[發明專利]一種針對物體刪除的縫裁剪圖像定位取證方法有效
| 申請號: | 201710205138.9 | 申請日: | 2017-03-31 |
| 公開(公告)號: | CN107145887B | 公開(公告)日: | 2019-10-01 |
| 發明(設計)人: | 柯永振;韓蓉;杜玲;郭景 | 申請(專利權)人: | 天津工業大學 |
| 主分類號: | G06K9/32 | 分類號: | G06K9/32;G06K9/46;G06K9/62 |
| 代理公司: | 北京知舟專利事務所(普通合伙) 11550 | 代理人: | 郭韞 |
| 地址: | 300387 *** | 國省代碼: | 天津;12 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 針對 物體 刪除 裁剪 圖像 定位 取證 方法 | ||
1.一種針對物體刪除的縫裁剪圖像定位取證方法,其特征在于:所述方法包括:
(1)對待檢測圖像進行塊效應網格提取,獲得待檢測圖像的塊效應網格圖G;
(2)對所述塊效應網格圖G進行特征提取,獲得特征;
(3)利用無監督聚類方法對所述特征進行分類,獲得分類標記結果圖;
(4)根據分類標記結果圖進行定位檢測;
所述步驟(4)是這樣實現的:
如果在分類標記結果圖上能夠分離出左側區域L、右側區域R和中間區域M,且中間區域M呈兩個漏斗型結構,且兩個漏斗型結構的頸部對接,則判定該待檢測圖像經過物體刪除,并且中間區域M的兩個漏斗型結構的對接處即為被刪除的物體的位置;
如果在分類標記結果圖上不能分離出左側區域L、右側區域R和中間區域M,或者能夠分離出左側區域L、右側區域R和中間區域M,但是中間區域M不呈頸部對接的兩個漏斗型結構,則判定該待檢測圖像沒有經過物體刪除。
2.根據權利要求1所述的針對物體刪除的縫裁剪圖像定位取證方法,其特征在于:所述步驟(2)是這樣實現的:
對于塊效應網格圖G中的每一個8*8的塊A=[a]8*8,使用下式獲得縱向累加序列B:
對縱向累加序列B進行降序排列,得到降序后的集合C及對應的坐標Index:
[C,Index]=sort(B,′deScend′)
其中,sort為排序操作,‘descend’表示降序,C為降序后的序列集合,Index為每個序列值在縱向累加序列B中對應的索引坐標;
提取縱向累加序列B的最大值f1、次大值f2:
f1=c1,ci∈C|i∈{1,2,...,8}
f2=c2,ci∈C|i∈{1,2,...,8}
提取縱向累加序列B的最大值對應的坐標f4、次大值對應的坐標f5:
f4=index1,indexi∈Index|i∈{1,2,...,8}
f5=index2,indexi∈Index|i∈{1,2,...,8}
提取縱向累加序列B的最大值與次大值之和與全部值之和的比值特征f7:
提取縱向累加序列B的標準差特征f9:
其中,
3.根據權利要求2所述的針對物體刪除的縫裁剪圖像定位取證方法,其特征在于:所述步驟(3)是這樣實現的:
將最大值f1、次大值f2、最大值對應的坐標f4、次大值對應的坐標f5、比值特征f7、標準差特征f9作為輸入,利用無監督聚類方法獲得分類標記結果,并將分類標記結果顯示出來,得到分類標記結果圖。
4.根據權利要求2所述的針對物體刪除的縫裁剪圖像定位取證方法,其特征在于:所述步驟(2)進一步包括:
提取縱向累加序列B的最大值f1與最小值f1的差值特征f3:
f3=f1-f2;
提取最大值對應的坐標f4、次大值對應的坐標f5這兩個坐標差特征f6:
f6=|f4-f5|;
提取縱向累加序列B的均值特征f8:
提取塊效應網格圖G的BAG偏移特征f10:
其中,函數Max[A{}]和Min[A{}]分別返回集合A{}的最大值和最小值。
5.根據權利要求4所述的針對物體刪除的縫裁剪圖像定位取證方法,其特征在于:所述步驟(3)是這樣實現的:
將最大值f1、次大值f2、差值特征f3、最大值對應的坐標f4、次大值對應的坐標f5、坐標差特征f6、比值特征f7、均值特征f8、標準差特征f9和BAG偏移特征f10作為輸入,利用無監督聚類方法獲得分類標記結果,并將分類標記結果顯示出來,得到分類標記結果圖。
6.根據權利要求3或5所述的針對物體刪除的縫裁剪圖像定位取證方法,其特征在于:所述無監督聚類方法采用3分類的K-Means聚類算法。
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天津工業大學,未經天津工業大學許可,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/201710205138.9/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:文本檢測方法和設備
- 下一篇:一種基于卷積深度網絡的圖像識別算法及系統





