[发明专利]一种显示器屏幕图像翻拍的鉴定方法、装置及存储介质

摘要

本发明提出了一种显示器屏幕图像翻拍的鉴定方法、装置及存储介质，想将输入的JPG图像转化为灰度图像并对应获取第一图像特征，再将输入的JPG图像提取R通道分量、G通道分量、及B通道分量并对应获取第二图像特征，将第一图像特征与第二图像特征进行融合，得到JPG图像最终图像特征；将JPG图像最终图像特征传输至Ensemble分类器进行分类鉴定，得到输入的JPG图像是原始图像或是翻拍图像的鉴定结果。对于同一个数据内的分类准确率相比于已有的特征提取方法得到了提高。尤其对于跨库实验，本发明的准确率要高于已有的特征提取方法，适用性更广，并不局限于实验环境下使用，即使推广到实际应用也能确保极高准确率。

主权项

1.一种显示器屏幕图像翻拍的鉴定方法，其特征在于，所述方法包括以下步骤：

S1、将输入的JPG图像转化为灰度图像，采用边缘检测算法提取灰度图像的边缘信息，选取边缘信息中符合预设选取条件的块对应的灰度值拼接成第一矩阵，根据预设的滤波器组中每个滤波器对第一矩阵依次进行卷积和量化截断，得到与滤波器一一对应的四阶共生矩阵，将与滤波器一一对应的四阶共生矩阵分别进行降维化简后将所有降维化简后的矩阵排成一行，得到JPG图像对应的第一图像特征；

S2、将输入的JPG图像提取R通道分量、G通道分量、及B通道分量，将R通道分量、G通道分量、及B通道分量分别与滤波器组中每个滤波器依次进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别将由滤波器组中的同一滤波器得到的R通道分量的三阶共生矩阵与B通道分量的三阶共生矩阵进行降维化简后相加合并，得到第一化简矩阵集合；再将由滤波器组中的每个滤波器得到的G通道分量的三阶共生矩阵分别进行降维化简，得到第二化简矩阵集合；将第一化简矩阵集合中的所有矩阵和第二化简矩阵集合中的所有矩阵排成一行得到JPG图像对应的第二图像特征；

S3、将第一图像特征与第二图像特征进行融合，得到JPG图像最终图像特征；

S4、将JPG图像最终图像特征传输至Ensemble分类器进行分类鉴定，得到输入的JPG图像是原始图像或是翻拍图像的鉴定结果。

2.根据权利要求1所述显示器屏幕图像翻拍的鉴定方法，其特征在于，所述步骤S1具体包括：

S11、将输入的JPG图像转化为灰度图像，并采用Canny边缘检测算法提取灰度图像的边缘图像；其中，所述边缘图像包括边缘信息；

S12、将边缘图像划分成若干块，每一块均为16*16的大小；

S13、提取若干16*16大小的块中只包含一个非零值的行数超过所有行数60％，或者只包含一个非零值的列数超过所有列数60％的块，并将提取选中的块相对应位置的灰度图的灰度值形成第一矩阵；

S14、根据滤波器组中所包括的11个滤波器分别对第一矩阵依次进行卷积和量化截断，得到与滤波器一一对应的四阶共生矩阵，分别记为第一四阶共生矩阵、第二四阶共生矩阵、第三四阶共生矩阵、第四四阶共生矩阵、第五四阶共生矩阵、第六四阶共生矩阵、第七四阶共生矩阵、第八四阶共生矩阵、第九四阶共生矩阵、第十四阶共生矩阵、第十一四阶共生矩阵；其中11个滤波器分别记为第一滤波器F1、第二滤波器F2、第三滤波器F3、第四滤波器F4、第五滤波器F5、第六滤波器F6、第七滤波器F7、第八滤波器F8、第九滤波器F9、第十滤波器F10及第十一滤波器F11，其中：

F1＝D1；

F2＝D2；

F3＝D5；

F4＝min(D2,D4)；

F5＝max(D2,D4)；

F6＝min(D2,D3)；

F7＝max(D2,D3)；

F8＝min(D4,D5)；

F9＝max(D4,D5)；

F10＝min(D2,D3,D4,D5)；

F11＝max(D2,D3,D4,D5)；

其中，D1＝a11*X(i‑1,j‑1)+a12*X(i‑1,j)+a13*X(i‑1,j+1)+a21*X(i,j‑1)+a22*X(i,j)+a23*X(i,j+1)+a31*X(i+1,j‑1)+a32*X(i+1,j)+a33*X(i+1,j+1)；

D2＝a11*X(i‑1,j‑1)+a12*X(i‑1,j)+a13*X(i‑1,j+1)+a21*X(i,j‑1)+a22*X(i,j)+a23*X(i,j+1)；

D3＝a21*X(i,j‑1)+a22*X(i,j)+a23*X(i,j+1)+a31*X(i+1,j‑1)+a32*X(i+1,j)+a33*X(i+1,j+1)；

D4＝a11*X(i‑1,j‑1)+a12*X(i‑1,j)+a21*X(i,j‑1)+a22*X(i,j)+a31*X(i+1,j‑1)+a32*X(i+1,j)；

D5＝a12*X(i‑1,j)+a13*X(i‑1,j+1)+a22*X(i,j)+a23*X(i,j+1)+a32*X(i+1,j)+a33*X(i+1,j+1)；

其中，a11＝‑1，a12＝2，a13＝‑1，a21＝2，a22＝‑4，a23＝2，a31＝‑1，a32＝2，a33＝‑1；灰度图像X的像素值表示为X＝(X_ij)∈{0,...,255}，X_ij表示在(i,j)位置的灰度值；

S15、将第一四阶共生矩阵、第二四阶共生矩阵、第三四阶共生矩阵、第四四阶共生矩阵、第五四阶共生矩阵、第六四阶共生矩阵、第七四阶共生矩阵、第八四阶共生矩阵、第九四阶共生矩阵、第十四阶共生矩阵、第十一四阶共生矩阵进行降维化简后排列成一行，得到JPG图像对应的第一图像特征。

3.根据权利要求2所述显示器屏幕图像翻拍的鉴定方法，其特征在于，所述步骤S2具体包括：

S21、将输入的JPG图像提取R通道分量、G通道分量、及B通道分量；

S22、将R通道分别与滤波器组中所包括的11个滤波器分别进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别记为第一R通道三阶共生矩阵、第二R通道三阶共生矩阵、第三R通道三阶共生矩阵、第四R通道三阶共生矩阵、第五R通道三阶共生矩阵、第六R通道三阶共生矩阵、第七R通道三阶共生矩阵、第八R通道三阶共生矩阵、第九R通道三阶共生矩阵、第十R通道三阶共生矩阵、第十一R通道三阶共生矩阵；将G通道分别与滤波器组中所包括的11个滤波器分别进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别记为第一G通道三阶共生矩阵、第二G通道三阶共生矩阵、第三G通道三阶共生矩阵、第四G通道三阶共生矩阵、第五G通道三阶共生矩阵、第六G通道三阶共生矩阵、第七G通道三阶共生矩阵、第八G通道三阶共生矩阵、第九G通道三阶共生矩阵、第十G通道三阶共生矩阵、第十一G通道三阶共生矩阵；将B通道分别与滤波器组中所包括的11个滤波器分别进行卷积和量化截断，得到与滤波器一一对应的三阶共生矩阵，分别记为第一B通道三阶共生矩阵、第二B通道三阶共生矩阵、第三B通道三阶共生矩阵、第四B通道三阶共生矩阵、第五B通道三阶共生矩阵、第六B通道三阶共生矩阵、第七B通道三阶共生矩阵、第八B通道三阶共生矩阵、第九B通道三阶共生矩阵、第十B通道三阶共生矩阵、第十一B通道三阶共生矩阵；

S23、第一R通道三阶共生矩阵、第二R通道三阶共生矩阵、第三R通道三阶共生矩阵、第四R通道三阶共生矩阵、第五R通道三阶共生矩阵、第六R通道三阶共生矩阵、第七R通道三阶共生矩阵、第八R通道三阶共生矩阵、第九R通道三阶共生矩阵、第十R通道三阶共生矩阵、第十一R通道三阶共生矩阵与第一B通道三阶共生矩阵、第二B通道三阶共生矩阵、第三B通道

下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。 免登录下载普通用户下载升级VIP会员，免费下载

该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳大学，未经深圳大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】

本文链接：http://www.vipzhuanli.com/patent/201711396199.4/，转载请声明来源钻瓜专利网。