[发明专利]一种基于局部二值模式的中值滤波检测方法

摘要

本发明公开了基于局部二值模式的中值滤波检测方法，该方法包括步骤步骤1、利用基于中心对称的局部二值模式算子(C‑LBP)定位特征提取区域，所提取的结果是将平坦区的像素去除，只保留用于提取特征的像素(即纹理区像素)；步骤2、对纹理区域提取的检测特征进行直方图统计，统计结果作为检测特征；步骤3、利用检测中值滤波器形状的检测算子，获得中值滤波器的形状参数检测特征；步骤4、利用支持向量机(SVM)进行分类识别。与现有技术相比，本发明于SPAM(686维)和MFF(44维)来说，在保持较低的维度的前提下具有较高的检测率。

主权项

一种基于局部二值模式的中值滤波检测方法，其特征在于，该方法包括以下步骤：步骤(1)、利用基于中心对称的局部二值模式C‑LBP算子定位特征，提取区域，即，将平坦区的像素去除，只保留纹理区像素；步骤(2)、从待测图像的特征提取区域提出E‑LBP特征和N‑LBP特征，对两个特征进行直方图统计，统计结果作为检测特征；E‑LBP特征表示在定义的邻域中，统计周围像素和中心像素的像素值相等的像素点的个数；N‑LBP特征表示邻域内像素的灰度级个数；步骤(3)、利用经过C‑LBP提取出的纹理区中计算得到的5维特征S‑LBP作为中值滤波形状检测算子，获得中值滤波器的形状参数；当待测图像被确认为经中值滤波处理的图像后，在计算出其E‑LBP特征的基础上，统计不同方向上1的个数的比值；该S‑LBP特征S‑LBP＝(S0，S1，...，S4)的计算公式如下所示，其中，ε是使C‑LBP不为0的像素个数，即特征提取区域像素个数；步骤(4)、利用支持向量机(SVM)进行分类识别，分类识别过程如下：1)对数据集T1、T2、T3、T4分别提取E‑LBP和N‑LBP特征，并将得到的训练集输入C‑SVM进行训练，得到训练模型model1；2)对数据集T5、T6、T7分别提取S‑LBP特征，将得到的训练集输入C‑SVM进行训练，得到训练模型model2；重复该步骤，得到训练模型model3和model4；3)对于待测图像image，利用C‑LBP对其去除平坦区，提取E‑LBP和N‑LBP特征并输入到C‑SVM利用训练模型model1分类识别，即可判定其有无经过中值滤波；若断定其为中值滤波图像后，根据其滤波阶数利用不同的训练模型进行进一步 分类。