一种置换混叠图像的盲分离方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105426912A(43)申请公布日2016.03.23(21)申请号201510782447.3(22)申请日2015.11.12(71)申请人河南师范大学地址453007河南省新乡市建设东路46号(72)发明人段新涛袁培燕刘国奇杨育捷赵晓焱李飞飞王婧娟彭涛(74)专利代理机构郑州睿信知识产权代理有限公司41119代理人胡泳棋(51)Int.Cl.G06K9/62(2006.01)G06T7/00(2006.01)权利要求书2页说明书7页附图5页(54)发明名称一种置换混叠图像的盲分离方法(57)摘要本发明涉及一种置换混叠图像的盲分离方法,所构建置换混叠图像的置换区域含有噪声；利用降噪自动编码器提取图像序列的特征，再利用提取的特征重构置换混叠图像，得到重构的图像序列。重构的图像序列与图像序列作商后对其采用阈值化操作，分离出置换区域图像。本发明克服了现有技术中特征域不易选取的缺点，避免了造成误检的现象，提高了混叠图像盲分离结果的准确性。CN105426912ACN105426912A权利要求书1/2页1.一种置换混叠图像的盲分离方法，其特征在于，步骤如下：步骤1)，构建置换混叠图像I，该置换混叠图像I的置换区域含有噪声；步骤2)，将置换混叠图像I划分成m个大小相等的子块，其中，m≥1；建立一个数组，数组的每行为一个子块的像素值，该数组记为图像序列X；对图像序列X进行归一化处理得到新的图像序列X1；步骤3)，利用降噪自动编码器采用向前传播算法对图像序列X1编码，即提取图像序列X1的特征，再利用反向传播和梯度下降对提取的图像序列X1的特征进行重构，得到重构的图像序列Y；重构的图像序列Y与图像序列X1作商，得到商图像L；步骤4)，按照划分混叠图像I的方式，将商图像L也划分成m个大小相等的子块，其中，m≥1；选取各子块的像素值和设定的阈值做比较，根据获取的比较值实现将置换混叠图像I中的置换区域和被置换区域图像分离。2.根据权利要求1所述的一种置换混叠图像的盲分离方法，其特征在于，步骤2)所述的对图像序列X进行归一化，归一化方法表达式如下：X1＝double(X)/255。3.根据权利要求1所述的一种置换混叠图像的盲分离方法，其特征在于，步骤3)中所述的降噪自动编码器为三层神经网络结构：输入层、隐含层和输出层，采用一定概率分布的0矩阵覆盖输入数据，隐含层第j个节点的输入值表达式如下：其中，表示输入层第i个节点与隐含层第j个节点之间的权重；隐层第j节点的偏置值；xi为第i个节点的输入层值；输出层值y的表达方式如下：其中，aj为每个隐层节点的输出值，通过sigmoid激活函数f(z)的非线性表示，即f(z)-z＝1/(1+e),aj＝f(zj)；为隐层第i个节点与输出层第j个节点之间的权重；为输出层第j节点的偏置值。4.根据权利要求3所述的一种置换混叠图像的盲分离方法，其特征在于，步骤3)中所述的反向传播方法的表达式为：其中，w是权重值；b是偏置；J(w,b,x,y)是单个样本的误差；yi是第i个节点输出层的值；xi是第i个节点的输入层的值；是m个节点的均方误差；是整个代价函数的权重衰减项；2CN105426912A权利要求书2/2页利用梯度下降方法对参数w和b进行微调，表达式如下：其中，α为学习率；为权重的偏导数；为偏置的偏导数。5.根据权利要求2所述的一种置换混叠图像的盲分离方法，其特征在于，步骤3)所述的商图像L的表达式如下：L＝X1/Y其中，X1为对图像序列X归一化处后的图像序列X1；Y为对重构的图像序列。6.根据权利要求1所述的一种置换混叠图像的盲分离方法，其特征在于，所述的步骤4)中，选取商图像L各子块的最小像素值和设定的阈值做比较，根据比较结果对各子块的像素值进行二值化处理，将获得的二值化图像和混叠图像I通过点乘的方式，即可分离置换区域和被置换区域图像。3CN105426912A说明书1/7页一种置换混叠图像的盲分离方法技术领域[0001]本发明涉及一种置换混叠图像的盲分离方法，属于盲源分离法处理数字图像的领域。背景技术[0002]盲源分离(BBS)是信号处理中一个传统而又极具挑战性的问题。盲源分离即在观测信号的源信号和混合模型均无法获知的情况下从众多混合信号中将不同的源信号分离，在图像篡改检测方面广泛应用。置换混叠图像是篡改图像中一种特殊的单信道混合方式的图像，图像中的某一部分被另一幅图像中的某部分置换。与传统的叠加混合图像不同，此类置换混叠图像中原始图像的被置换区域内容会有丢失，且置换区域的位置、大小、个数均是未知的。[0003]现有的置换混叠图像盲分离理论是通过对篡改图像本身具有的特征进行分析实现置换区域的检测，通过盲源分离实现图像置换区域的