[发明专利]一种基于局部二值模式的中值滤波检测方法

权利要求书

1.一种基于局部二值模式的中值滤波检测方法，其特征在于，该方法包括以下步骤：

步骤(1)、利用基于中心对称的局部二值模式C-LBP算子定位特征，提取区域，即，将平坦区的像素去除，只保留纹理区像素；

步骤(2)、从待测图像的特征提取区域提出E-LBP特征和N-LBP特征，对两个特征进行直方图统计，统计结果作为检测特征；E-LBP特征表示在定义的邻域中，统计周围像素和中心像素的像素值相等的像素点的个数；N-LBP特征表示邻域内像素的灰度级个数；

步骤(3)、利用经过C-LBP提取出的纹理区中计算得到的5维特征S-LBP作为中值滤波形状检测算子，获得中值滤波器的形状参数；当待测图像被确认为经中值滤波处理的图像后，在计算出其E-LBP特征的基础上，统计不同方向上1的个数的比值；该S-LBP特征S-LBP＝(S₀，S₁，...，S₄)的计算公式如下所示，

其中，ε是使C-LBP不为0的像素个数，即特征提取区域像素个数；

步骤(4)、利用支持向量机(SVM)进行分类识别，分类识别过程如下：

1)对数据集T1、T2、T3、T4分别提取E-LBP和N-LBP特征，并将得到的训练集输入C-SVM进行训练，得到训练模型model1；

2)对数据集T5、T6、T7分别提取S-LBP特征，将得到的训练集输入C-SVM进行训练，得到训练模型model2；重复该步骤，得到训练模型model3和model4；

3)对于待测图像image，利用C-LBP对其去除平坦区，提取E-LBP和N-LBP特征并输入到C-SVM利用训练模型model1分类识别，即可判定其有无经过中值滤波；若断定其为中值滤波图像后，根据其滤波阶数利用不同的训练模型进行进一步 分类。

2.如权利要求1所述的基于局部二值模式的中值滤波检测方法，其特征在于，所述步骤(1)中的提取，还具体包括以下处理：

对整幅待测图像提取C-LBP特征，该特征的编码规则定义为：比较定义的邻域内以中心像素值为中心对称的像素对，若其差值大于T则为1，反之则为0；然后按顺序得到一个二进制串，将其转换为十进制数作为该中心像素的编码；公式如下：

其中：

如果四组像素对的像素值差的绝对值都小于T，则C-LBP的值为0；这时将该邻域中心像素归类到平坦区内，之后的特征提取阶段不予考虑。

3.如权利要求1所述的基于局部二值模式的中值滤波检测方法，其特征在于，所述步骤(2)，还具体包括以下处理：

对E-LBP特征进行编码：在定义的邻域中，比较周围像素和中心像素的像素值是否相等，若相等则置为1，不等置为0；之后统计周围1的个数作为中心像素的编码，公式如下所示：

其中：

对N-LBP特征进行编码，遍历邻域内所有像素点，当像素灰度值第一次出现时，该像素编码值置为1，否则置为0；与E-LBP一样，将1的和作为中心像素的编码，计算公式如下所示：

在经过C-LBP提取出的纹理区上进行提取E-LBP和N-LBP特征操作，对于前者每个像素点的特征值都是0到8之间的数，对于后者每个像素点的特征值都是1到9之间的数，之后绘制该特征的直方图作为检测特征。