买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：齐鲁工业大学(山东省科学院)

摘要：本发明公开基于正交矩空间的质量退化人脸图像鉴伪方法，涉及图像处理技术领域，其特征在于，包括以下步骤：S1：将原始彩色图像像素空间至转换切比雪夫‑傅里叶矩空间；S11：对于原始彩色图像，以像素为中心创建固定大小为的彩色窗口图像；S12：将彩色窗口图像分解为红（）、绿（）、蓝（）三个通道的灰度窗口图像，然后计算每个通道的伪切比雪夫‑傅里叶矩。本发明利用PCHFMs良好的稳定性来保持深度网络空间映射关系的一致性，保障模型在质量退化图像上提供高精度的伪造鉴别。

主权项：1.基于正交矩空间的质量退化人脸图像鉴伪方法，其特征在于，包括以下步骤：S1：将原始彩色图像像素空间至转换切比雪夫-傅里叶矩空间；S11：对于原始彩色图像，以像素为中心创建固定大小为的彩色窗口图像： （1）；S12：将彩色窗口图像分解为红（）、绿（）、蓝（）三个通道的灰度窗口图像，然后计算每个通道的伪切比雪夫-傅里叶矩： （2）；其中：代表颜色通道； 为窗口图像； 为阶数； 为重复度； 为虚数单位； 为径向基函数：S13：对于每个通道的伪切比雪夫-傅里叶矩，随机选取一个矩值，并计算其幅值： （3）；将幅值作为新的像素值替换图像的中心像素值，得到： （4）；S14：合并处理后的红、绿、蓝每个通道的新像素值，即可得到新的彩色图像像素值；S15：当遍历完整幅图像，即可实现图像像素空间到切比雪夫-傅里叶矩空间的映射转换，得到切比雪夫-傅里叶矩空间人脸图像；S2：构建切比雪夫-傅里叶矩空间的高频伪造感知网络，包含T个阶段，将人脸解析和伪造鉴别进行交互式学习，不断优化两个任务的预测结果，逐步提高模型对高频伪造特征的感知力；S21：在第一阶段，使用Xception骨干网络对切比雪夫-傅里叶矩空间人脸图像的进行特征提取，分别利用全连接层和1×1卷积层预测出初始的伪造鉴别结果和人脸解析结果，作为第一阶段双任务的初始输出结果： （5）；S22：在第二阶段，构建互适应模块，通过两个任务：伪造鉴别和人脸解析，进行交互式学习： （6）；其中：ILM为互适应模块，ILM的输入为前一阶段的预测结果和，每个阶段都采用相同的ILM结构；S23：通过个阶段的交互学习，优化两个任务的预测结果： （7）；最终得到伪造鉴别结果和人脸解析结果；S24：通过交叉伪造分类进行最终的人脸鉴别，可表示为： （8）；其中：表示人脸的标签； 表示鉴别器预测出的结果，0代表为真，1代表为假； 表示人脸真伪分类的类别；通过交叉熵人脸解析进行最终的人脸解析结果鉴别，可表示为： （9）；其中：为真实的人脸解析标签； 为预测图； 为图像像素的数量； 为语义类别的数量；于是总损失可表示为： （10）；其中：为控制损失的权重。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 基于正交矩空间的质量退化人脸图像鉴伪方法