，W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W解释本发明，并 不用于限定本发明。
[0021] 为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[0022] 连施例一:
[0023] 图1示出了第一实施例提供的图像掩模锐化检测方法的实现流程，该方法过程详 述如下：
[0024] 在步骤S101中，采集待检测图像，对所述待检测图像进行边缘检测，W获取特征 区域，所述特征区域为垂直于边缘方向，并W边缘检测点为中也点的1XN的特征窗口， 所述N为大于1的奇数。例如，1X5的特征窗口，在特征区域内的五个像素点可W记为： B=[P。，Pi，P2,P3,PJ，其中P2为检测到的边缘点。
[00巧]由于图像锐化增强的效果主要体现在边缘上，因此需要检测出待检测图像的边 缘。本实施例可W采用"canny"算子、"Sobel"算子或"Robed"算子等来检测待检测图 像的边缘。较佳的，为了获得稳定可靠的边缘检测效果，本实施例优选具有自适应特性的 'canny'算子来检测边缘，不需要设定特别的阔值。
[0026]可选的是，在对所述待检测图像进行边缘检测之前，本实施例还包括：
[0027]判断所述待检测图像是否为灰度图像，若否，将所述待检测图像转换为灰度图像。
[0028] 在步骤S102中，对所述特征区域内N个像素点的相邻差值进行二值化编码，获得 多个编码值，并统计每个编码值出现的次数，将统计的所述次数作为图像锐化检测的统计 向量。
[0029] 具体的是，计算所述特征区域内两两相邻像素点的差值，即C=[(Pn-Pi)，化斗2)，. ..，（Pn_2-Pn_i)]，将C转化为T，获得 1X(N-1)的矩阵，即T=[A。，A。...，Aw_2]，其中Aa=PcrPi，Ai=Pi-P2，…，Aw_2=Pm-2-Pm-1 ;Pl、P2、. . .Pm-1为特征区域内像素点，若Pm-l大于或等于Pm，则令 Am_i为 1，若Pm_i小于Pm,则令Am_i为 0,其中m=l，2, . . .，N-1 ;
[0030] 依次对T中的A。，Ai，. . .，Aw_2进行二进制编码，并进行十进制转化，将得到的0至 15之间的十进制数作为特征标记。其中所述二进制编码公式式
，获 得多个编码值，并统计每个编码值出现的次数，将统计的所述次数作为图像锐化检测的统 计向量。
[0031] 在步骤S103中，对所述统计向量进行归一化处理。
[0032] 在本实施例中，为了消除不同图像边缘点总数差异对锐化检测效果的影响，本实 施例将每个编码值出现的次数除W统计的总次数，得到归一化后的统计向量，并将所述归 一化后的统计向量作为边缘垂直二值编码巧dgePe巧endi州larBinaryCoding，EPBC)特 征向量。
[0033] 在步骤S104中，将所述归一化处理后的统计向量通过SVM分类器进行锐化判定， 获得判定结果。
[0034] 进一步的，本实施例在将所述归一化处理后的统计向量通过SVM分类器进行锐化 判定之前，还包括：
[00对 建立SVM分类器；
[0036] 所述建立SVM分类器包括：
[0037] 采集原始图像，建立原始图像库；
[0038]对所述原始图像库中的每一幅原始图像进行掩模锐化，获得对应的锐化图像；
[0039] 计算所述原始图像的EPBC特征向量和锐化图像的EPBC特征向量，并将原始图像 的EPBC特征向量标记为"-1 "，锐化图像的EPBC特征向量标记为"+1 "，将所述EPBC特征向 量和标记输入至开源软件libsvm提供的接口函数，完成SVM分类器的建立，其中所述EPBC 特征向量为归一化处理后的统计向量。
[0040] 其中，所述将所述归一化处理后的统计向量通过S