CN114598872B - Jpeg压缩域增强的参数估计方法、装置、介质及计算设备 - Google Patents

Jpeg压缩域增强的参数估计方法、装置、介质及计算设备 Download PDF

Info

Publication number
CN114598872B
CN114598872B CN202011431015.5A CN202011431015A CN114598872B CN 114598872 B CN114598872 B CN 114598872B CN 202011431015 A CN202011431015 A CN 202011431015A CN 114598872 B CN114598872 B CN 114598872B
Authority
CN
China
Prior art keywords
enhancement
likelihood function
frequency
parameter estimation
calculating
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.)
Active
Application number
CN202011431015.5A
Other languages
English (en)
Other versions
CN114598872A (zh
Inventor
杨建权
朱国普
常杰
丁峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN202011431015.5A priority Critical patent/CN114598872B/zh
Publication of CN114598872A publication Critical patent/CN114598872A/zh
Application granted granted Critical
Publication of CN114598872B publication Critical patent/CN114598872B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/12—Selection from among a plurality of transforms or standards, e.g. selection between discrete cosine transform [DCT] and sub-band transform or selection between H.263 and H.264
    • H04N19/122—Selection of transform size, e.g. 8x8 or 2x4x8 DCT; Selection of sub-band transforms of varying structure or type
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
    • H04N19/625—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using discrete cosine transform [DCT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Discrete Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)
  • Compression Of Band Width Or Redundancy In Fax (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

本发明公开了一种JPEG压缩域增强的参数估计方法，包括：对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块；对每一个可用块进行离散余弦变换，得到对应的系数矩阵；对系数矩阵中的每一个空间频率，计算对应的分频似然函数；根据分频似然函数，计算总似然函数；根据总似然函数计算增强参数估计值；根据增强参数估计值和分频似然函数计算压缩参数估计值。本发明还公开了一种JPEG压缩域增强的参数估计装置、存储介质及计算设备。本发明针对压缩域增强的特点，通过计算相应的分频似然函数和总似然函数，根据总似然函数的得到增强参数估计值，根据分频似然函数得到压缩参数估计值，能够同时精准估计两类参数。

Description

JPEG压缩域增强的参数估计方法、装置、介质及计算设备
技术领域
本发明涉及图像检测和处理技术领域，尤其涉及一种JPEG压缩域增强的参数估计方法、装置、存储介质及计算设备。
背景技术
JPEG(Joint Photographic Experts Group)即联合图像专家组，是用于连续色调静态图像压缩的一种标准，文件后缀名为.jpg或.jpeg，是最常用的图像文件格式。
JPEG压缩域增强是一种增强JPEG图像对比度的处理操作。在将两幅JPEG图像进行合成时，如果两者的对比度存在差异，则容易留下明显的合成痕迹。一种减轻合成痕迹的常用做法是分别调整两幅图像的对比度使之匹配，这会导致合成图像中的某个局部的增强参数与其它局部的增强参数不一致。此外，如果两幅JPEG图像的压缩参数本身就不同，也会导致合成图像中某个局部的压缩参数与其它局部的压缩参数不一致。因此，通过估计可疑图像各个局部的增强参数和压缩参数，并进行一致性比对，有助于判明该可疑图像是否为合成图像，为防范合成图像用于非法目的提供技术保障。
JPEG压缩域增强图像可以看作是一幅经过JPEG压缩后再经过增强的图像，因此其参数的估计包含两个方面：增强参数的估计和压缩参数的估计。目前发现的一些图像参数估计方案主要为估计JPEG压缩位图的压缩参数而设计，由于建模分析时未考虑压缩域增强的影响，导致此类方法若直接用于估计压缩域增强图像的压缩参数，往往效果很差甚至无法实施，并且缺乏估计增强参数的能力。
目前能同时估计增强参数和压缩参数的方法尚未见报道，为估计JPEG压缩位图的压缩参数而设计的方法并不适用于同时估计JPEG压缩域增强图像的增强参数和压缩参数。
发明内容
鉴于现有技术存在的不足，本发明提供了一种JPEG压缩域增强的参数估计方法、装置、存储介质及计算设备，可以用于对给定的一幅经过JPEG压缩域增强的位图，同时精确地估计其JPEG压缩域增强图像的增强参数和压缩参数，并可进一步用于图像篡改检测。
为了实现上述的目的，本发明采用了如下的技术方案：
一种JPEG压缩域增强的参数估计方法，包括：
对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块；
对每一个可用块进行离散余弦变换，得到对应的系数矩阵Dk；
对系数矩阵Dk中的每一个空间频率(i,j)，计算对应的分频似然函数Lij；
根据分频似然函数Lij，计算总似然函数L；
根据总似然函数L计算增强参数估计值
Figure BDA0002820631340000021
根据增强参数估计值
Figure BDA0002820631340000022
和分频似然函数Lij计算压缩参数估计值/>
Figure BDA0002820631340000023
作为其中一种实施方式，所述对对系数矩阵Dk中的每一个空间频率(i,j)，计算对应的分频似然函数Lij的步骤，包括：
遍历增强参数的候选值集合S中的每一个增强参数候选值λt，对系数矩阵Dk的每个系数
Figure BDA0002820631340000024
进行反向增强操作，得到反向增强系数矩阵；
根据反向增强系数矩阵，计算每个空间频率(i,j)对应的分频似然函数Lij。
作为其中一种实施方式，所述对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块的步骤，包括：
对输入的JPEG压缩域增强图像的像素矩阵进行8×8分块；
排除分块中的奇异块，所述奇异块的最大灰度值为255，或最小灰度值为0，或最大灰度值等于最小灰度值。
作为其中一种实施方式，所述根据反向增强系数矩阵，计算每个空间频率(i,j)对应的分频似然函数Lij的步骤，包括：
根据拉普拉斯概率质量函数PL和高斯截断概率密度函数G，计算出概率分布函数p；
根据反向增强系数矩阵和概率分布函数p，计算出分频似然函数Lij。
作为其中一种实施方式，所述分频似然函数Lij满足：
Figure BDA0002820631340000031
其中，k为分块索引，1≤k≤K，
Figure BDA0002820631340000032
为系数矩阵Dk中空间频率(i,j)处的系数，0≤i,j≤7；qij为空间频率(i,j)处的整数量化步长，取值范围为1≤qij≤qB；概率分布函数p满足：
Figure BDA0002820631340000033
表示整数集；
其中，拉普拉斯概率质量函数PL满足：
Figure BDA0002820631340000034
其中，高斯截断概率密度函数G满足：
Figure BDA0002820631340000035
σ2＝1/12，B＝4，
Figure BDA0002820631340000036
作为其中一种实施方式，所述总似然函数L满足：
Figure BDA0002820631340000037
所述增强参数估计值
Figure BDA0002820631340000038
满足：
Figure BDA0002820631340000039
S为增强参数的候选值集合，S＝{λ1,λ2,…,λt,…,λT}；
所述根据增强参数估计值
Figure BDA00028206313400000310
和分频似然函数Lij计算压缩参数估计值/>
Figure BDA00028206313400000311
包括：
将增强参数估计值
Figure BDA00028206313400000312
代入每一个空间频率(i,j)对应的分频似然函数Lij中，通过下式得到压缩参数估计值/>
Figure BDA00028206313400000313
Figure BDA00028206313400000314
本发明的另一目的在于提供一种JPEG压缩域增强的参数估计装置，包括：
筛分模块，用于对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块；
变换模块，用于对每一个可用块进行离散余弦变换，得到对应的系数矩阵Dk；
分频似然函数计算模块，用于对系数矩阵Dk中的每一个空间频率(i,j)，计算对应的分频似然函数Lij；
总似然函数计算模块，用于根据分频似然函数Lij，计算总似然函数L；
第一估算模块，用于根据总似然函数L计算增强参数估计值
Figure BDA0002820631340000041
第二估算模块，用于根据增强参数估计值
Figure BDA0002820631340000042
和分频似然函数Lij计算压缩参数估计值/>
Figure BDA0002820631340000043
作为其中一种实施方式，所述分频似然函数计算模块包括：
变换模块，用于对每一个可用块进行离散余弦变换，得到对应的系数矩阵Dk；
反向增强模块，用于遍历增强参数的候选值集合S中的每一个增强参数候选值λt，对系数矩阵Dk的每个系数
Figure BDA0002820631340000044
进行反向增强操作，得到反向增强系数矩阵；
运算模块，用于根据反向增强系数矩阵，计算每个空间频率(i,j)对应的分频似然函数Lij。
本发明的又一目的在于提供一种存储介质，所述存储介质内存储有多条指令，所述指令适于由处理器加载并执行所述JPEG压缩域增强的参数估计方法的步骤。
本发明的又一目的在于提供一种计算设备，包括所述存储介质和适于实现各指令的处理器。
本发明针对压缩域增强的特点，通过计算相应的分频似然函数和总似然函数，根据总似然函数的得到增强参数估计值，根据分频似然函数得到压缩参数估计值，能够同时精准估计两类参数。
附图说明
图1为本发明实施例的一种JPEG压缩域增强的参数估计方法的流程示意图；
图2为本发明实施例的一种JPEG压缩域增强的参数估计装置的结构框图。
具体实施方式
在本发明中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参阅图1，本发明实施例提供了一种JPEG压缩域增强的参数估计方法，包括：
S01、对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块，排除奇异块。
在步骤S01中，对输入的JPEG压缩域增强图像像素矩阵分块，挑选出适于增强检测的可用块的步骤，具体可以包括：
S011、对输入的JPEG压缩域增强图像的像素矩阵进行8×8分块。
例如，可以记输入的JPEG压缩域增强图像像素矩阵为I，对输入的JPEG压缩域增强图像像素矩阵I进行8×8分块。
S012、排除分块中的奇异块，奇异块的最大灰度值为255，或最小灰度值为0，或最大灰度值等于最小灰度值。
考虑到如果一个分块中的最大灰度值为255，或最小灰度值为0，或最大灰度值等于最小灰度值，则该分块会对增强检测会产生不良影响，因此此类奇异块需要弃之不用。排除所有奇异块后，剩下的分块称为可用块，可用块数量记为K。
S02、对每一个可用块进行离散余弦变换，得到对应的系数矩阵Dk。
其中的上标k表示分块索引，1≤k≤K。记系数矩阵Dk中空间频率(i,j)处(0≤i,j≤7)的系数为
Figure BDA0002820631340000051
S03、对系数矩阵Dk中的每一个空间频率(i,j)，计算对应的分频似然函数Lij。
计算对应的分频似然函数Lij前，还需要实现对系数矩阵Dk进行处理，其计算过程具体包括：
S031、遍历增强参数的候选值集合S中的每一个增强参数候选值λt，对系数矩阵Dk的每个系数
Figure BDA0002820631340000061
进行反向增强操作，得到反向增强系数矩阵。
这里，设定增强参数的候选值集合S＝{λ1,λ2,…,λt,…,λT}。遍历每一个候选值λt，对系数
Figure BDA0002820631340000062
进行反向增强操作：
Figure BDA0002820631340000063
其中的f为增强算子，
Figure BDA0002820631340000064
表示用增强参数λt进行反向增强后的DCT(DiscreteCosine Transform，离散余弦变换)系数。
S032、根据反向增强系数矩阵，计算每个空间频率(i,j)对应的分频似然函数Lij：
Figure BDA0002820631340000065
其中，式(2)中的qij为空间频率(i,j)处的整数量化步长，且1≤qij≤qB，最大取值qB可供设定；log表示对数运算；p为概率分布函数，定义为：
Figure BDA0002820631340000066
其中，式(3)中的
Figure BDA0002820631340000067
表示整数集，PL为拉普拉斯概率质量函数，G为高斯截断概率密度函数。
因此，计算每个空间频率(i,j)对应的分频似然函数Lij，首先需要根据拉普拉斯概率质量函数PL和高斯截断概率密度函数G，计算出概率分布函数p；然后才根据反向增强系数矩阵和概率分布函数p，计算出分频似然函数Lij。
式(3)中，拉普拉斯概率质量函数PL定义为：
Figure BDA0002820631340000068
其中，式(4)中，ρij为尺度参数，可通过
Figure BDA0002820631340000069
进行计算，exp表示以自然常数e＝2.71828…为幂的指数函数。
式(3)中，高斯截断概率密度函数G定义为：
Figure BDA00028206313400000610
其中，式(5)中的σ2＝1/12，B＝4，Z的取值为
Figure BDA0002820631340000071
π表示圆周率。
S04、根据分频似然函数Lij，计算总似然函数L。
在分频似然函数Lij式(2)的基础上，进一步计算总似然函数L：
Figure BDA0002820631340000072
总似然函数L(λt)是空间频率集合F中所有频率对应的分频似然函数Lij的最大值之和，空间频率集F为可设参数。
S05、根据总似然函数L计算增强参数估计值
Figure BDA00028206313400000713
增强参数可根据下式估计：
Figure BDA0002820631340000073
S为增强参数的候选值集合，S＝{λ1,λ2,…,λt,…,λT}。
S06、根据增强参数估计值
Figure BDA0002820631340000074
和分频似然函数Lij计算压缩参数估计值/>
Figure BDA0002820631340000075
压缩参数估计值
Figure BDA0002820631340000076
的计算具体包括：将增强参数估计值/>
Figure BDA0002820631340000077
代入每一个空间频率(i,j)对应的分频似然函数Lij中，通过下式得到压缩参数估计值/>
Figure BDA0002820631340000078
Figure BDA0002820631340000079
在其他实施方式中，上述步骤S05中的通过最大化L(λt)来估计增强参数，也可以变更为：
Figure BDA00028206313400000710
上述步骤S06中的通过最大化
Figure BDA00028206313400000711
来估计压缩参数，也可以变更为：
Figure BDA00028206313400000712
针对压缩域增强的特点，本实施例通过上述一系列分频似然函数和总似然函数的构造和计算过程，通过总似然函数的最大值估计增强参数，通过分频似然函数的最大值估计压缩参数，能够同时实现JPEG压缩域增强图像增强参数和压缩参数的准确估计。
本实施例还对上述的JPEG压缩域增强图像参数的估算方法进行了实验测试，具体情况如下：
(1)测试图库的选择：采用UCID图像库，共包含1338幅图像，对UCID库中的每一幅图像，进行质量因子QF为50、60、70、80、90的JPEG压缩，然后对所得的JPEG图像进行增强参数λ为0.7、0.8、0.9、1.0、1.1、1.2、1.3、1.4、1.5、1.6、1.8、2.0、2.2、2.4、2.6、2.8、3.0的JPEG压缩域增强，得到经JPEG压缩域增强的图像；
(2)参数设定：设定增强参数的候选值集合S＝{0.6,0.61,0.62,…,3.29,3.30}，共包含271个候选值；qB设定为25；空间频率集合F设定为包含前9个交流频率，即F＝{(0,1),(0,2),(0,3),(1,0),(1,1),(1,2),(2,0),(2,1),(3,0)}。
(3)测试结果：不同QF情况下的增强参数和压缩参数(只统计前9个交流频率)的估计准确率如下：
Figure BDA0002820631340000081
可以看出，对于不同的JPEG压缩质量因子QF，本实施例的JPEG压缩域增强的参数估计方法都能实现精准的增强参数估计和压缩参数估计，验证了本实施例估计方法的有效性。
如图2所示，本发明还提供了一种JPEG压缩域增强的参数估计装置，包括筛分模块1、变换模块2、分频似然函数计算模块3、总似然函数计算模块4、第一估算模块5以及第二估算模块6，筛分模块1用于对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块；变换模块2用于对每一个可用块进行离散余弦变换，得到对应的系数矩阵Dk；分频似然函数计算模块3用于对系数矩阵Dk中的每一个空间频率(i,j)，计算对应的分频似然函数Lij；总似然函数计算模块4用于根据分频似然函数Lij，计算总似然函数L；第一估算模块5用于根据总似然函数L计算增强参数估计值
Figure BDA0002820631340000082
第二估算模块6用于根据增强参数估计值/>
Figure BDA0002820631340000091
和分频似然函数Lij计算压缩参数估计值/>
Figure BDA0002820631340000092
具体地，筛分模块1可包括划分模块11和筛选模块12，划分模块11用于对输入的JPEG压缩域增强图像的像素矩阵进行8×8分块，筛选模块12用于排除分块中的奇异块，奇异块的最大灰度值为255，或最小灰度值为0，或最大灰度值等于最小灰度值。
具体地，分频似然函数计算模块3可包括变换模块31、反向增强模块32和运算模块33，变换模块31用于对每一个可用块进行离散余弦变换，得到对应的系数矩阵Dk；反向增强模块32用于遍历增强参数的候选值集合S中的每一个增强参数候选值λt，对系数矩阵Dk的每个系数
Figure BDA0002820631340000093
进行反向增强操作，得到反向增强系数矩阵；运算模块33用于根据反向增强系数矩阵，计算每个空间频率(i,j)对应的分频似然函数Lij。
而运算模块33具体还可以包括第一子运算模块331和第二子运算模块332，第一子运算模块331用于根据拉普拉斯概率质量函数PL和高斯截断概率密度函数G计算出概率分布函数p，第二子运算模块332用于根据反向增强系数矩阵和概率分布函数p，计算出分频似然函数Lij。
本发明的又一目的在于提供一种存储介质，存储介质内存储有多条指令，指令适于由处理器加载并执行JPEG压缩域增强的参数估计方法的步骤。
本发明的又一目的在于提供一种计算设备，包括存储介质和适于实现各指令的处理器。
另外，本发明还提供了一种存储介质及计算设备，该存储介质内存储有多条指令，该指令适于由处理器加载并执行上述的JPEG压缩域增强的参数估计方法的步骤，该存储介质为计算设备的一部分。处理器在一些实施例中可以是中央处理器(Central ProcessingUnit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制计算设备的总体操作。本实施例中，该处理器用于运行存储介质中存储的程序代码或者处理数据。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
本发明针对压缩域增强的特点，通过计算相应的分频似然函数和总似然函数，根据总似然函数的得到增强参数估计值，根据分频似然函数得到压缩参数估计值，能够同时精准估计两类参数。
以上所述仅是本申请的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种JPEG压缩域增强的参数估计方法，其特征在于，包括：
对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块；
对每一个可用块进行离散余弦变换，得到对应的系数矩阵Dk；
对系数矩阵Dk中的每一个空间频率(i,j)，计算对应的分频似然函数Lij；
根据分频似然函数Lij，计算总似然函数L；
根据总似然函数L计算增强参数估计值
Figure QLYQS_1
根据增强参数估计值
Figure QLYQS_2
和分频似然函数Lij计算压缩参数估计值/>
Figure QLYQS_3
2.根据权利要求1所述的JPEG压缩域增强的参数估计方法，其特征在于，所述对系数矩阵Dk中的每一个空间频率(i,j)，计算对应的分频似然函数Lij的步骤，包括：
遍历增强参数的候选值集合S中的每一个增强参数候选值λt，对系数矩阵Dk的每个系数
Figure QLYQS_4
进行反向增强操作，得到反向增强系数矩阵；
根据反向增强系数矩阵，计算每个空间频率(i,j)对应的分频似然函数Lij，
其中，
Figure QLYQS_5
为系数矩阵Dk中空间频率(i,j)处的系数，0≤i≤7，0≤j≤7。
3.根据权利要求2所述的JPEG压缩域增强的参数估计方法，其特征在于，所述对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块的步骤，包括：
对输入的JPEG压缩域增强图像的像素矩阵进行8×8分块；
排除分块中的奇异块，所述奇异块的最大灰度值为255，或最小灰度值为0，或最大灰度值等于最小灰度值。
4.根据权利要求2所述的JPEG压缩域增强的参数估计方法，其特征在于，所述根据反向增强系数矩阵，计算每个空间频率(i,j)对应的分频似然函数Lij的步骤，包括：
根据拉普拉斯概率质量函数PL和高斯截断概率密度函数G，计算出概率分布函数p；
根据反向增强系数矩阵和概率分布函数p，计算出分频似然函数Lij。
5.根据权利要求4所述的JPEG压缩域增强的参数估计方法，其特征在于，所述分频似然函数Lij满足：
Figure QLYQS_6
其中，k为分块索引，1≤k≤K，qij为空间频率(i,j)处的整数量化步长，取值范围为1≤qij≤qB,K为可用块数量，
Figure QLYQS_7
表示用增强参数λt进行反向增强后的离散余弦变换系数，qB为整数量化步长的最大取值；概率分布函数p满足：/>
Figure QLYQS_8
Figure QLYQS_9
表示整数集，m表示qij的整数倍数；
其中，拉普拉斯概率质量函数PL满足：
Figure QLYQS_10
其中，u表示被积随机变量；
其中，高斯截断概率密度函数G满足：
Figure QLYQS_11
σ2＝1/12，B＝4，
Figure QLYQS_12
6.根据权利要求5所述的JPEG压缩域增强的参数估计方法，其特征在于，所述总似然函数L满足：
Figure QLYQS_13
其中，F为空间频率集合；
所述增强参数估计值
Figure QLYQS_14
满足：
Figure QLYQS_15
S为增强参数的候选值集合，S＝{λ1,λ2,…,λt,…,λT}；
所述根据增强参数估计值
Figure QLYQS_16
和分频似然函数Lij计算压缩参数估计值/>
Figure QLYQS_17
包括：
将增强参数估计值
Figure QLYQS_18
代入每一个空间频率(i,j)对应的分频似然函数Lij中，通过下式得到压缩参数估计值/>
Figure QLYQS_19
Figure QLYQS_20
7.一种JPEG压缩域增强的参数估计装置，其特征在于，包括：
筛分模块，用于对输入的JPEG压缩域增强图像的像素矩阵分块，挑选出适于参数估计的可用块；
变换模块，用于对每一个可用块进行离散余弦变换，得到对应的系数矩阵Dk；
分频似然函数计算模块，用于对系数矩阵Dk中的每一个空间频率(i,j)，计算对应的分频似然函数Lij；
总似然函数计算模块，用于根据分频似然函数Lij，计算总似然函数L；
第一估算模块，用于根据总似然函数L计算增强参数估计值
Figure QLYQS_21
第二估算模块，用于根据增强参数估计值
Figure QLYQS_22
和分频似然函数Lij计算压缩参数估计值
Figure QLYQS_23
8.根据权利要求7所述的JPEG压缩域增强的参数估计装置，其特征在于，所述分频似然函数计算模块包括：
反向增强模块，用于遍历增强参数的候选值集合S中的每一个增强参数候选值λt，对系数矩阵Dk的每个系数
Figure QLYQS_24
进行反向增强操作，得到反向增强系数矩阵，其中，/>
Figure QLYQS_25
为系数矩阵Dk中空间频率(i,j)处的系数，0≤i≤7，0≤j≤7；
运算模块，用于根据反向增强系数矩阵，计算每个空间频率(i,j)对应的分频似然函数Lij。
9.一种存储介质，其特征在于，所述存储介质内存储有多条指令，所述指令适于由处理器加载并执行权利要求1～6任一项所述的JPEG压缩域增强的参数估计方法的步骤。
10.一种计算设备，其特征在于，包括权利要求9所述的存储介质和适于实现各指令的处理器。
CN202011431015.5A 2020-12-07 2020-12-07 Jpeg压缩域增强的参数估计方法、装置、介质及计算设备 Active CN114598872B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011431015.5A CN114598872B (zh) 2020-12-07 2020-12-07 Jpeg压缩域增强的参数估计方法、装置、介质及计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011431015.5A CN114598872B (zh) 2020-12-07 2020-12-07 Jpeg压缩域增强的参数估计方法、装置、介质及计算设备

Publications (2)

Publication Number Publication Date
CN114598872A CN114598872A (zh) 2022-06-07
CN114598872B true CN114598872B (zh) 2023-06-23

Family

ID=81802688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011431015.5A Active CN114598872B (zh) 2020-12-07 2020-12-07 Jpeg压缩域增强的参数估计方法、装置、介质及计算设备

Country Status (1)

Country Link
CN (1) CN114598872B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5822458A (en) * 1995-02-06 1998-10-13 The Regents Of The University Of California Precomputing and encoding compressed image enhancement instructions
CN103310426A (zh) * 2012-03-14 2013-09-18 安凯(广州)微电子技术有限公司 一种基于jpeg频域变换的图像增强方法及装置
CN105701831A (zh) * 2016-01-18 2016-06-22 上海应用技术学院 基于抽样型最大似然估计的jpeg图像被动取证方法
CN106327470A (zh) * 2015-06-29 2017-01-11 中国科学院深圳先进技术研究院 一种图像增强处理的检测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7092573B2 (en) * 2001-12-10 2006-08-15 Eastman Kodak Company Method and system for selectively applying enhancement to an image

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5822458A (en) * 1995-02-06 1998-10-13 The Regents Of The University Of California Precomputing and encoding compressed image enhancement instructions
CN103310426A (zh) * 2012-03-14 2013-09-18 安凯(广州)微电子技术有限公司 一种基于jpeg频域变换的图像增强方法及装置
CN106327470A (zh) * 2015-06-29 2017-01-11 中国科学院深圳先进技术研究院 一种图像增强处理的检测方法及装置
CN105701831A (zh) * 2016-01-18 2016-06-22 上海应用技术学院 基于抽样型最大似然估计的jpeg图像被动取证方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于深度卷积神经网络的信息流增强图像压缩方法;李志军等;《吉林大学学报(工学版)》;第50卷(第5期);1788-1795 *

Also Published As

Publication number Publication date
CN114598872A (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
Thai et al. JPEG quantization step estimation and its applications to digital image forensics
US7840084B2 (en) Digital camera incorporating a sharpness predictor
Cvejic et al. A similarity metric for assessment of image fusion algorithms
EP1349395A2 (en) Moving picture coding method, moving picture coding apparatus, and moving picture coding program
Mansouri et al. Image quality assessment using the singular value decomposition theorem
Thai et al. Estimation of primary quantization steps in double-compressed JPEG images using a statistical model of discrete cosine transform
Abry et al. The hyperbolic wavelet transform: an efficient tool for multifractal analysis of anisotropic fields
CN111062884B (zh) 一种图像增强方法、装置、存储介质和终端设备
CN110996101A (zh) 一种视频编码的方法和装置
CN114598872B (zh) Jpeg压缩域增强的参数估计方法、装置、介质及计算设备
EP3506206A1 (en) Method and apparatus for depth-map estimation
CN102595138B (zh) 图像压缩的方法及装置、终端
CN109934789A (zh) 图像去噪方法、装置及电子设备
Conotter et al. Forensic analysis of full-frame linearly filtered JPEG images
CN113837208B (zh) 一种异常图像的确定方法、装置、电子设备及存储介质
Asatryan et al. Quality assessment measure based on image structural properties
Chu et al. Information theoretical limit of media forensics: The forensicability
CN114596246A (zh) Jpeg压缩域增强的检测方法、装置、存储介质及计算设备
Murashko et al. Predicting and optimizing image compression
Zhu et al. No-reference quality assessment for JPEG compressed images
CN114095683A (zh) 基于差分块的视频噪声估计方法、装置、设备和存储介质
Kang Novel distribution model of transformed coefficients in video coding using quad-tree structured block partitioning
Zhang et al. Reduced-reference image quality assessment based on discrete cosine transform entropy
CN111325651A (zh) 基于感知jnd模型的量化水印方法和装置
Anwar et al. Image Quality Analysis of PNG Images on WhatsApp Messenger Sending

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