基于边界能量的数字图像区域克隆识别技术

摘要

本发明涉及数字图像区域克隆识别技术。为提供基于区域边界能量的图片区域克隆辨别技术，为达到上述目的，本发明采取的技术方案是，基于边界能量的数字图像区域克隆识别技术，包括如下步骤：步骤一：定位边界像素点；步骤二：计算边界像素点能量；步骤三：分析边界像素点能量；步骤四：自动辨别伪造区域和真实区域。训练出一个人工神经网络，实现伪造和真实区域的自动辨别。本发明主要应用于数字图像区域克隆识别。

主权项

1.一种基于边界能量的数字图像区域克隆识别技术，其特征是，包括如下步骤：步骤一：定位边界像素点使用平面单应性和图形分割技术找到区域的边界，而且为下一步计算每个边界上像素点的能量做准备，还需要找到构成边界上每个像素点在图像中的位置坐标；步骤二：计算边界像素点能量利用步骤一中得到的边界上像素点在图像中的位置，计算每个像素点的能量，这个能量是利用每个边界像素点周围邻近像素点的梯度值求得的，它是邻近像素点梯度值之和，计算公式如下：$ϵ(i,j)=\underset{(x,y)\in N(i,j)}{\Sigma }|▿F(x,y)·\overrightarrow{n}(i,j)|---\left(1\right)$上式中N(i,j)是边界像素点(i,j)的8个邻近像素点集合，是8个邻近像素点之一(x,y)的梯度值，是像素点(i,j)所在边界法线方向单位向量；在8个邻近区域像素点中，如果有两个像素点正好也是边界像素点，那么各种情况下边界上的法线方向可以提前计算出来并存储在表格中，如果有多余两个像素点也是边界像素点，那么就假定当前正在计算的这个边界像素点的能量为0，从而得到计算边界上像素点能量值的快速算法：ε(i,j)＝aF_x(x_i,y_j)+bF_y(x_i,y_j)      (2)F_x(x_i,y_j)，和F_y(x_i,y_j)，分别表示像素点(x_i,y_j)处x方向偏导数值y方向偏导数值；步骤三：分析边界像素点能量边界上像素点能量计算出来之后，利用改进的五数概括法对两个轮廓上所有像素点能量应用统计方法进行分析，五数概括法是用五个关键数据对一个大数据集做总结，这五个数据分别是这个数据集的最小值、第1四分位数Q1、中位数Q2、第3四分位数Q3和最大值，在这个数据集中会产生异常值，即比大部分数据值小很多的值或者大很多的值，如下公式作为判断x是否是异常值的标准：x>Q3+1.5*IQR，      (1)x<Q1-1.5*IQR，      (2)（1）式作为大数异常值的判断标准，（2）式作为小数异常值的判断标准，其中IQR=Q3-Q1，数据集中的最大值和最小值不能是这些异常值；步骤四：自动辨别伪造区域和真实区域训练出一个人工神经网络，实现伪造和真实区域的自动辨别，在第三步中对于伪造区域和真实区域分别得到三个值，能量最大值、平均值和中位数，这两个区域总共产生6个值，在此步骤中将把第三步中得到的6个值作为输入，建立一个含有两层隐含层的人工神经网络，开始时权重全部设为1，偏差也设为1，隐含层函数f的功能是将输入值压缩到一定的范围之内，隐含层函数g的功能是将输入值转换成1或2，代表两个区域的编号，自动区分出伪造区域和真实区域，具体过程如下：（1）根据已知的输入和输出训练出一个人工神经网络；（2）将得到的6个值输入到训练成功的神经网络中，检测图片的真伪区域并给出结果。