[發(fā)明專利]一種基于紋理特征的數(shù)字圖像被動(dòng)盲取證方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210007510.2
• 申請(qǐng)日: 2012-01-12
• 公開(kāi)（公告）號(hào): CN102609891A
• 公開(kāi)（公告）日: 2012-07-25
• 發(fā)明（設(shè)計(jì)）人: 孫銳;高雋;閆曉星;徐彩臣;李濤
• 申請(qǐng)（專利權(quán)）人: 合肥工業(yè)大學(xué)
• 主分類號(hào): G06T1/00
• 分類號(hào): G06T1/00
• 代理公司: 安徽省合肥新安專利代理有限責(zé)任公司 34101
• 代理人: 汪祥虬

1.一種基于紋理特征的數(shù)字圖像被動(dòng)盲取證方法，其特征在于：

首先進(jìn)行紋理特征提取：

第一步、對(duì)待檢測(cè)的可疑圖像進(jìn)行灰度判決，如果為非灰度圖像，則將其轉(zhuǎn)換為灰度圖像；

第二步、將轉(zhuǎn)換為灰度圖像后的待檢測(cè)圖像的紋理部分剪裁出來(lái)；

第三步、將剪裁得到的灰度圖像紋理部分進(jìn)行重疊分塊；第四步、根據(jù)下列公式分別計(jì)算出每一個(gè)紋理子塊的紋理平均值、紋理標(biāo)準(zhǔn)差、紋理平滑度、三階矩、紋理一致性和紋理熵，作為每一個(gè)子塊的特征統(tǒng)計(jì)量，來(lái)代表每一個(gè)紋理子塊內(nèi)容信息：

1)紋理平均值公式

ave=1s×sΣx,yn(x,y)]]>

式中ave為紋理平均值，s×s為紋理子塊的大小，n(x，y)為(x，y)點(diǎn)的灰度值；

2)紋理標(biāo)準(zhǔn)差公式

var=Σx,y[n(x,y)-ave]2/(s×s)]]>

式中var為紋理標(biāo)準(zhǔn)差；

3)紋理平滑度公式

P=1-11+var2(L-1)2]]>

式中P為紋理平滑度，L為紋理灰度級(jí)；

4)三階矩公式

S=E(n(x,y)-ave)3var3]]>

式中S為紋理三階矩；

5)紋理一致性公式

K＝∑(p²)

式中K為紋理一致性，p為紋理直方圖均值；

6)紋理熵公式

E=-Σx,ypx,ylog2(px,y)]]>

式中E為紋理熵，p_x，y為(x，y)點(diǎn)的分布概率；

接著進(jìn)行紋理特征相似匹配，具體包含以下步驟：

第五步、將得到的每一個(gè)子塊的特征量進(jìn)行歸一化處理；

第六步、設(shè)歸一化后的紋理特征子塊的特征向量為(ave_i，var_i，P_i，S_i，K_i，E_i)，其

中，i＝(M-b+1)×(N-b+1)，將紋理特征子塊向量按順序排列得到N_w×6的特征矩陣，得到排序后的特征矩陣T，T_i表示特征矩陣T中的一行，i＝1，2…N_w；

第七步、遍歷特征矩陣T，計(jì)算特征矩陣T中相鄰兩行坐標(biāo)值的偏移量，得到偏移量矩陣；

第八步、按照下列相似性判決準(zhǔn)則公式

對(duì)得到的偏移量矩陣的每一行進(jìn)行相似性匹配；式中，S_i、S_j為偏移矩陣中的行向量，δ為判決閥值；

第九步、將小于判決閥值的的行向量所對(duì)應(yīng)的圖像紋理部分中的位置進(jìn)行標(biāo)記為1，不滿足判決閥值的行向量對(duì)應(yīng)的紋理部分的位置標(biāo)記為0；

第十步、對(duì)取證過(guò)程中產(chǎn)生的非連通區(qū)域，先對(duì)其進(jìn)行形態(tài)學(xué)開(kāi)操作然后再對(duì)其進(jìn)行形態(tài)學(xué)閉操作進(jìn)行消除。