[发明专利]图像处理系统、图像处理方法和存储介质

说明书

本发明涉及一种图像处理系统、图像处理方法和存储介质。为了降低针对图像数据中的字符串篡改的误判断的可能性，本发明包括：生成单元，其被配置为基于篡改字符图像、篡改之前的字符图像、以及表示所述篡改字符图像和所述篡改之前的字符图像之间的差的图像，通过进行机器学习处理来生成学习模型；输入单元，其被配置为输入图像数据；以及估计单元，其被配置为通过使用所述生成单元所生成的学习模型，来估计所述输入单元所输入的图像数据是否包括篡改字符。

技术领域

本发明涉及图像处理系统、图像处理方法和存储介质。

背景技术

已知有用以检测图像数据中的篡改(alteration)的传统技术。

日本特开2009-200794论述了用于判断篡改的图像处理设备。该图像处理设备将图像数据分割成各自包括亮度值接近的像素的多个组，并且针对各组进行字符识别处理。如果针对各组进行字符识别处理的结果和在不对图像数据分组的情况下进行字符识别处理的结果彼此不同，则图像处理设备判断为图像已被篡改。

发明内容

日本特开2009-200794中所论述的技术仅基于亮度来判断篡改的有无。因而，由于由墨模糊或书写压力引起的字符的亮度变化，因此即使字符无篡改，该技术也可能对篡改作出误判断。

本发明是有鉴于上述问题而设计的，并且旨在降低针对图像数据中的字符串篡改的误判断的可能性。

根据本发明的一种图像处理系统，包括：生成部件，用于基于篡改图像、篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型；输入部件，用于输入图像数据；以及估计部件，用于通过使用所述生成部件所生成的学习模型，来估计所述输入部件输入的图像数据是否包括篡改图像。

根据本发明的一种图像处理方法，包括：基于篡改图像、篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型；输入图像数据；以及通过使用在所述生成中所生成的学习模型，来估计在所述输入中所输入的图像数据是否包括篡改图像。

根据本发明的一种非暂时性计算机可读存储介质，其存储程序，所述程序在计算机执行的情况下，使得所述计算机进行图像处理方法，所述图像处理方法包括：基于篡改图像、篡改之前的图像、以及表示所述篡改图像和所述篡改之前的图像之间的差的图像，通过进行机器学习处理来生成学习模型；输入图像数据；以及通过使用在所述生成中所生成的学习模型，来估计在所述输入中所输入的图像数据是否包括篡改图像。

通过以下参考附图对典型实施例的说明，本发明的更多特征将变得明显。

附图说明

图1是示出根据典型实施例的图像处理系统的示例的框图。

图2A是示出图像处理设备的结构的示例的框图。图2B是示出学习设备的结构的示例的框图。图2C是示出篡改检测服务器的结构的示例的框图。

图3A是示出根据典型实施例的由图像处理系统在学习阶段进行的总体处理流程的示例的序列图。图3B是示出根据典型实施例的由图像处理系统在篡改检测阶段进行的总体处理流程的示例的序列图。

图4是示出空白学习原稿的示例的示意图。

图5是示出用于接收用于读取原稿的指示的图形用户界面(GUI)的示例的示意图。

图6A是示出原始学习图像的示例的示意图。图6B是示出篡改学习图像的示例的示意图。图6C是示出从原始学习图像和篡改学习图像生成的学习数据的示例的示意图。

图7A是示出处理对象图像的示例的示意图。图7B是示出作为篡改检测结果的位图的示例的示意图。图7C是示出具有强调的篡改部分的强调图像的示例的示意图。