CN109712075B - 一种数字图像数据原图识别方法及装置 - Google Patents

Abstract

本发明公开了一种数字图像数据原图识别方法及装置，通过平滑处理待识别图像，识别平滑处理图像边缘是否编辑、识别平滑处理图像中编辑区域、识别平滑处理图像的方向是否被调整、识别平滑处理图像中纹理是否被编辑，若其中任一项判定为被编辑处理过，即判定为不是原图，否则该图像是数字图像的原图，能够识别拼接处像素点平滑过渡后的图像是否为原图，识别效果稳定，成功率高，算法在识别***中的负载很小，***开销小，流程简单，识别***开发简单，比较适合应用于各种嵌入式设备、计算机设备或移动设备中。

Description

一种数字图像数据原图识别方法及装置

技术领域

本公开涉及计算机图像处理技术领域，具体涉及一种数字图像数据原图识别方法及装置。

背景技术

目前，计算机图像处理技术越来越发达，经过图像图形图像处理软件处理过后越来越难以辨识是否是原图，目前一般是通过放大后凭借人工识别，根据反射、光影、色彩等判断是否经过Photoshop、ACDsee、PhotoSEAM等图形图像处理软件编辑修改拼接处理过，人工识别的误检率很高，尤其是在经过一些图像拼接算法处理过后的图像，反射、光影、色彩、对比度，饱和度，色温，亮度在拼接处像素点平滑过渡，人工识别的成功率极低，尤其是经过在网络传输、运算、存储等环节中要借助计算机对图像自动进行了编码、压缩、解码等常规性的操作，更加难以图像识别是否是数字图像的原图。

发明内容

本公开提供一种数字图像数据原图识别方法及装置，通过平滑处理待识别图像，识别平滑处理图像边缘是否编辑、识别平滑处理图像中编辑区域、识别平滑处理图像的方向是否被调整、识别平滑处理图像中纹理是否被编辑，若其中任一项判定为被编辑处理过，即判定为不是原图，否则该图像是数字图像的原图。

为了实现上述目的，根据本公开的一方面，提供一种数字图像数据原图识别方法，所述方法包括以下步骤：

步骤1，读取并平滑处理待识别图像得到平滑处理图像；

步骤2，识别平滑处理图像边缘是否编辑；

步骤3，识别平滑处理图像中编辑区域；

步骤4，识别平滑处理图像的方向是否被调整；

步骤5，识别平滑处理图像中纹理是否被编辑。

进一步地，在步骤1中，读取并平滑处理待识别图像得到平滑处理图像的方法为：

将待识别图像通过双线性插值法缩放到128×128像素大小，双线性插值法为，设待插值点四个相邻像素的像素值为f(0,0)、f(0,1)、f(1,0)、f(1,1)，则双线性插值法的公式为，f(x,y)＝ax+by+cxy+d，a，b，c和d是要插值点相邻的4个像素，像素的坐标位置为(x,y)，将f(0,0)、f(0,1)、f(1,0)、f(1,1)的值代入得，

然后计算坐标位置为(x,y)的像素点像素的插值为：

通过像素点像素的插值f(x,y)得到缩放图，将缩放图均匀的分为多个4×4的矩形子区域，然后将子区域中的n个像素的灰度值进行排序为：x₁≤x₂≤x₃...≤x_n，更新中心点像素灰度Y即平滑处理为，Y＝Med{x₁,x₂,x₃,x_n}＝x((1+n)/2),n为奇数，

Y＝Med{x₁,x₂,x₃,x_n}＝1/2×[x(n/2)+x((1+n)/2)],n为偶数，取排好序的序列的中间值作Y为中心点像素灰度的新值，Med{x₁,x₂,x₃,x_n}为x₁,x₂,x₃,x_n序列的中间值，所述待识别图像的图像格式为bmp、jpg、png、tif、gif、tga格式中任意一种格式。

进一步地，在步骤2中，识别平滑处理图像边缘是否编辑的方法为：

令D为具有分段的边界Γ的平滑处理图像，E是待识别图像的一个闭集，为了识别平滑处理图像的边缘是否被编辑处理过，建立边缘识别函数J_λ(u)为：

其中，u为待识别图像的边缘像素点集，u⁰为平滑处理图像的像素点集，λ是拉格朗日乘子，通过边缘识别函数完成了边缘是否被编辑的识别，对于待识别图像内的每个像素点，都可以用边缘识别函数进行迭代求解，若图像未被编辑过，即J_λ(u)＞0，则E即为D的边界Γ，否则E不为D的边界Γ，即图像边缘被编辑处理过，判定为不是原图。

进一步地，在步骤3中，识别平滑处理图像中编辑区域的方法为：

步骤3.1，将平滑处理图像分成2^k×2^k个子区域，通过计算子区域的像素点(i,j)的移动平均数公式为：

其中，k为正整数，范围为1至8；

步骤3.2，通过移动平均数计算子区域垂直和水平方向的偏差值：

ck(i,j)＝max(|a_k(i＝2^k-1,j)-a_k(i+2^k-1,j)|,|a_k(i,j-2^k-1)-a_k(i,j+2^k-1)|)；

步骤3.3，确定编辑区域大小为：

当

判定为存在编辑区域，判定为被编辑处理过，判定为不是原图。

进一步地，在步骤4中，识别平滑处理图像的方向是否被调整的方法为：

步骤4.1，计算平滑处理图像每个像素所对应的灰度变化方向g，方向g表示像素所处的位置灰度变化的方向，包括水平梯度和垂直梯度，计算水平梯度Δ_h和垂直梯度△v公式，

步骤4.2，将变化方向g转化为极坐标：

步骤4.3，判断方向是否被调整；

如果图像中有像素满足

则方向被调整过，即被编辑处理过，判定为不是原图。

进一步地，在步骤5中，识别平滑处理图像中纹理是否被编辑的方法为：

步骤5.1，遍历图像中4×4的矩形子区域，将矩形子区域转化成极坐标形式，以矩形子区域的中间像素为圆心，通过半径为1像素的单位圆将圆周均分成9等分，每隔40度在圆周上取一个点，在圆周上得到离散的9个像素点，计算9个像素点的坐标位置：

p(r,θ)＝s(x,y),r＝1,θ＝0°,40°,....,320°,x＝rcosθ,y＝rsinθ，中心像素点坐标位置为s(x,y)，插值点相邻的中心像素点坐标位置为s(x',y')，s(x',y')＝ax'+by'+cx'y'+d；

其中，a，b，c和d是要插值点相邻的4个像素；

步骤5.2，将9个像素点进行离散傅里叶变换,

步骤5.3，经过傅里叶变换后得到P(0),P(1),…P(8)的值，这时P(0)不包含任何纹理信息，取P(1),P(2),P(3),P(4)作为提取纹理信息的数字量，分离复数P(1),P(2),P(3),P(4)的虚数部分Im{}和实数部分Re{}，提取纹理信息矩阵C为：

C＝[Re{P(4)}Im{P(4)},Re{P(3)}Im{P(3)}Re{P(2)}Im{P(2)}Re{P(1)}Im{P(1)}]；

步骤5.4，将纹理信息矩阵量化成8比特的二进制编码

其中，b(h)是系数P(1),P(2),P(3),P(4)的二进制编码，大于0时赋值为1，小于0时赋值为0；

步骤5.5，将b(1)，b(2)，..，b(7)转化为8bit的纹理特征值；

u＝0,1,2,…,7；Texture值为0至255的整数值，表示当前纹理的信息，当Texture>0值，则平滑处理图像中纹理判定被编辑处理过，判定为不是原图。

本发明还提供了一种数字图像数据原图识别装置，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：

平滑处理单元，用于读取并平滑处理待识别图像得到平滑处理图像；

边缘编辑识别单元，用于识别平滑处理图像边缘是否编辑；

区域编辑识别单元，用于识别平滑处理图像中编辑区域；

方向调整识别单元，用于识别平滑处理图像的方向是否被调整；

纹理编辑识别单元，用于识别平滑处理图像中纹理是否被编辑。

本公开的有益效果为：本发明提供一种数字图像数据原图识别方法及装置，能够识别拼接处像素点平滑过渡后的图像是否为原图，识别效果稳定，成功率高，算法在识别***中的负载很小，***开销小，流程简单，识别***开发简单，比较适合应用于各种嵌入式设备、计算机设备或移动设备中。

附图说明

通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：

图1所示为一种数字图像数据原图识别方法的流程图；

图2所示为一种数字图像数据原图识别装置图。

具体实施方式

以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

如图1所示为根据本公开的一种数字图像数据原图识别方法的流程图，下面结合图1来阐述根据本公开的实施方式的一种数字图像数据原图识别方法。

本公开提出一种数字图像数据原图识别方法，具体包括以下步骤：

步骤1，读取并平滑处理待识别图像得到平滑处理图像；

步骤2，识别平滑处理图像边缘是否编辑；

步骤3，识别平滑处理图像中编辑区域；

步骤4，识别平滑处理图像的方向是否被调整；

步骤5，识别平滑处理图像中纹理是否被编辑。

进一步地，在步骤1中，读取并平滑处理待识别图像得到平滑处理图像的方法为：

将待识别图像通过双线性插值法缩放到128×128像素大小，双线性插值法为，设待插值点四个相邻像素的像素值为f(0,0)、f(0,1)、f(1,0)、f(1,1)，则双线性插值法的公式为，f(x,y)＝ax+by+cxy+d，a，b，c和d是要插值点相邻的4个像素，像素的坐标位置为(x,y)，将f(0,0)、f(0,1)、f(1,0)、f(1,1)的值代入得，

然后计算坐标位置为(x,y)的像素点像素的插值为：

通过像素点像素的插值f(x,y)得到缩放图，将缩放图均匀的分为多个4×4的矩形子区域，然后将子区域中的n个像素的灰度值进行排序为：x₁≤x₂≤x₃...≤x_n，更新中心点像素灰度Y即平滑处理为，Y＝Med{x₁,x₂,x₃,x_n}＝x((1+n)/2),n为奇数，

Y＝Med{x₁,x₂,x₃,x_n}＝1/2×[x(n/2)+x((1+n)/2)],n为偶数，取排好序的序列的中间值作Y为中心点像素灰度的新值，Med{x₁,x₂,x₃,x_n}为x₁,x₂,x₃,x_n序列的中间值，所述待识别图像的图像格式为bmp、jpg、png、tif、gif、tga格式中任意一种格式。

进一步地，在步骤2中，识别平滑处理图像边缘是否编辑的方法为：

令D为具有分段的边界Γ的平滑处理图像，E是待识别图像的一个闭集，为了识别平滑处理图像的边缘是否被编辑处理过，建立边缘识别函数J_λ(u)为：

其中，u为待识别图像的边缘像素点集，u0为平滑处理图像的像素点集，λ是拉格朗日乘子，通过边缘识别函数完成了边缘是否被编辑的识别，对于待识别图像内的每个像素点，都可以用边缘识别函数进行迭代求解，若图像未被编辑过，即J_λ(u)＞0，则E即为D的边界Γ，否则E不为D的边界Γ，即图像边缘被编辑处理过，判定为不是原图。

进一步地，在步骤3中，识别平滑处理图像中编辑区域的方法为：

步骤3.1，将平滑处理图像分成2^k×2^k个子区域，通过计算子区域的像素点(i,j)的移动平均数公式为：

其中，k为正整数，范围为1至8；

步骤3.2，通过移动平均数计算子区域垂直和水平方向的偏差值：

ck(i,j)＝max(|a_k(i＝2^k-1,j)-a_k(i+2^k-1,j)|,|a_k(i,j-2^k-1)-a_k(i,j+2^k-1)|)；

步骤3.3，确定编辑区域大小为：

当

判定为存在编辑区域，判定为被编辑处理过，判定为不是原图。

进一步地，在步骤4中，识别平滑处理图像的方向是否被调整的方法为：

步骤4.1，计算平滑处理图像每个像素所对应的灰度变化方向g，方向g表示像素所处的位置灰度变化的方向，包括水平梯度和垂直梯度，计算水平梯度Δ_h和垂直梯度△v公式，

步骤4.2，将变化方向g转化为极坐标：

步骤4.3，判断方向是否被调整；

如果图像中有像素满足

则方向被调整过，即被编辑处理过，判定为不是原图。

进一步地，在步骤5中，识别平滑处理图像中纹理是否被编辑的方法为：

步骤5.1，遍历图像中4×4的矩形子区域，将矩形子区域转化成极坐标形式，以矩形子区域的中间像素为圆心，通过半径为1像素的单位圆将圆周均分成9等分，每隔40度在圆周上取一个点，在圆周上得到离散的9个像素点，计算9个像素点的坐标位置：

p(r,θ)＝s(x,y),r＝1,θ＝0°,40°,....,320°,x＝rcosθ,y＝rsinθ，中心像素点坐标位置为s(x,y)，插值点相邻的中心像素点坐标位置为s(x',y')，s(x',y')＝ax'+by'+cx'y'+d；

其中，a，b，c和d是要插值点相邻的4个像素；

步骤5.2，将9个像素点进行离散傅里叶变换,

步骤5.3，经过傅里叶变换后得到P(0),P(1),…P(8)的值，这时P(0)不包含任何纹理信息，取P(1),P(2),P(3),P(4)作为提取纹理信息的数字量，分离复数P(1),P(2),P(3),P(4)的虚数部分Im{}和实数部分Re{}，提取纹理信息矩阵C为：

C＝[Re{P(4)}Im{P(4)},Re{P(3)}Im{P(3)}Re{P(2)}Im{P(2)}Re{P(1)}Im{P(1)}]；

步骤5.4，将纹理信息矩阵量化成8比特的二进制编码

其中，b(h)是系数P(1),P(2),P(3),P(4)的二进制编码，大于0时赋值为1，小于0时赋值为0；

步骤5.5，将b(1)，b(2)，..，b(7)转化为8bit的纹理特征值；

u＝0,1,2,…,7；Texture值为0至255的整数值，表示当前纹理的信息，当Texture>0值，则平滑处理图像中纹理判定被编辑处理过，判定为不是原图。

方法实施例模拟测试：

本发明早测试环境为Intel英特尔i59600K六核CPU、内存4G、硬盘容量128G，操作***Windows 10的测试环境中，将本发明的实施例以VC++6.0编程实现测试程序，在测试程序中分别导入图像分辨率为480×600、600×800、1024×768、1280×720的JPG格式的待识别图像各100幅进行识别测试，其中，每100幅包含被图像图形图像处理软件编辑处理过图像50幅，测试结果如表1所示。

表1各待识别图像模拟实验结果

显然，图像分辨率越小消耗时间越少、识别成功率越高。

本公开的实施例提供的一种数字图像数据原图识别装置，如图2所示为本公开的一种数字图像数据原图识别装置图，该实施例的一种数字图像数据原图识别装置包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种数字图像数据原图识别装置实施例中的步骤。

所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：

平滑处理单元，用于读取并平滑处理待识别图像得到平滑处理图像；

边缘编辑识别单元，用于识别平滑处理图像边缘是否编辑；

区域编辑识别单元，用于识别平滑处理图像中编辑区域；

方向调整识别单元，用于识别平滑处理图像的方向是否被调整；

纹理编辑识别单元，用于识别平滑处理图像中纹理是否被编辑。

所述一种数字图像数据原图识别装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种数字图像数据原图识别装置，可运行的装置可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种数字图像数据原图识别装置的示例，并不构成对一种数字图像数据原图识别装置的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种数字图像数据原图识别装置还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种数字图像数据原图识别装置运行装置的控制中心，利用各种接口和线路连接整个一种数字图像数据原图识别装置可运行装置的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种数字图像数据原图识别装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。

Claims (3)

1.一种数字图像数据原图识别方法，其特征在于，所述方法包括以下步骤：

步骤1，读取并平滑处理待识别图像得到平滑处理图像；

步骤2，识别平滑处理图像边缘是否编辑；

步骤3，识别平滑处理图像中编辑区域；

步骤4，识别平滑处理图像的方向是否被调整；

步骤5，识别平滑处理图像中纹理是否被编辑；

在步骤2中，识别平滑处理图像边缘是否编辑的方法为：

令D为具有分段的边界Γ的平滑处理图像，E是待识别图像的一个闭集，为了识别平滑处理图像的边缘是否被编辑处理过，建立边缘识别函数J_λ(u)为：

其中，u为待识别图像的边缘像素点集，u⁰为平滑处理图像的像素点集，λ是拉格朗日乘子，通过边缘识别函数完成了边缘是否被编辑的识别，对于待识别图像内的每个像素点，若图像未被编辑过，即J_λ(u)>0，则E即为D的边界Γ，否则E不为D的边界Γ，即图像边缘被编辑处理过，判定为不是原图；

在步骤3中，识别平滑处理图像中编辑区域的方法为：

步骤3.1，将平滑处理图像分成2^k×2^k个子区域，通过计算子区域的像素点(i,j)的移动平均数公式为：

其中，k为正整数，范围为1至8；

步骤3.2，通过移动平均数计算子区域垂直和水平方向的偏差值：

c_k(i,j)＝max(|a_k(i＝2^k-1,j)-a_k(i+2^k-1,j)|,|a_k(i,j-2^k-1)-a_k(i,j+2^k-1)|)；

步骤3.3，确定编辑区域大小为：

当

判定为存在编辑区域，判定为被编辑处理过，判定为不是原图；

在步骤4中，识别平滑处理图像的方向是否被调整的方法为：

步骤4.1，计算平滑处理图像每个像素所对应的灰度变化方向g，方向g表示像素所处的位置灰度变化的方向，包括水平梯度和垂直梯度，计算水平梯度△_h和垂直梯度△_v公式，

步骤4.2，将变化方向g转化为极坐标：

步骤4.3，判断方向是否被调整；

如果图像中有像素满足

则方向被调整过，即被编辑处理过，判定为不是原图；

在步骤5中，识别平滑处理图像中纹理是否被编辑的方法为：

步骤5.1，遍历图像中4×4的矩形子区域，将矩形子区域转化成极坐标形式，以矩形子区域的中间像素为圆心，通过半径为1像素的单位圆将圆周均分成9等分，每隔40度在圆周上取一个点，在圆周上得到离散的9个像素点，计算9个像素点的坐标位置：

p_c(r,θ)＝s(x_c,y_c),r＝1,θ＝0°,40°,....,320°,x_c＝r cosθ,y_c＝r sinθ，中心像素点坐标位置为s(x_c,y_c)，插值点相邻的中心像素点坐标位置为s(x_c',y_c')，s(x_c',y_c')＝ax_c'+by_c'+cx_c'y_c'+d；

其中，a，b，c和d是要插值点相邻的4个像素；

步骤5.2，将9个像素点进行离散傅里叶变换,

步骤5.3，经过傅里叶变换后得到P(0),P(1),…P(8)的值，这时P(0)不包含任何纹理信息，取P(1),P(2),P(3),P(4)作为提取纹理信息的数字量，分离复数P(1),P(2),P(3),P(4)的虚数部分Im{}和实数部分Re{}，提取纹理信息矩阵C为：

C＝[Re{P(4)}Im{P(4)},Re{P(3)}Im{P(3)}Re{P(2)}Im{P(2)}Re{P(1)}Im{P(1)}]；

步骤5.4，将纹理信息矩阵量化成8比特的二进制编码

其中，b(h)是系数P(1),P(2),P(3),P(4)的二进制编码，大于0时赋值为1，小于0时赋值为0；

步骤5.5，将b(1)，b(2)，..，b(7)转化为8bit的纹理特征值：

Texture值为0至255的整数值，表示当前纹理的信息，当Texture>0值，则平滑处理图像中纹理判定被编辑处理过，判定为不是原图。

2.根据权利要求1所述的一种数字图像数据原图识别方法，其特征在于，在步骤1中，读取并平滑处理待识别图像得到平滑处理图像的方法为：

将待识别图像通过双线性插值法缩放到128×128像素大小，双线性插值法为，设待插值点四个相邻像素的像素值为f(0,0)、f(0,1)、f(1,0)、f(1,1)，则双线性插值法的公式为，f(x,y)＝ax+by+cxy+d，a，b，c和d是要插值点相邻的4个像素，像素的坐标位置为(x,y)，将f(0,0)、f(0,1)、f(1,0)、f(1,1)的值代入得，

然后计算坐标位置为(x,y)的像素点像素的插值为：

通过像素点像素的插值f(x,y)得到缩放图，将缩放图均匀的分为多个4×4的矩形子区域，然后将子区域中的n个像素的灰度值进行排序为：x₁≤x₂≤x₃...≤x_n，更新中心点像素灰度Y即平滑处理为，Y＝Med{x₁,x₂,x₃,x_n}＝x((1+n)/2),n为奇数，

Y＝Med{x₁,x₂,x₃,x_n}＝1/2×[x(n/2)+x((1+n)/2)],n为偶数，取排好序的序列的中间值作Y为中心点像素灰度的新值，Med{x₁,x₂,x₃,x_n}为x₁,x₂,x₃,x_n序列的中间值。

3.一种数字图像数据原图识别装置，其特征在于，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下装置的单元中：

平滑处理单元，用于读取并平滑处理待识别图像得到平滑处理图像；

边缘编辑识别单元，用于识别平滑处理图像边缘是否编辑；

区域编辑识别单元，用于识别平滑处理图像中编辑区域；

方向调整识别单元，用于识别平滑处理图像的方向是否被调整；

纹理编辑识别单元，用于识别平滑处理图像中纹理是否被编辑；

在边缘编辑识别单元中，识别平滑处理图像边缘是否编辑的方法为：

令D为具有分段的边界Γ的平滑处理图像，E是待识别图像的一个闭集，为了识别平滑处理图像的边缘是否被编辑处理过，建立边缘识别函数J_λ(u)为：

其中，u为待识别图像的边缘像素点集，u⁰为平滑处理图像的像素点集，λ是拉格朗日乘子，通过边缘识别函数完成了边缘是否被编辑的识别，对于待识别图像内的每个像素点，若图像未被编辑过，即J_λ(u)>0，则E即为D的边界Γ，否则E不为D的边界Γ，即图像边缘被编辑处理过，判定为不是原图；

在区域编辑识别单元中，识别平滑处理图像中编辑区域的方法为：

步骤3.1，将平滑处理图像分成2^k×2^k个子区域，通过计算子区域的像素点(i,j)的移动平均数公式为：

其中，k为正整数，范围为1至8；

步骤3.2，通过移动平均数计算子区域垂直和水平方向的偏差值：

c_k(i,j)＝max(|a_k(i＝2^k-1,j)-a_k(i+2^k-1,j)|,|a_k(i,j-2^k-1)-a_k(i,j+2^k-1)|)；

步骤3.3，确定编辑区域大小为：

当

判定为存在编辑区域，判定为被编辑处理过，判定为不是原图；

在方向调整识别单元中，识别平滑处理图像的方向是否被调整的方法为：

步骤4.1，计算平滑处理图像每个像素所对应的灰度变化方向g，方向g表示像素所处的位置灰度变化的方向，包括水平梯度和垂直梯度，计算水平梯度△_h和垂直梯度△_v公式，

步骤4.2，将变化方向g转化为极坐标：

步骤4.3，判断方向是否被调整；

如果图像中有像素满足

则方向被调整过，即被编辑处理过，判定为不是原图；

在纹理编辑识别单元中，识别平滑处理图像中纹理是否被编辑的方法为：

步骤5.1，遍历图像中4×4的矩形子区域，将矩形子区域转化成极坐标形式，以矩形子区域的中间像素为圆心，通过半径为1像素的单位圆将圆周均分成9等分，每隔40度在圆周上取一个点，在圆周上得到离散的9个像素点，计算9个像素点的坐标位置：

p(r,θ)＝s(x_c,y_c),r＝1,θ＝0°,40°,....,320°,x_c＝rcosθ,y_c＝rsinθ，中心像素点坐标位置为s(x_c,y_c)，插值点相邻的中心像素点坐标位置为s(x_c',y_c')，s(x_c',y_c')＝ax_c'+by_c'+cx_c'y_c'+d；

其中，a，b，c和d是要插值点相邻的4个像素；

步骤5.2，将9个像素点进行离散傅里叶变换,

步骤5.3，经过傅里叶变换后得到P(0),P(1),…P(8)的值，这时P(0)不包含任何纹理信息，取P(1),P(2),P(3),P(4)作为提取纹理信息的数字量，分离复数P(1),P(2),P(3),P(4)的虚数部分Im{}和实数部分Re{}，提取纹理信息矩阵C为：

C＝[Re{P(4)}Im{P(4)},Re{P(3)}Im{P(3)}Re{P(2)}Im{P(2)}Re{P(1)}Im{P(1)}]；

步骤5.4，将纹理信息矩阵量化成8比特的二进制编码

其中，b(h)是系数P(1),P(2),P(3),P(4)的二进制编码，大于0时赋值为1，小于0时赋值为0；

步骤5.5，将b(1)，b(2)，..，b(7)转化为8bit的纹理特征值：

Texture值为0至255的整数值，表示当前纹理的信息，当Texture>0值，则平滑处理图像中纹理判定被编辑处理过，判定为不是原图。

Images