[发明专利]估计数字图像中高斯低通滤波参数的方法

说明书

本发明属于图像处理与多媒体信息安全技术领域，涉及一种估计数字图像中高斯低通滤波参数的方法，包括以下步骤：1)对图像信息进行灰度转换；2)进行高斯低通滤波处理，得到训练集；3)组建卷积神经网络；4)优化网络高级参数；5)训练卷积神经网络；6)基于softmax的分类；7)估算高斯低通滤波参数。本发明开创性使用了卷积神经网络来解决参数估计的问题，不同于传统参数估计需要高度专业技能设计模型，用卷积神经网络只需要简单地收集数据训练即可达到目的。

技术领域

本发明属于图像处理与多媒体信息安全技术领域，涉及一种估计数字图像中高斯低通滤波参数的方法。

背景技术

数字图像作为一种重要的视觉信息传播和扩散的载体而被人们所广泛运用。数字图像给人们的生活带来便利，但是，如果被别有用心的人篡改了图像里的信息，这些被篡改后的图像会给信息安全带来巨大威胁。因此，数字取证作为一种保护图像真实性和完整性的手段，吸引了广大科学者们的关注。而这几年随着技术的发展，使得没有经过专业训练的普通人也具备了篡改图像的能力，并且篡改的痕迹也越来越难被察觉。因此，每年都有大量数字取证算法被设计出来用以应对严峻的信息安全形势。

到目前为止，大量不同效果的图像编辑操作可以说是五花八门。因此，在传统数字取证中，针对不同的图像编辑操作必须要有对应的检测算法。然而，近些年来，随着深度学习的大力发展，几乎所有的图像编辑操作都可以很容易地被深度学习检测出来。在这样的背景下，仅仅是检测图像编辑篡改操作已经无法满足当下的取证要求。因此，我们期待能从图像中提取更多的信息去更深入地了解图像的编辑成型史。

高斯低通滤波作为一种最常见的图像编辑手段被大量运用于数字图像处理中。其最大的应用场景是去噪，几乎所有的图像在成形后都会经历去噪处理以提升图像质量。这种状况下，通常将高斯低通滤波的强度设置为低以达到在去噪的同时不会带来过于模糊的视觉效果。另外，它也会被用于增加图像平滑度，比如，尤其在人脸处理中，脸部皮肤经常要经过高斯低通滤波处理以祛除皱纹，色斑等等，这样的做法可以明显提升人脸的美观效果。此时，高斯低通滤波会被设置为高强度以完美达到美颜效果。在数字取证中，已经有不少检测高斯滤波的算法。现在已经基本上可以做到完美检测高斯低通滤波在图像中留下的痕迹，然而却很少有取证工作去关注高斯滤波中所采用的参数。如果能估算出高斯滤波中的核心参数，将更有利于我们掌握图像的完整编辑史，并作为辅助手段进一步分析图像编辑操作的意图。

发明内容

为解决上述背景技术中存在的问题，本发明提出一种估计数字图像中高斯低通滤波参数的方法，其利用卷积神经网络通过对不同参数下滤波过的图像进行分类来达到估算参数的目的。

本发明解决上述问题的技术方案是：一种估计数字图像中高斯低通滤波参数的方法，其特殊之处在于，包括以下步骤：

1)对图像信息进行灰度转换；

2)进行高斯低通滤波处理，得到训练集；

3)组建卷积神经网络；

4)优化网络高级参数；

5)训练卷积神经网络；

6)基于softmax的分类；

7)估算高斯低通滤波参数。

优先地，所述步骤1)对图像信息进行灰度转换，具体为：

如果需要对彩色图像进行高斯参数估计，需要预先将彩色图像转换为灰度图像；如果输入是灰度图像，则无需进行灰度转换而直接跳入下一步进行后续操作。

优先地，所述步骤2)进行高斯低通滤波处理，得到训练集，具体为：

对步骤1)处理的图像信息经过不同参数的高斯低通滤波器处理，并做好标注，以备后续训练网络时使用。本发明中选取的高斯窗口尺寸为3和5，所选取的标准差如下，[0.5，1，1.5，2，3，5]。