[發明專利]一種圖像判別方法、存儲設備及移動終端

有效

• 申請號: 201710909494.9
• 申請日: 2017-09-29
• 公開（公告）號: CN107679572B
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 李斌;羅瑚;張浩鑫
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文;劉文求

1.一種圖像判別方法，其特征在于，所述方法包括：

選取圖像進行JPEG壓縮時產生的DCT系數，并從DCT系數中按zigzag順序選取前20個AC系數子帶，組成對應的輸入張量，并按照一定的組織方式依次輸入至對應的分支網絡結構中；

所述分支網絡結構中預設好的卷積模塊對輸入張量進行卷積操作、批量歸一化處理、非線性化操作以及數據降維處理，并將各分支網絡結果處理后的張量數據合并后輸入至分類模塊；

所述分類模塊將經所述分支網絡結構輸出的張量數據進行分類，并使用交叉熵損失函數對分類結果進行計算，根據計算結果判斷圖像是否經過雙重JPEG壓縮；

所述按照一定的組織方式依次輸入至對應的分支網絡結構中具體包括：

將輸入張量按照前20個AC系數子帶依次輸入到預設的第1至第20個分支網絡結構中，并把總的前20個AC系數子帶輸入至預設的第21個分支網絡結構中。

2.根據權利要求1所述的圖像判別方法，其特征在于，所述選取圖像進行JPEG壓縮時產生的DCT系數，并從DCT系數中按zigzag順序選取前20個AC系數子帶，組成對應的輸入張量，并按照一定的組織方式依次輸入至對應的分支網絡結構中之前還包括：

切割層提供張量的組織方式，并預先創建21個用于對輸入張量進行數據處理的分支網絡結構，前20個分支網絡結構依次接收DCT系數中的前20個AC系數子帶；第21個分支網絡結構用來接收總的AC系數子帶。

3.根據權利要求2所述的圖像判別方法，其特征在于，所述分支網絡結構具體包括：前20個分支網絡結構完全相同，且每個分支網絡結構均包含1個取絕對值模塊以及3個卷積模塊；

第21個分支網絡結構中包含1個取絕對值模塊以及4個卷積模塊。

4.根據權利要求1所述的圖像判別方法，其特征在于，所述分支網絡結構中的卷積模塊的包括：卷積層、批量歸一化層、激活函數層以及池化層；

且卷積模塊的創建方法包括：構建卷積神經網絡模型，并就該模型進行參數初始化；

按照預定的比例設置數據張量的訓練集、驗證集以及測試集，并將訓練集輸入到初始化后的卷積神經網絡模型中，對該模型進行訓練以及參數學習；

在訓練集經過訓練以及參數學習之后，將驗證集輸入到卷積神經網絡模型中進行測試，然后將結果最好的那一代卷積神經網絡模型保存用于測試集的測試，從而創建所述卷積模塊。

5.根據權利要求1所述的圖像判別方法，其特征在于，所述選取圖像進行JPEG壓縮時產生的DCT系數，并從DCT系數中按zigzag順序選取前20個AC系數子帶，組成對應的輸入張量具體包括：

獲取待判斷是否經過雙重JPEG壓縮的圖像數據，并從圖像數據中獲取JPEG壓縮時產生的DCT系數；

按照zigzag順序選取DCT系數中的前20個AC系數子帶，并組成對應的輸入張量。

6.根據權利要求1所述的圖像判別方法，其特征在于，所述分支網絡結構中預設好的卷積模塊對輸入張量進行卷積操作、批量歸一化處理、非線性化操作以及數據降維處理，并將各分支網絡結構處理后的張量數據合并后輸入至分類模塊具體包括：

所述分支網絡結構中的取絕對值模塊將輸入張量數據中的元素轉換為絕對值；

所述分支網絡結構預先設置好的卷積模塊中的卷積層對輸入張量數據進行卷積操作；

所述卷積模塊中的批量歸一化層使用Batch Normalization的方式對輸入張量數據進行批量歸一化處理；

所述卷積模塊中的激活函數層使用TanH函數對上一層輸出的處理結果進行非線性化處理；

所述卷積模塊中的池化層使用下采樣的方式進行數據降維處理；

將經過各分支網絡結構處理后的張量合并成一維向量特征輸入至預設的分類模塊。