[发明专利]一种基于图像质量的人脸防伪方法

权利要求书

1.一种基于图像质量的人脸防伪方法，其特征在于：包括以下步骤：

1）、采集RGB人脸图像；

2）、剪裁步骤1）中得到的人脸图像中的人脸区域，得到人脸区域图像；

3）、对步骤3）中得到的人脸区域图像利用Haar小波变换提取人脸区域图像的低频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图；

4）、对步骤3）中得到的四张图像分别计算出无参考的图像质量评估特征，无参考的图像质量评估特征包括图像的模糊特征和高低频索引HLFI；

5）、将步骤3）中得到的四张图像分别通过高斯滤波来平滑处理图像，得到平滑的频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图；

6）、采用步骤3）中得到的四张图片和步骤5）中得到的四张图片计算有参考的图像质量评价特征，有参考的图像质量评价特征为：均方误差MSE、峰值信噪比PSNR、信噪比SNR、结构内容SC、最大像素差MD、平均像素差AD、标准化绝对误差NAE、拉普拉斯均方误差LMSE、归一化互相关NXC、平均角度相似MAS、平均角震级相似性MAMS、总边差TED、总角差TCD、光谱幅度误差SME、频谱相位误差SPE、梯度幅度误差GME、梯度相位误差GPE、结构相似指数SSIM、视觉信息保真度VIF；

7）、将步骤4）和步骤6）中得到的Haar小波低频信息图片的无参考和有参考的质量评价特征串联起来，得到Haar小波变换得到低频信息图片的图像质量评价总特征；

8）、按照步骤5）至步骤7）分别计算水平高频信息、垂直高频信息以及对角高频信息图的上述图像质量评价总特征；

9）、将步骤7）和步骤8）中得到的图像质量评价总特征串联起来，得到图像Haar小波变换的图像的质量评价总特征；

10）、对步骤9）中得到的图像Haar小波变换的图像的质量评价总特征利用SVM分类方法进行分类，得到步骤1）所采集的人脸图像的分类结果；

11）、输出步骤10）中的分类结果。

2.根据权利要求1所述的一种基于图像质量的人脸防伪方法，其特征在于：步骤3）中的人脸区域图像的小波变换是用一组小波基函数来表示图像信号，小波变换的表达式为：，；其中α＞0表示尺度因子，其作用是对基本小波函数φ（x）作伸缩，τ反映位移，其值可正可负，a和τ都是持续的变量；在不同尺度下小波的持续时间随值的加大而增宽，幅度则与反比减少，但波的形状保持不变；Haar小波变换即为用Haar尺度函数计算的小波变换，Haar尺度函数的形式为：。

3.根据权利要求1所述的一种基于图像质量的人脸防伪方法，其特征在于：步骤4）中的模糊特征的计算方法为：先利用边缘检测器来寻找图像中的垂直边缘，然后扫描图像的每一行，对于与边缘位置相对应的像素，最接近边缘的局部极值位置定义为边缘的开始和结束位置；根据结束位置和开始位置之间的差异计算边缘宽度，并将其识别为该边缘位置的局部模糊度量；最后通过平均所有边缘位置上的局部模糊值，获得整个图像的全局模糊度量。

4.根据权利要求1所述的一种基于图像质量的人脸防伪方法，其特征在于：步骤4）中的模糊特征的高低频索引HLFI计算方法为：，表示经过Haar小波变换得到的图片，表示图像的傅里叶变换。

5.根据权利要求1所述的一种基于图像质量的人脸防伪方法，其特征在于：步骤6）中，

，，，，，，，，，，，，，，，，，；其中，表示步骤3）中利用Haar小波变换提取人脸区域图像的低频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图，表示步骤5）中通过高斯滤波得到平滑的频信息图、水平高频信息图、垂直高频信息图以及对角高频信息图，M和N表示图片的长度和宽度，c₁和c₂为常数，i和j分别为图像的行列，和分别表示图片的均值，分别表示图片的标准差，，是图片的角点数，是图片的角点数，表示图片的检测的边数，分别表示的是图片的拉普拉斯矩阵，，同理可得，表示图片的傅里叶变换，表示图片的水平和竖直方向的梯度，对于图片来说，其梯度映射为，图片的梯度映射同理可得。

6.根据权利要求1所述的一种基于图像质量的人脸防伪方法，其特征在于：步骤6）中，视觉保真度VIF具体的计算步骤如下：

第一步：对testimg和refimg与高斯核进行卷积；

第二步：对第一步的结果进行降采样；

第三步：对第二步的与高斯核进行卷积；

第四步：分别计算经过第三步之后的testimg和refimg的协方差矩阵以及二者的乘积；

第五步：对第四步的结果与高斯核进行卷积；

第六步：将第五步的结果中小于零的数设为0得到testimg的sigma2_sq ，refimg的sigma1_sq和两者乘积的结果sigma12；

第七步：计算g = sigma12 / (sigma1_sq + 1e-10)，sv_sq = sigma2_sq - g *sigma12；

第八步：将第七步的g和sv_sq中小于零的数设为0；

第九步：计算：m1 = g * g * sigma1_sq；

第十步：计算：m2 = sv_sq + sigma_nsq；

第十一步：计算：m3 = log(1 + m1 / m2)；

第十二步：计算：m4 = log(1 + (sigma1_sq / sigma_nsq))；

第十三步：对m3和m4的元素进行求和；

第十四步：视觉保真度即为m3元素的和比m4元素的和。