CN110263708A - 图像来源识别方法、设备及计算机可读存储介质 - Google Patents
图像来源识别方法、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110263708A CN110263708A CN201910532787.9A CN201910532787A CN110263708A CN 110263708 A CN110263708 A CN 110263708A CN 201910532787 A CN201910532787 A CN 201910532787A CN 110263708 A CN110263708 A CN 110263708A
- Authority
- CN
- China
- Prior art keywords
- frequency domain
- recognized
- images
- peak value
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
Abstract
本发明公开了一种图像来源识别方法,包括以下步骤:当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像;计算频域处理后的所述待识别图像的频域峰值,并确定所述频域峰值中的频域峰值序列;将所述频域峰值序列中除第一个频域峰值外的其它频域峰值确定为目标峰值,将所述目标峰值与所述目标峰值相邻的前一频域峰值进行差值运算,得到所述目标峰值对应的差值序列;根据所述差值序列确定所述待识别图像的来源。本发明还公开了一种图像来源识别设备及计算机可读存储介质。本发明实现了根据图像属性(频域信息)来识别图像来源。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像来源识别方法、设备及计算机可读存储介质。
背景技术
随着科学技术的进步,图像的应用越来越广泛,图像分类也越来越重要了。目前常用的图像分类方法是识别出图像所包含的内容,根据图像所包含的内容确定图像所属类型,如根据图像所含的内容识别出该图像是文字图像、人物图像还是风景图像等。由此可知,目前的图像的分类方法并没有从图像来源进行分类,然而对不同来源的图像可能需要进行不同的处理,如在对图像降噪过程中,对A来源的图像需要采取a种降噪方法,对B来源的图像需要采取b种降噪方法,以达到更好的降噪效果。因此,亟需一种可以识别图像来源的方法。
发明内容
本发明的主要目的在于提供一种图像来源识别方法、设备及计算机可读存储介质,旨在解决现有技术中无法从图像来源对图像进行分类的技术问题。
为实现上述目的,本发明提供一种图像来源识别方法,所述图像来源识别方法包括以下步骤:
当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像;
计算频域处理后的所述待识别图像的频域峰值,并确定所述频域峰值中的频域峰值序列;
将所述频域峰值序列中除第一个频域峰值外的其它频域峰值确定为目标峰值,将所述目标峰值与所述目标峰值相邻的前一频域峰值进行差值运算,得到所述目标峰值对应的差值序列;
根据所述差值序列确定所述待识别图像的来源。
可选地,所述根据所述差值序列确定所述待识别图像的来源的步骤包括:
将所述差值序列中的每一差值依次作为目标差值,将所述目标差值与所述目标差值相邻的后一差值进行和运算,得到所述目标差值对应的差值和;
若所述差值和在第一预设范围内,则确定所述待识别图像来源于印刷物;
若所述差值和未在所述第一预设范围内,则判断所述差值序列中的目标差值是否在第二预设范围内;
若所述目标差值序列在所述第二预设范围内,则确定所述待识别图像来源于显示器。
可选地,所述当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,对所述待识别图像进行傅里叶变换,得到所述待识别图像的频域;
对所述待识别图像的频域进行极坐标变换,以得到所述待识别图像频域对应的极坐标表示;
对所述极坐标对应数值进行归一化处理,得到归一化后的极坐标频域值;
对归一化后的极坐标频域值进行阈值化处理,得到阈值化后的所述极坐标频域值;
根据阈值化后的所述极坐标频域值确定所述待识别图像的极坐标频域边界,以得到频域处理后的所述待识别图像。
可选地,所述对归一化后的极坐标频域值进行阈值化处理,得到阈值化后的所述极坐标频域值的步骤包括:
获取所述极坐标沿半径方向对应的样本个数,根据所述样本个数和归一化后的极坐标频域值,计算每一归一化后的极坐标频域值角坐标处,沿半径方向的平均值和标准差;
根据所述极坐标对应数值、所述平均值和所述标准差得到阈值化后的所述极坐标频域值。
可选地,所述计算频域处理后的所述待识别图像的频域峰值,并确定所述频域峰值中的频域峰值序列的步骤包括:
根据所述极坐标频域边界获取所述待识别图像中的谐波频域范围,并计算所述谐波频域范围内对应的半径坐标方向之和;
根据所述半径坐标方向之和进行峰值检测,得到频域处理后的所述待识别图像的频域峰值;
将所述频域峰值进行降序排序,得到排序后的频域峰值;
在排序后的频域峰值中从前到后选取预设数量的频域峰值组成频域峰值序列。
可选地,所述当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,对所述待识别图像进行预处理,得到预处理后的所述待识别图像;
对预处理后的所述待识别图像进行频域处理,得到频域处理后的所述待识别图像。
可选地,所述当获取到待识别图像后,对所述待识别图像进行预处理,得到预处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,得到预处理后的所述待识别图像。
可选地,所述当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,得到预处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,以得到切割后的所述待识别图像;
按照预设的灰度值转换公式对切割后的所述待识别图像进行灰度值转换,得到预处理后的所述待识别图像。
进一步地,为实现上述目的,本发明还提供一种图像来源识别设备,所述图像来源识别设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的图像来源识别程序,所述图像来源识别程序被所述处理器执行时实现如上述所述的图像来源识别方法中设备执行的步骤。
进一步地,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有图像来源识别程序,所述图像来源识别程序被处理器执行时实现如上所述的图像来源识别方法的步骤。
本发明通过当获取到待识别图像后,对待识别图像进行频域处理,得到频域处理后的待识别图像;计算频域处理后的待识别图像的频域峰值,并确定频域峰值中的频域峰值序列;将频域峰值序列中除第一个频域峰值外的其它频域峰值确定为目标峰值,将目标峰值与目标峰值相邻的前一频域峰值进行差值运算,得到目标峰值对应的差值序列;根据差值序列确定待识别图像的来源,实现了根据图像属性(频域信息)来识别图像来源,便于对图像进行分类。
附图说明
图1为本发明图像来源识别设备实施例方案涉及的设备硬件运行环境的结构示意图;
图2为本发明图像来源识别方法第一实施例的流程示意图;
图3a为本发明实施例中来源于印刷物的待识别图像谐波造成的峰值分布示意图;
图3b为本发明实施例中来源于显示器的待识别图像谐波造成的峰值分布示意图;
图4a为本发明实施例中对来源于印刷物的待识别图像的极坐标频域值进行归一化后的示意图;
图4b为本发明实施例中对来源于显示器的待识别图像的极坐标频域值进行归一化后的示意图;
图5a为本发明实施例中将来源于印刷物的待识别图像中内容频域和谐波造成的频域峰值分开后的示意图;
图5b为本发明实施例中将来源于显示器的待识别图像中内容频域和谐波造成的频域峰值分开后的示意图;
图6a为本发明实施例中来源于印刷物的待识别图像中频域边界的示意图;
图6b为本发明实施例中来源于显示器的待识别图像中频域边界的示意图;
图7a为本发明实施例中来源于印刷物的待识别图像频域峰值的检测结果的示意图;
图7b为本发明实施例中来源于显示器的待识别图像频域峰值的检测结果的示意图;
图8为本发明实施例中当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像的示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明图像来源识别设备实施例方案涉及的设备硬件运行环境的结构示意图。
如图1所示,该图像来源识别设备可以包括:处理器1001,例如CPU,通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
本领域技术人员可以理解,图1中示出的图像来源识别设备的硬件结构并不构成对图像来源识别设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及图像来源识别程序。其中,操作系统是管理和控制图像来源识别设备与软件资源的程序,支持网络通信模块、用户接口模块、图像来源识别程序以及其他程序或软件的运行;网络通信模块用于管理和控制网络接口1004;用户接口模块用于管理和控制用户接口1003。
在图1所示的图像来源识别设备硬件结构中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;处理器1001可以调用存储器1005中存储的图像来源识别程序,并执行以下操作:
当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像;
计算频域处理后的所述待识别图像的频域峰值,并确定所述频域峰值中的频域峰值序列;
将所述频域峰值序列中除第一个频域峰值外的其它频域峰值确定为目标峰值,将所述目标峰值与所述目标峰值相邻的前一频域峰值进行差值运算,得到所述目标峰值对应的差值序列;
根据所述差值序列确定所述待识别图像的来源。
进一步地,所述根据所述差值序列确定所述待识别图像的来源的步骤包括:
将所述差值序列中的每一差值依次作为目标差值,将所述目标差值与所述目标差值相邻的后一差值进行和运算,得到所述目标差值对应的差值和;
若所述差值和在第一预设范围内,则确定所述待识别图像来源于印刷物;
若所述差值和未在所述第一预设范围内,则判断所述差值序列中的目标差值是否在第二预设范围内;
若所述目标差值序列在所述第二预设范围内,则确定所述待识别图像来源于显示器。
进一步地,所述当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,对所述待识别图像进行傅里叶变换,得到所述待识别图像的频域;
对所述待识别图像的频域进行极坐标变换,以得到所述待识别图像频域对应的极坐标表示;
对所述极坐标对应数值进行归一化处理,得到归一化后的极坐标频域值;
对归一化后的极坐标频域值进行阈值化处理,得到阈值化后的所述极坐标频域值;
根据阈值化后的所述极坐标频域值确定所述待识别图像的极坐标频域边界,以得到频域处理后的所述待识别图像。
进一步地,所述对归一化后的极坐标频域值进行阈值化处理,得到阈值化后的所述极坐标频域值的步骤包括:
获取所述极坐标沿半径方向对应的样本个数,根据所述样本个数和归一化后的极坐标频域值,计算每一归一化后的极坐标频域值角坐标处,沿半径方向的平均值和标准差;
根据所述极坐标对应数值、所述平均值和所述标准差得到阈值化后的所述极坐标频域值。
进一步地,所述计算频域处理后的所述待识别图像的频域峰值,并确定所述频域峰值中的频域峰值序列的步骤包括:
根据所述极坐标频域边界获取所述待识别图像中的谐波频域范围,并计算所述谐波频域范围内对应的半径坐标方向之和;
根据所述半径坐标方向之和进行峰值检测,得到频域处理后的所述待识别图像的频域峰值;
将所述频域峰值进行降序排序,得到排序后的频域峰值;
在排序后的频域峰值中从前到后选取预设数量的频域峰值组成频域峰值序列。
进一步地,所述当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,对所述待识别图像进行预处理,得到预处理后的所述待识别图像;
对预处理后的所述待识别图像进行频域处理,得到频域处理后的所述待识别图像。
进一步地,所述当获取到待识别图像后,对所述待识别图像进行预处理,得到预处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,得到预处理后的所述待识别图像。
进一步地,所述当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,得到预处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,以得到切割后的所述待识别图像;
按照预设的灰度值转换公式对切割后的所述待识别图像进行灰度值转换,得到预处理后的所述待识别图像。
本发明图像来源识别设备的具体实施方式与下述图像来源识别方法各实施例基本相同,在此不再赘述。
本发明还提供一种图像来源识别方法。
参照图2,图2为本发明图像来源识别方法第一实施例的流程示意图。
本发明实施例提供了图像来源识别方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图像来源识别方法应用于服务器或者终端中,终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal DigitalAssistant,PDA)等移动终端,以及诸如数字TV、台式计算机等固定终端。在图像来源识别方法的各个实施例中,为了便于描述,省略执行主体进行阐述各个实施例。图像来源识别方法包括:
步骤S10,当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像。
当获取到待识别图像后,对待识别图像进行频域处理,得到频域处理后的待识别图像。需要说明的是,该待识别图像可为其它客户端发送的,也可为图像来源识别设备自己数据库中存储,获取通过摄像机拍摄的。在本发明实施例,待识别图像是拍摄显示器所显示内容后形成的图像,或者是拍摄印刷物后形成的图像。显示器可为服务器对应设备和终端的屏幕。
需要说明的是,在对数字图像的显示过程中,由于显示器以及印刷物对于数字图像的像素表示方式的差异,在摄像机拍摄的图像中将造成一定程度的差异。由于是自身发光,服务器对应设备和终端等对应的显示器的像素通常使用加色法(additivecolor),像素的分布通常为栅格状,其每一个栅格包含并列排列的RGB加色法三原色。相对应的,印刷物由于非自身发光而是靠对环境光的吸收展现颜色,以及印刷油墨不能混合,彩色印刷物对数字图像的像素表达方式通常为加在不同载体上,通过不同加网形式进行半色调调制的彩色油墨,其表达的方式也由基于加色法的RGB基本色的数字图像变为基于减色法(subtractivecolor)的CMYK(印刷色彩模式)四种或CMY三种基本色,并且不同的减色法基本色的排列一般也非并列,而是互相间存在一定角度,如此便造成了不同减色法基本色在二维彩色印刷物图像平面上的非平行分布。CMY是青(Cyan)、洋红或品红(Magenta)和黄(Yellow)三种颜色的简写,CMYK是青(Cyan)、洋红或品红(Magenta)、黄(Yellow)和黑色(black)。
在对数字图像的表达过程中,不同像素在显示器上表现的亮度不同,在印刷物上产生的半色调墨水点的数量也不同。在一定距离外,从视觉上难以观察到显示器像素和印刷物的半色调点阵的分布,在图像的空间域中也同样难以提取。然而,由于显示器的像素和印刷物中的半色调点的间隔一般为固定值,从而使得无论显示器显示出的图像或者打印出的图像均会呈现明显的周期性。因而在用摄像机以高于两倍的采样率拍摄显示器像素和印刷物的半色调点阵后,摄像机拍摄的图像在频域里会存在较为明显的谐波造成的频域峰值。由于显示器和印刷物对图像中像素的基本色排列方式不同,其中存在的谐波在频域的位置会有明显差异,因此可以通过此差异来判断待识别图像是来源于显示器还是来源于印刷物。
进一步地,步骤S10还包括:
步骤a,当获取到待识别图像后,对所述待识别图像进行傅里叶变换,得到所述待识别图像的频域。
具体地,当获取到待识别图像后,获取预设的快速傅里叶变换(FFT,Fast FourierTransformation)公式,对待识别图像进行离散傅里叶变换,以得到待识别图像的频域。在本实施例中,为了更好地获取待识别图像中较小的频域变化,可采用对数函数对傅里叶变换后的待识别图像进行缩放。具体公式为:
其中,N0代表离散傅里叶变换的采样数量,在本实施例中N0=1024,即在离散傅里叶变换过程中,在待识别图像中采取1024个像素点。在其它实施例中,也可以将N0设置为其它数值,如可将N0设置为256或者2048等。(ωx,ωy)表示待识别图像在二维频域的坐标,该坐标中ωx和ωy的取值范围均为[-π,π]。Ig(x,y)为待识别图像的像素坐标,该像素坐标对应的坐标系在本发明实施例中可根据具体需要而设置,在此不做具体限制。
需要说明的是,由于每一张待识别图像内容的不同,因此每一待识别图像频域的绝对能量大小也不同,在本发明实施例中,只需要分析每一待识别图像频域不同位置的能量大小即可,不需要分析待识别图像的内容。为了更好地分析待识别图像的频域特征,在得到待识别图像的频域IF(ωx,ωy)后,对IF(ωx,ωy)进行归一化,使待识别图像的极坐标频域值的范围在[0,1]范围内。具体地,若归一化后的频域用I′F(ωx,ωy)表示,则:
具体地,可参照图3a和图3b,图3a为来自于印刷物的图像归一化后的频域,图3b是来源于显示器的图像归一化后的频域,由图3a和图3b可知,在待识别图像中,由谐波造成的位于高频的峰值特征十分明显。
步骤b,对所述待识别图像的频域进行极坐标变换,以得到所述待识别图像频域对应的极坐标表示。
需要说明的是,如果将待识别图像中所包含的谐波信号表示为周期为T的周期性信号g(U,V,T),则:
其中,frect(U,V)为矩形函数,其中(U,V)是以米为单位的,位于待识别图像所在的印刷物或者显示器的物理空间坐标,δ为脉冲函数,*代表卷积,(u,v)表示原始的印刷物或显示器的待识别图像像素坐标,即未经过任何处理的待识别图像中的像素。
其中,hu为,hv为周期信号占空比的一半。如果将二维的周期性函数拆分为两个一维的周期性函数相乘,则:
g(U,V,T)=g(U,V,T)u×g(U,V,T)v;
其中,
用傅立叶级数来表示则可表示为:
如果拍摄待识别图像摄像机的采样率为fC=1/Tc,在没有透视畸变的情况下,用T′=cT表示显示器或印刷物投影于摄像机传感器的方波信号周期,其中c取决于拍摄距离、摄像机的像素尺寸和焦距等因素。在本实施例中,假设Tc<T′,否则摄像机无法对显示器或印刷物中的周期性信号进行足够的采样。拍摄的谐波信号g(x,y,T′)在频域的表达G(ωx,ωy)有如下关系
其中,G(ωx)和G(ωy)表示为一维周期性信号g(U,V,T)u和g(U,V,T)v投影到摄像机并且进行了采样后于拍摄的图像中的频域。从此关系式中看出,其在频域对应谐波的峰值位置为由于摄像机的采样,其频域会以Tc为周期重复。在本实施例中,只考虑其中的一个周期,也就是nx=ny=0,并且将(0,0)设为二维频域的中心,则频域在ωx和ωy方向的范围为
在显示器的坐标栅格中,表达RGB的像素通常横向排列。在印刷物中,表达不同基本色的半色调的网格之间则一般存在一定的角度。假设其中不同基本色的半色调网格由水平网格顺时针旋转φ°,其非平行部分在频域的表达式为:
由此可知,当不同基本色的半色调网格由水平网格顺时针旋转φ°时,频域对应谐波的峰值逆时针旋转了φ°。另外,由于频域是由离散傅里叶变换而来,因此频域的范围也相应的由映射到[-π,π],无论Tc具体的数值。具体地,如图3a和图3b,所示。
由图3a和图3b,可知,在待识别图像中,代表谐波的峰值分布在不同的弧度,因此,需要对待识别图像的频域进行极坐标变换,以得到待识别图像频域对应的极坐标表示。具体地,若将待识别图像频域的中心位置坐标表示为(ωxc,ωyc),将极坐标表示为(r,φ),则待识别图像频域对应的极坐标转换公式可表示为:
由此可知,通过上述极坐标转换公式,即可将频域的二维直角坐标(ωx,ωy)转换为二维极坐标(r,φ),其中,角坐标φ代表以(ωxc,ωyc)为中心逆时针旋转的圆弧弧度,半径坐标r表示以(ωx,ωy)为中心的圆弧半径。
需要说明的是,由于离散傅里叶变换的采样数量,即离散傅里叶变换的长度N0=1024,因此,在本实施例中,极坐标(r,φ)中的分辨率为 其中,nr与nw是对应在r和φ方向上取样的样本个数,与N0作为直角坐标系中的样本个数时起到相同的作用的。
需要说明的是,(Δr,Δφ)越小,变换后所得的极坐标对应频域更能反映变换前频域的信息。为了提高图像识别来源的识别效率,通过实验结果设定nr=250,nw=500,在保证算法性能的前提下尽量减少需要进行极坐标转换的样本数量。但为了在角坐标方向有更好的分辨率来区分待识别图像来源于印刷物和显示器造成谐波的区别,因此将nw设置为nr的两倍。可以理解的是,在其它实施例中,nw和nr也可以设置为其它数值,且nw和nr之间的关系也不一定为两倍关系。
步骤c,对所述极坐标对应数值进行归一化处理,得到归一化后的极坐标频域值。
为了使不同来源的待识别图像在极坐标表示的频域中,存在范围一致的频域能量,需要对极坐标的具体数值进行归一化处理,得到归一化后的极坐标频域值。可以理解的是,在本发明实施例中,在傅里叶变换后,以及极坐标变化后,都会进行归一化操作来处理待识别图像频域的数据。需要说明的是,由于极坐标变换并非线性变换,因此,在本发明实施例中,采用线性插值法获取待识别图像在频域极坐标(r,φ)处的数值,并将所获取的频域极坐标(r,φ)处的数值记为F(r,φ)。其中,对F(r,φ)进行归一化处理的公式为:
具体地,归一化后的极坐标频域值如图4a和图4b所示。由图4a和图4b可知,在角坐标方向,待识别图像由于谐波造成的频域峰值之间的区别是十分明显的。在图4a和图4b中,横轴为半径坐标,纵轴为角坐标。在图4a和图4b中,两幅图中的左侧为待识别图像的频域,右侧为代表谐波波峰的频域峰值。
步骤d,对归一化后的极坐标频域值进行阈值化处理,得到阈值化后的所述极坐标频域值。
需要说明的是,在经过极坐标变换后的频域中,将待识别图像内容的频域范围和由于谐波信号造成的频域峰值区分开,以便于在后续的峰值检测过程中排除待识别图像内容的频域样本,即在识别图像来源过程中,要避免图像内容的干扰,因此,需要排除待识别图像内容的频域样本。具体地,对归一化后的极坐标频域值进行阈值化处理,得到阈值化后的极坐标频域值。进一步地,为了提高阈值化的处理效果以及去除待识别图像中的噪声和其它不明显的特征在频域中的影响,只保留待识别图像中较大频域能量的信号,在后续在计算频域峰值过程中我们排除待识别图像内容的频域样本,只保留待识别图像中代表谐波的峰值,即只保留图4a和图4b中右侧代表谐波的峰值。
进一步地,步骤d包括:
步骤d1,获取所述极坐标沿半径方向对应的样本个数,根据所述样本个数和归一化后的极坐标频域值,计算每一归一化后的极坐标频域值角坐标处,沿半径方向的平均值和标准差。
步骤d2,根据所述极坐标对应数值、所述平均值和所述标准差得到阈值化后的所述极坐标频域值。
阈值化处理的具体过程为:获取极坐标沿半径方向对应的样本个数,根据所获取的样本个数和归一化后的极坐标频域值,计算每一归一化后的极坐标频域值角坐标处,沿半径方向的平均值和标准差,根据极坐标对应数值、平均值和标准差得到阈值化后的极坐标频域值。若用F′(r,φ)表示在(r,φ)处的极坐标频域值,即用F′(r,φ)表示在(r,φ)处归一化后的极坐标频域值,极坐标沿半径方向对应的样本个数为nr,则对归一化后的极坐标频域值进行阈值化处理的具体过程为:在每一角坐标φ处,沿半径方向,也是就r方向求极坐标频域值的平均值和标准差,若用μ(φ)表示极坐标频域值的平均值,σ(φ)表示极坐标频域值的标准差,则:
在计算得到每一角坐标φ处,沿半径方向极坐标频域值的平均值和标准差后,以σ(φ)作为在每一个角度坐标φ处的阈值,对位于角度坐标φ的频域样本做阈值化来反映半径方向中有较大频域能量的信号,以得到阈值化后的极坐标频域值,即得到半径方向中有较大频域能量的信号。具体地,若用F″(r,φ)表示阈值化后的极坐标频域值,则:
具体地,参照图5a和图5b,图5a为来源于印刷物的图像,图5b为来源于显示器的图像。的由图5a和图5b可知,每一F″(r,φ)中左边图像内容的频域与右边谐波的频域之间已被阈值化设置为0,即在图5a和图5b中,待识别图像的左侧内容频域与右侧代表谐波的频域峰值已经被充分分开。
步骤e,根据阈值化后的所述极坐标频域值确定所述待识别图像的极坐标频域边界,以得到频域处理后的所述待识别图像。
当得到阈值化后的极坐标频域值后,根据阈值化后的极坐标频域值确定待识别图像的极坐标频域边界,得到边界处理后的待识别图像,其中,边界处理后的待识别图像即为频域处理后的待识别图像。具体地,定位半径方向上待识别图像内容的频域范围,并在在每一个半径坐标上沿角坐标方向求和,得到角坐标方向之和,以分辨出待识别图像中在低频区域的图像内容频域和在高频区域的谐波频域。若用S(r)表示在角坐标方向之和,则:
需要说明的是,若在极坐标中,半径坐标为r=rb,且S(r)为极坐标中连续的预设数量样本的样本位置,该预设数量为m1,若在m1Δr范围内的值均为0,即会存在S(rb)=S(rb+1)=S(rb+2)=...=S(rb+m1-1)=0,则可确定该半径坐标为待识别图像的极坐标频域边界,在大于rb的范围内只存在着由谐波信号造成的峰值,即通过该极坐标频域边界,即可区分待识别图像中的内容频域和谐波频域。其中,m1的大小可根据具体情况而设置,如可将m1设置为5或者7等。具体地,可参照图6a和图6b,图6a为来源于印刷物的待识别图像,图6b为来源于显示器的待识别图像,图6a和图6b中的点即为待识别图像中的频域边界rb。
步骤S20,计算频域处理后的所述待识别图像的频域峰值,并确定所述频域峰值中的频域峰值序列。
当得到频域处理后的待识别图像后,计算频域处理后的待识别图像的频域峰值,并确定频域峰值中的频域峰值序列。
进一步地,步骤S20包括:
步骤f,根据所述极坐标频域边界获取所述待识别图像中的谐波频域范围,并计算所述谐波频域范围内对应的半径坐标方向之和。
步骤g,根据所述半径坐标方向之和进行峰值检测,得到频域处理后的所述待识别图像的频域峰值。
为了避免自然图像对待识别图像来源识别的造成干扰,即为了避免待识别图像中内容频域对待识别图像来源识别的干扰,根据极坐标频域边界获取待识别图像中的谐波频域,即通过极坐标频域边界将待识别图像的图像内容对应的内容极坐标频域值设置为0,将待识别图像中剩余的频域确定为谐波频域范围,并在谐波频域范围内,在每一个角坐标上沿半径坐标方向求和,得到半径坐标方向之和,并根据所有角坐标处的半径坐标方向之和进行峰值检测,以得到频域处理后的待识别图像的频域峰值。
在本实施例中,将待识别图像中只包括谐波频域的极坐标频域值表示为P(r,φ),则:
在得到P(r,φ)后,我们确定了谐波频域在半径坐标方向的范围。若将在此范围内的半径坐标方向之和记为P′(φ),则:
其中,在P′(φ)中可以找到谐波频域的频域峰值,若用h(φ)=max{P′(φ-m2Δφ)...P′(φ),...,P′(φ+m2Δφ)}表示在[(φ-m2Δφ),(φ+m2Δφ)]范围内的最大值,m2的取值可根据具体需要而设置,m2等于m1,也可不等m1,则在P(r,φ)中,进行峰值检测的检测公式为:
其中,P″(φ)为频域处理后的待识别图像的频域峰值。由图3a、图3b、图4a和图4b可知,来源于印刷物的待识别图像中的半色调网格产生的谐波中,有4个谐波方向,且每一个方向都有两端。因此,在本实施例中,来源于印刷物的待识别图像在频域(ωx,ωy)方向上产生了8个对应的峰值;而来源于显示器的待识别图像的像素栅格产生的谐波中有2个可以区分方向,,且每一个方向都有两端,因此,来源于显示器的待识别图像在频域(ωx,ωy)方向上产生了4个对应的峰值。需要说明的是,来源于显示器的像素栅格绝大多数情况下只有2个互相垂直的方向,而来源于印刷物的待识别图像由于会用到CMYK(印刷色彩模式)四个基本色,因此来源于印刷物的待识别图像中半色调网格会存在4个方向。可以理解的是,若某些来源于印刷物的待识别图像所用的颜色超过CMYK四个基本色,则来源于印刷物的待识别图像中产生的谐波方向可能大于4个,此时,可通过调整频域中不同峰值的间隔以适应不同数量的谐波方向。
步骤h,将所述频域峰值进行降序排序,得到排序后的频域峰值。
步骤i,在排序后的频域峰值中从前到后选取预设数量的频域峰值组成频域峰值序列。
当得到频域峰值后,将所得的频域峰值进行降序排序,得到降序排序后的频域峰值,并在排序后的频域峰值中从前到后选取预设数量的频域峰值组成频域峰值序列。其中,由于来源于印刷物的待识别图像在频域方向上存在8个峰值,来源于显示器的待识别图像在频域方向存在4个峰值,因此,在本实施例中,预设数量可设置为8,也可设置为大于8的其它数值。可以理解的是,在频域峰值序列中,包括了所有频域峰值P″(φ)中最大的几个频域峰值。在其它实施例中,也可以将频域峰值P″(φ)按照升序排列,得到升序排列后的频域峰值,然后在升序排列后的频域峰值中从后到前选取预设数量的频域峰值组成频域峰值序列。
本实施例中用Φ′1表示频域峰值序列,将预设数量设置为8,则这8个峰值对应的频域峰值序列可表示为:Φ′1={φ′1,φ′2,...,φ′8},在该频域峰值序列中,φ′1<φ′2<φ′3<...<φ′8,其中φ′1、φ′2、φ′3、...、φ′8表示频域峰值序列中的8个频域峰值的位置。具体地,可参照图7a和图7b,图7a为来源于印刷物的待识别图像对应的频域峰值的检测结果,图7b为来源于显示器的待识别图像对应的频域峰值的检测结果。
步骤S30,将所述频域峰值序列中除第一个频域峰值外的其它频域峰值确定为目标峰值,将所述目标峰值与所述目标峰值相邻的前一频域峰值进行差值运算,得到所述目标峰值对应的差值序列。
步骤S40,根据所述差值序列确定所述待识别图像的来源。
在得到频域峰值序列后,将频域峰值序列中除第一频域峰值外的其它频域峰值确定为目标峰值,将目标峰值与目标峰值相邻的前一频域峰值进行差值运算,得到目标峰值对应的差值序列,并根据该差值序列确定待识别图像的来源。具体地,在频域峰值序列Φ′1中,差值序列可表示为:Δφ′1={Δφ′1,Δφ′2,Δφ′3,...,Δφ7′}={φ′2-φ′1,φ′3-φ′2,...,φ′8-φ′7},即Δφ′1=φ′2-φ′1,...Δφ′7=φ′8-φ′7。
进一步地,步骤S40包括:
步骤j,将所述差值序列中的每一差值依次作为目标差值,将所述目标差值与所述目标差值相邻的后一差值进行和运算,得到所述目标差值对应的差值和。
具体地,将差值序列中的每一差值依次作为目标差值,将目标差值与目标差值相邻的后一差值进行和运算,得到目标产值对应的差值和。具体地,若将Δφ′1作为目标差值,则Δφ′1对应的差值和为:Δφ′1+Δφ′2;若将Δφ′6作为目标差值,则Δφ′6对应的差值和为:Δφ′6+Δφ′7。
步骤k,若所述差值和在第一预设范围内,则确定所述待识别图像来源于印刷物。
当计算得到差值序列中各个目标差值对应的差值和后,判断各个差值和是否在第一预设范围内,若各个差值和都在第一预设范围内,则确定待识别图像来源于印刷物。在本实施例,第一预设范围是在90°的前后设置一定的容许偏差,如可将第一预设范围设置为90°±5°,即将第一预设范围设置为[85°,95°];或者将第一预设范围设置为90°±10°,即将第一预设范围设置为[80°,100°]。当第一预设范围设置为[80°,100°]时,若Δφ′1+Δφ′2≈Δφ′2+Δφ′3≈...≈Δφ′6+Δφ′7∈[80°,100°],则可确定待识别图像来源于印刷物。
步骤1,若所述差值和未在所述第一预设范围内,则判断所述差值序列中的目标差值是否在第二预设范围内。
若确定存在一个或者多个差值和未在第一预设范围内,则判断差值序列中的目标差值是否在第二预设范围内。其中,第一预设范围和第二预设范围可设置为一样,也可设置为不一样。若该目标差值序列中的目标差值在第二预设范围内,则确定待识别图像来源于显示器。需要说明的是,当各个差值和未在第一预设范围内时,表明待识别图像不是来源于印刷物的图像,因此需要进一步判断该待识别图像是否是来源于显示器,由于来源于显示器的像素栅格绝大多数情况下只有2个互相垂直的方向,因此,在本实施例中,只需要判断频域峰值序列中前4个频域峰值对应的目标差值是否在第二预设范围内即可,即只判断Δφ′1、Δφ′2和Δφ′3是否在第二预设范围内即可。
步骤m,若所述目标差值序列中的目标差值在所述第二预设范围内,则确定所述待识别图像来源于显示器。
若目标差值序列中的目标差值在第二预设范围内,即目标差值序列中的前3个目标差值在第二预设范围内,则确定待识别图像来源于显示器。如当第二预设范围设置为[80°,100°]时,若Δφ′1≈Δφ′2≈Δφ′3∈[80°,100°],则确定待识别图像来源于显示器。需要说明的是,也可根据具体需要判断目标差值序列中的前5个或者前6个目标差值是否在第二预设范围内。
需要说明的是,经过测试可知,来源于显示器的待识别图像谐波频域的频域峰值满足以下条件:Δφ′1=Δφ′2=Δφ′3=Δφ′4=90°;来源于印刷物的待识别图像谐波频域的频域峰值满足以下条件:Δφ′1+Δφ′2=Δφ′2+Δφ′3=...=Δφ′6+Δφ′7=90°。在实际的待识别图像中,由于环境因素影响,来源于印刷物的待识别图像谐波频域的频域峰值之间角坐标并不是固定的,而是由不同基本色的半色调网格在实际的印刷过程中互相间的角度决定,而角度的设定也可以提前根据需要设置。在本实施例中,假设两种相邻的基本色网格并非垂直,而不相邻的基本色网格互相间为垂直。当此假设没有被满足时,只要根据输入的不同颜色网格之间的角度进行90°替换即可。在来源于显示器的待识别图中,由于透视畸变(perspective distortion),镜头扭曲畸变(lens distortion),和相机采样过程中的噪音以及采样率的不足,不可能得到Δφ′1=Δφ′2=Δφ′3=Δφ′4=90°和Δφ′1+Δφ′2=Δφ′2+Δφ′3=...=Δφ′6+Δφ′7=90°公式中的绝对相等。
进一步地,若目标差值序列中的目标差值未在第二预设范围内,则确定无法识别待识别图像的来源,此时可能是由于待识别图像是在未对焦的情况下拍摄的;或者在拍摄待识别图像过程中,摄像机与所要拍摄的物体距离太远;或者是所拍摄的图像并不是对应屏幕或者印刷物;或者是待识别图像有较大的透视畸变或其他形状畸变,导致谐波的周期性消失或减弱太多使其对应的频域中的峰值难以检测。
本实施例通过当获取到待识别图像后,对待识别图像进行频域处理,得到频域处理后的待识别图像;计算频域处理后的待识别图像的频域峰值,并确定频域峰值中的频域峰值序列;将频域峰值序列中除第一个频域峰值外的其它频域峰值确定为目标峰值,将目标峰值与目标峰值相邻的前一频域峰值进行差值运算,得到目标峰值对应的差值序列;根据差值序列确定待识别图像的来源,实现了根据图像属性(频域信息)来识别图像来源,便于对图像进行分类。
进一步地,为了保证图像信息的可信度和图像传输的安全性,会在图像中添加数字水印信息。如对于一张嵌入了数字水印的二维码图像存在设定的信息提取次数限制,若用户在该图像中提取图像信息的次数超过所设定的信息提取次数限制,该图像已经判定失效则用户不可以再从该图像提取图像信息。但是由于目前拍摄终端的普遍,以及拍摄终端拍摄质量的提高,二维码图像的细节在经过近距离拍摄后会被充分采样,二维码图像中的数字水印也会较大程度的保留,因此,非法分子可通过拍摄盗取的未失效的图像,然后重新将其放大多倍显示于屏幕上使其水印信息充分显示,并且再次进行信息提取并通过合法渠道验证,盗取验证次数以实现非法目的。
通过本发明实施例中图像来源识别方法识别拍摄后的待识别图像的来源,当识别到待识别图像来源于显示器时,表明该待识别图像可能已被盗取,非法分子存在利用拍摄已盗取的有效图像来利用待识别图像的图像信息的可能,此时可让提取图像信息的用户进行相关认证,或者拒绝用户对待识别验证图像的相关操作,以提高图像信息的可信度和图像传输的安全性。
进一步地,提出本发明图像来源识别方法第二实施例。
所述图像来源识别方法第二实施例与所述图像来源识别方法第一实施例的区别在于,参照图8,步骤S10包括:
步骤S11,当获取到待识别图像后,对所述待识别图像进行预处理,得到预处理后的所述待识别图像。
步骤S12,对预处理后的所述待识别图像进行频域处理,得到频域处理后的所述待识别图像。
当获取到待识别图像后,对待识别图像进行预处理,得到预处理后的待识别图像,并对预处理后的待识别图像进行频域处理,以得到频域处理后的待识别图像。其中,对待识别图像进行预处理的过程包括但不限于对待识别图像进行切割和灰度转换。
进一步地,步骤S11包括:
步骤n,当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,得到预处理后的所述待识别图像。
具体地,当获取到待识别图像后,按照预设像素切割待识别图像,以保留待识别图像的中心区域,得到切割后的待识别图像,此时,切割后的待识别图像就是预处理后的待识别图像。其中,预设像素可根据具体需要而设置,如在本实施例中,可将预设像素设置为1024x1024,即在待识别图像中保留中心区域,且像素为1024x1024的图像区域。
进一步地,步骤n包括:
步骤n1,当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,以得到切割后的所述待识别图像。
步骤n2,按照预设的灰度值转换公式对切割后的所述待识别图像进行灰度值转换,得到预处理后的所述待识别图像。
进一步地,当获取到待识别图像后,按照预设像素切割待识别图像,以保留待识别图像的中心区域,以得到切割后的待识别图像,并按照预设的灰度值转换公式对切割后的待识别图像进行灰度值转换,得到预处理后的待识别图像。其中,预设的灰度值转换公式为:Ig(x,y)=0.299×R(x,y)+0.587×G(x,y)+0.114×B(x,y),在灰度值转换公式中,R、G和B分别为待识别图像中在红,绿,蓝三原色中的像素值,在本实施例中,为了便于计算,将R、G和B范围都为[0,1],(x,y)为待识别图像的像素坐标。
在本实施例中,不限制对待识别图像进行切割和灰度值转换的先后顺序,如可先对待识别图像进行灰度值转换,后对待识别图像进行切割,也可先对待识别图像进行切割,后对待识别图像进行灰度值转换。
本实施例通过在对待识别图像进行频域处理之前,先对待识别图像进行预处理操作,减小后续计算过程的计算量,提高了识别待识别图像来源的效率。
此外,本发明实施例还提出一种计算机可读存储介质。
计算机可读存储介质上存储有图像来源识别程序,图像来源识别程序被处理器执行时实现如上所述的图像来源识别方法的步骤。
本发明计算机可读存储介质具体实施方式与上述图像来源识别方法各实施例基本相同,在此不再赘述。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,这些均属于本发明的保护之内。
Claims (10)
1.一种图像来源识别方法,其特征在于,所述图像来源识别方法包括以下步骤:
当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像;
计算频域处理后的所述待识别图像的频域峰值,并确定所述频域峰值中的频域峰值序列;
将所述频域峰值序列中除第一个频域峰值外的其它频域峰值确定为目标峰值,将所述目标峰值与所述目标峰值相邻的前一频域峰值进行差值运算,得到所述目标峰值对应的差值序列;
根据所述差值序列确定所述待识别图像的来源。
2.如权利要求1所述的图像来源识别方法,其特征在于,所述根据所述差值序列确定所述待识别图像的来源的步骤包括:
将所述差值序列中的每一差值依次作为目标差值,将所述目标差值与所述目标差值相邻的后一差值进行和运算,得到所述目标差值对应的差值和;
若所述差值和在第一预设范围内,则确定所述待识别图像来源于印刷物;
若所述差值和未在所述第一预设范围内,则判断所述差值序列中的目标差值是否在第二预设范围内;
若所述目标差值序列在所述第二预设范围内,则确定所述待识别图像来源于显示器。
3.如权利要求1或2所述的图像来源识别方法,其特征在于,所述当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,对所述待识别图像进行傅里叶变换,得到所述待识别图像的频域;
对所述待识别图像的频域进行极坐标变换,以得到所述待识别图像频域对应的极坐标表示;
对所述极坐标对应数值进行归一化处理,得到归一化后的极坐标频域值;
对归一化后的极坐标频域值进行阈值化处理,得到阈值化后的所述极坐标频域值;
根据阈值化后的所述极坐标频域值确定所述待识别图像的极坐标频域边界,以得到频域处理后的所述待识别图像。
4.如权利要求3所述的图像来源识别方法,其特征在于,所述对归一化后的极坐标频域值进行阈值化处理,得到阈值化后的所述极坐标频域值的步骤包括:
获取所述极坐标沿半径方向对应的样本个数,根据所述样本个数和归一化后的极坐标频域值,计算每一归一化后的极坐标频域值角坐标处,沿半径方向的平均值和标准差;
根据所述极坐标对应数值、所述平均值和所述标准差得到阈值化后的所述极坐标频域值。
5.如权利要求3所述的图像来源识别方法,其特征在于,所述计算频域处理后的所述待识别图像的频域峰值,并确定所述频域峰值中的频域峰值序列的步骤包括:
根据所述极坐标频域边界获取所述待识别图像中的谐波频域范围,并计算所述谐波频域范围内对应的半径坐标方向之和;
根据所述半径坐标方向之和进行峰值检测,得到频域处理后的所述待识别图像的频域峰值;
将所述频域峰值进行降序排序,得到排序后的频域峰值;
在排序后的频域峰值中从前到后选取预设数量的频域峰值组成频域峰值序列。
6.如权利要求1或2所述的图像来源识别方法,其特征在于,所述当获取到待识别图像后,对所述待识别图像进行频域处理,得到频域处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,对所述待识别图像进行预处理,得到预处理后的所述待识别图像;
对预处理后的所述待识别图像进行频域处理,得到频域处理后的所述待识别图像。
7.如权利要求6所述的图像来源识别方法,其特征在于,所述当获取到待识别图像后,对所述待识别图像进行预处理,得到预处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,得到预处理后的所述待识别图像。
8.如权利要求7所述的图像来源识别方法,其特征在于,所述当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,得到预处理后的所述待识别图像的步骤包括:
当获取到待识别图像后,按照预设像素切割所述待识别图像,以保留所述待识别图像的中心区域,以得到切割后的所述待识别图像;
按照预设的灰度值转换公式对切割后的所述待识别图像进行灰度值转换,得到预处理后的所述待识别图像。
9.一种图像来源识别设备,其特征在于,所述图像来源识别设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的图像来源识别程序,所述图像来源识别程序被所述处理器执行时实现如权利要求1-8中任一项所述的图像来源识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有图像来源识别程序,所述图像来源识别程序被处理器执行时实现如权利要求1-8中任一项所述的图像来源识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910532787.9A CN110263708B (zh) | 2019-06-19 | 2019-06-19 | 图像来源识别方法、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910532787.9A CN110263708B (zh) | 2019-06-19 | 2019-06-19 | 图像来源识别方法、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110263708A true CN110263708A (zh) | 2019-09-20 |
CN110263708B CN110263708B (zh) | 2020-03-13 |
Family
ID=67919487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910532787.9A Active CN110263708B (zh) | 2019-06-19 | 2019-06-19 | 图像来源识别方法、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263708B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275111A (zh) * | 2020-01-20 | 2020-06-12 | 陕西科技大学 | 一种同种动物同色毛皮的分类方法 |
CN112016547A (zh) * | 2020-08-20 | 2020-12-01 | 上海天壤智能科技有限公司 | 基于深度学习的图像文字识别方法、系统及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5916747A (en) * | 1995-06-30 | 1999-06-29 | Visible Genetics Inc. | Method and apparatus for alignment of signals for use in DNA based-calling |
CN104486534A (zh) * | 2014-12-16 | 2015-04-01 | 西安诺瓦电子科技有限公司 | 摩尔纹检测抑制方法及装置 |
CN105957080A (zh) * | 2016-04-28 | 2016-09-21 | 王超维 | 基于频域对屏幕拍摄身份证照的识别方法 |
CN106951869A (zh) * | 2017-03-22 | 2017-07-14 | 腾讯科技(深圳)有限公司 | 一种活体验证方法及设备 |
CN108053371A (zh) * | 2017-11-30 | 2018-05-18 | 努比亚技术有限公司 | 一种图像处理方法、终端及计算机可读存储介质 |
CN109146855A (zh) * | 2018-08-01 | 2019-01-04 | Oppo广东移动通信有限公司 | 一种图像摩尔纹检测方法、终端设备及存储介质 |
CN109271941A (zh) * | 2018-09-26 | 2019-01-25 | 福州大学 | 一种基于防屏摄攻击的活体检测方法 |
CN109558794A (zh) * | 2018-10-17 | 2019-04-02 | 平安科技(深圳)有限公司 | 基于摩尔纹的图像识别方法、装置、设备和存储介质 |
CN109741231A (zh) * | 2018-12-27 | 2019-05-10 | 浙江大学 | 一种基于摩尔纹的摄屏图片溯源方法 |
-
2019
- 2019-06-19 CN CN201910532787.9A patent/CN110263708B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5916747A (en) * | 1995-06-30 | 1999-06-29 | Visible Genetics Inc. | Method and apparatus for alignment of signals for use in DNA based-calling |
CN104486534A (zh) * | 2014-12-16 | 2015-04-01 | 西安诺瓦电子科技有限公司 | 摩尔纹检测抑制方法及装置 |
CN105957080A (zh) * | 2016-04-28 | 2016-09-21 | 王超维 | 基于频域对屏幕拍摄身份证照的识别方法 |
CN106951869A (zh) * | 2017-03-22 | 2017-07-14 | 腾讯科技(深圳)有限公司 | 一种活体验证方法及设备 |
CN108053371A (zh) * | 2017-11-30 | 2018-05-18 | 努比亚技术有限公司 | 一种图像处理方法、终端及计算机可读存储介质 |
CN109146855A (zh) * | 2018-08-01 | 2019-01-04 | Oppo广东移动通信有限公司 | 一种图像摩尔纹检测方法、终端设备及存储介质 |
CN109271941A (zh) * | 2018-09-26 | 2019-01-25 | 福州大学 | 一种基于防屏摄攻击的活体检测方法 |
CN109558794A (zh) * | 2018-10-17 | 2019-04-02 | 平安科技(深圳)有限公司 | 基于摩尔纹的图像识别方法、装置、设备和存储介质 |
CN109741231A (zh) * | 2018-12-27 | 2019-05-10 | 浙江大学 | 一种基于摩尔纹的摄屏图片溯源方法 |
Non-Patent Citations (1)
Title |
---|
刘芳蕾: "基于图像分解的纹理图像摩尔纹消除方法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275111A (zh) * | 2020-01-20 | 2020-06-12 | 陕西科技大学 | 一种同种动物同色毛皮的分类方法 |
CN111275111B (zh) * | 2020-01-20 | 2023-10-31 | 陕西科技大学 | 一种同种动物同色毛皮的分类方法 |
CN112016547A (zh) * | 2020-08-20 | 2020-12-01 | 上海天壤智能科技有限公司 | 基于深度学习的图像文字识别方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110263708B (zh) | 2020-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Coverless image steganography using partial-duplicate image retrieval | |
Salloum et al. | Image splicing localization using a multi-task fully convolutional network (MFCN) | |
CN113841151B (zh) | 基于颜色空间变换技术和利用紫外线的目标相关图像检测 | |
US7925650B2 (en) | Image management methods, image management systems, and articles of manufacture | |
GB2608346A (en) | Optimizing detection of images in relation to targets based on colorspace transformation techniques | |
Polatkan et al. | Detection of forgery in paintings using supervised learning | |
Rathgeb et al. | PRNU‐based detection of facial retouching | |
WO2008036693A2 (en) | Image mask generation | |
CN109871845B (zh) | 证件图像提取方法及终端设备 | |
US9384519B1 (en) | Finding similar images based on extracting keys from images | |
WO2019076259A1 (zh) | 验证码的生成方法、装置、计算机设备及存储介质 | |
Fang et al. | Variational single image dehazing for enhanced visualization | |
Barni et al. | Forensics aided steganalysis of heterogeneous images | |
CN110390643A (zh) | 一种车牌增强方法、装置及电子设备 | |
CN113505854B (zh) | 一种人脸图像质量评价模型构建方法、装置、设备及介质 | |
Ng et al. | Discrimination of computer synthesized or recaptured images from real images | |
Zhang et al. | No one can escape: A general approach to detect tampered and generated image | |
CN110263708A (zh) | 图像来源识别方法、设备及计算机可读存储介质 | |
Fernández et al. | Fast and robust multiple colorchecker detection using deep convolutional neural networks | |
Wang et al. | Fast smoothing technique with edge preservation for single image dehazing | |
Liu et al. | Underwater image colour constancy based on DSNMF | |
CN102956025B (zh) | 一种图像水印检测方法及其系统 | |
Barni et al. | Iris deidentification with high visual realism for privacy protection on websites and social networks | |
JP2020507830A (ja) | マークが真正であるかを決定するための方法およびコンピューティングデバイス | |
Knockel et al. | (Can’t) Picture This: An Analysis of Image Filtering on WeChat Moments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230206 Address after: 308, Building 10, Shenzhen-Hong Kong Youth Dream Workshop, No. 35, Qianwan 1st Road, Nanshan Street, Qianhai Shenzhen-Hong Kong Cooperation Zone, Shenzhen, Guangdong Province Patentee after: Tufang image technology (Shenzhen) Co.,Ltd. Address before: Room 1906, 19/F, Hongxin Building, Hung Hom Estate, Kowloon Patentee before: Guo Weiqiang |
|
TR01 | Transfer of patent right |