[發明專利]基于多尺度LTP特征的隱寫分析方法和隱寫分析裝置有效
| 申請號: | 201610222066.4 | 申請日: | 2016-04-11 |
| 公開(公告)號: | CN107292315B | 公開(公告)日: | 2021-02-05 |
| 發明(設計)人: | 林秋燕;李曉龍;郭宗明 | 申請(專利權)人: | 北京大學;北大方正集團有限公司;北京北大方正電子有限公司 |
| 主分類號: | G06K9/46 | 分類號: | G06K9/46;G06K9/62 |
| 代理公司: | 北京友聯知識產權代理事務所(普通合伙) 11343 | 代理人: | 尚志峰;汪海屏 |
| 地址: | 100871*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 尺度 ltp 特征 分析 方法 裝置 | ||
1.一種基于多尺度LTP特征的隱寫分析方法,其特征在于,包括:
基于貪心算法選擇用于計算多尺度LTP圖像特征的特征參數,以得到包含多組特征參數的參數集合,其中,所述參數集合中的每組特征參數包括濾波器參數,以及以載體圖像中的任一像素點為起始點的路徑參數;
根據所述每組特征參數,計算得到一組多尺度LTP圖像特征,以得到對應于所述參數集合的多組多尺度LTP圖像特征,并將所述多組多尺度LTP圖像特征進行組合,以生成所述載體圖像的圖像特征;
通過支持向量機算法對所述載體圖像的圖像特征進行分析,以確定所述載體圖像中是否有隱藏的信息;
基于貪心算法選擇用于計算多尺度LTP圖像特征的特征參數的步驟,具體包括:
初始化所述參數集合和訓練集全局預估正確率;
對于所有的待選擇特征參數中的任意一組特征參數,若加入到所述參數集合后,其訓練集預估最優正確率大于所述訓練集全局預估正確率,則將所述任意一組特征參數加入所述參數集合,并在將所述任意一組特征參數加入所述參數集合后,根據所述參數集合中的每組特征參數對應的訓練集預估最優正確率,對所述訓練集全局預估正確率進行更新。
2.根據權利要求1所述的基于多尺度LTP特征的隱寫分析方法,其特征在于,還包括:
將所述所有的待選擇特征參數中含有相同元素個數的濾波器參數和路徑參數組合成一組特征參數。
3.根據權利要求1或2所述的基于多尺度LTP特征的隱寫分析方法,其特征在于,根據所述每組特征參數,計算得到一組多尺度LTP圖像特征的步驟,具體包括:
根據所述每組特征參數,計算所述載體圖像中的所有像素點的多尺度LTP編碼值;
通過旋轉不變模式對所述所有像素點的多尺度LTP編碼值的維度進行壓縮,以得到壓縮后的多尺度LTP編碼值;
生成與所述壓縮后的多尺度LTP編碼值相對應的圖像分布直方圖,并將所述圖像分布直方圖作為所述LTP圖像特征。
4.根據權利要求3所述的基于多尺度LTP特征的隱寫分析方法,其特征在于,計算所述載體圖像中的任一像素點的多尺度LTP編碼值的步驟,具體包括:
基于所述任一像素點生成包含多個元素的初始路徑,其中,對于所述初始路徑上的任一元素,有且僅有一個以所述任一像素點為中心的正方形,使得所述任一元素位于所述正方形的邊上;
將所述初始路徑上的每個元素以所述任一像素點為中心,并沿著對應的正方形的邊進行旋轉,得到旋轉后的一條路徑;
根據所述每組特征參數,以及對所述初始路徑進行多次旋轉得到的多條路徑,計算所述任一像素點的多尺度LTP編碼值。
5.根據權利要求4所述的基于多尺度LTP特征的隱寫分析方法,其特征在于,通過以下公式計算所述任一像素點的多尺度LTP編碼值:
其中,表示任一像素點的多尺度LTP編碼值,且所述任一像素點的多尺度LTP編碼值取決于參數P、G0、f和t;P表示基于所述任一像素點的所述初始路徑和所述多條路徑的總個數;G0表示所述路徑參數,且為基于所述任一像素點的初始路徑;f表示所述濾波器參數,且f=(f(1),…,f(k)),t為常數;k表示所述初始路徑中的元素個數;gp,i表示由初始路徑G0旋轉得到的路徑Gp中的元素i;p為常數且0≤p≤P-1;函數s′(x,t)滿足以下關系:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京大學;北大方正集團有限公司;北京北大方正電子有限公司,未經北京大學;北大方正集團有限公司;北京北大方正電子有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201610222066.4/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:腫瘤CT圖像處理方法
- 下一篇:一種基于稀疏表示的提升圖像清晰度的方法





