[发明专利]基于局部二维特征的拼接图像检测方法及系统

权利要求书

1.一种基于局部二维特征的拼接图像检测方法，其特征在于，包括以下步骤：

步骤一：对待处理数据集中的任一图像进行多尺度的分块DCT变换，得到的分块DCT系数矩阵，并对分块DCT系数全部取绝对值，得到分块DCT系数绝对值矩阵；

步骤二：采用局部二维特征来表征图像拼接造成的统计特征的变化，将分块DCT系数绝对值矩阵转化为局部二维特征直方图；

步骤三：步骤一中取不同的正方形小块的边长值则对应得到代表各种尺度的分块DCT系数的绝对值矩阵，并根据步骤二的操作得到若干个对应的局部二维特征直方图；把各个局部二维特征直方图所生成的特征串联起来构成一个完整的统计特征，然后利用SVM分类器进行学习和分类。

2.根据权利要求1所述的方法，其特征是，所述的分块DCT变换是指：选择一种边长b，将待处理图像划分为边长为b的相同大小的正方形小块，然后在每一个正方形小块中进行DCT变换。

3.根据权利要求2所述的方法，其特征是，所述的正方形小块的边长b为8的倍数；当待处理图像的大小不能整除b，则在待处理图像的最右侧和最下侧添加0，直至其符合b的整倍数；经过分块DCT变换后所得到的分块DCT系数矩阵是一个M×N的矩阵，待处理图像尺寸是M′×N′通常这两者是大小一样的；当在待处理图像最右侧和最下侧添加了0列和0行后，所得到的系数矩阵会大于待处理图像。

4.根据权利要求1所述的方法，其特征是，所述的步骤二包括以下操作：

2.1在分块DCT系数绝对值矩阵上任意元素的周围取P个点，记作g_p，p={1…P}；这些点在中心点周围呈2π/P夹角等分排列；当周边点不在矩阵网格点上，利用其周边网格点数值进行插值估算，周边点和中心点的距离记为R；

2.2将周边点的灰度值依次与中心点的灰度值进行比较：当周边点的灰度值大于中心点的灰度值，则将比较结果记作1，否则为0；然后将P个点的比较结果按照自右向左排列，构成一个长度为P的0/1比较结果序列，将该比较结果序列作为二进制整数并用于转换为十进制整数；

2.3将分块DCT系数绝对值矩阵上每一个元素进行步骤2.2的处理，得到对应的十进制整数，将所有的十进制整数构成一个局部二维特征直方图。

5.根据权利要求4所述的方法，其特征是，所述的在分块DCT系数绝对值矩阵上任意元素的周围取P个点是指：在所述任意元素的上、下、左、右、以及左上、左下、右上、右下共8个点，周边点和中心点的距离R取1。

6.根据权利要求4所述的方法，其特征是，所述的直方图的横向刻度取值为0到2^P-1，把每一个横向刻度对应的直方图的值都作为一个特征，特征维度2^P。

7.根据权利要求1所述的方法，其特征是，所述的步骤三包括以下操作：

3.1通过取不同的边长值b得到不同尺度的分块DCT系数绝对值矩阵，对每一个分块DCT绝对值矩阵采用步骤二所述得到局部二维特征直方图；

3.2从每一个局部二维特征直方图提取2^P维特征，并将这些特征串接在一起形成一个完整的统计特征；

3.3将待处理数据集中的其余所有图片按照上述的特征提取方法提取特征，同时将图片分为训练集与测试集两部分，先将训练集的特征和类别数据输入分类器并得到分类模型；再将分类模型和测试集的特征再次输入分类器，得到测试集的类别判别；最后依据已知的测试集的类别得到分类准确度。

8.根据权利要求7所述的方法，其特征是，所述的训练集和测试集的图片数目比例为5:1。

9.根据权利要求7所述的方法，其特征是，所述的训练集和测试集中包含的拼接图片和自然图片的个数均为1:1。

10.一种用于实现上述任一权利要求所述方法的检测系统，其特征在于，包括：预处理模块、局部二维直方图构建模块、特征提取模块和分类器模块，其中：预处理模块与局部二维直方图构建模块相连并接收原始图像进行分块DCT变换后得到分块DCT系数绝对值矩阵并输出至局部二维直方图构建模块，局部二维直方图构建模块与特征提取模块相连并将分块DCT系数绝对值矩阵进行LBP运算后得到局部二维直方图并输出到特征提取模块，特征提取模块与分类器模块相连接并将局部二维直方图信息进行特征提取运算后得到分类特征输出到分类器模块，分类器模块接收分类特征进行分类运算后得到对原始图片的分类判断。