-
公开(公告)号：CN114529738A
公开(公告)日：2022-05-24
申请号：CN202210161772.8
申请日：2022-02-22
Applicant: 长沙理工大学
Abstract: 本发明公开了一种图像接缝裁剪检测方法、系统、电子设备及存储介质，本方法将图像输入至基于深度残差网络的特征提取模块，特征提取模块中的每一特征提取阶段均能提取到图像的低层特征高分辨率信息；利用特征金字塔网络，从多个第一特征映射中提取更为抽象、语气更强的高层特征，即第二特征映射；对第二特征映射进行卷积减少上采样的混叠效应，生成最终的特征映射，得到图像的检测结果。本发明将深度残差网络与特征金字塔网络结合应用在基于Seam carving的图像篡改检测上，不仅能够捕捉到图像的低层特征高分辨率信息，还能捕捉高层特征的强语义信息，学习到的图像信息更加全面更加细微，能够增强基于接缝裁剪的低篡改率图像的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN113850307B
公开(公告)日：2025-02-14
申请号：CN202111076265.6
申请日：2021-09-14
Applicant: 长沙理工大学
IPC: G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的图像修改区域定位方法、系统及存储介质，通过提取目标RGB图像的图像残差，基于图像残差，使用第一神经网络提取目标RGB图像中的修改过的区域与未修改过的区域之间高频分量的不一致性特征，根据提取的不一致性特征生成第一特征图；提取目标RGB图像的局部二值模式特征，将局部二值模式特征与目标RGB图像进行合并，得到合并图像，使用第二神经网络提取合并图像中的修改过的区域与未修改过的区域之间的块相似性特征，根据提取的块相似性特征生成第二特征图；融合第一特征图和第二特征图得到目标特征图，基于目标特征图，定位目标RGB图像的图像修改区域。该方法能够高效、准确地定位图像中的修改区域。
-
公开(公告)号：CN113850307A
公开(公告)日：2021-12-28
申请号：CN202111076265.6
申请日：2021-09-14
Applicant: 长沙理工大学
Abstract: 本发明公开了一种基于深度学习的图像修改区域定位方法、系统及存储介质，通过提取目标RGB图像的图像残差，基于图像残差，使用第一神经网络提取目标RGB图像中的修改过的区域与未修改过的区域之间高频分量的不一致性特征，根据提取的不一致性特征生成第一特征图；提取目标RGB图像的局部二值模式特征，将局部二值模式特征与目标RGB图像进行合并，得到合并图像，使用第二神经网络提取合并图像中的修改过的区域与未修改过的区域之间的块相似性特征，根据提取的块相似性特征生成第二特征图；融合第一特征图和第二特征图得到目标特征图，基于目标特征图，定位目标RGB图像的图像修改区域。该方法能够高效、准确地定位图像中的修改区域。
-
公开(公告)号：CN114677359B
公开(公告)日：2025-04-25
申请号：CN202210359478.8
申请日：2022-04-07
Applicant: 长沙理工大学
IPC: G06T7/00 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于CNN的接缝裁剪图像检测方法及系统，本方法通过将待检测图像输入至预设的卷积神经网络模块中，得到待检测图像的局部特征图；将待检测图像输入预设的快速傅里叶卷积块模块中，得到待检测图像的全局特征图；将局部特征图与全局特征图相连，得到连接后的特征图像；利用softmax分类器对连接后的特征图进行像素检测，得到待检测图像是否发生裁剪的检测结果。本系统提出基于注意力机制的局部特征提取模块与基于快速傅里叶卷积的全局特征提取模块，相较于现有方案，本方法能通过提取待检测图像的全局特征和局部特征，使最后融合得到的检测特征更全面，分类与定位更准确。
-
公开(公告)号：CN114677359A
公开(公告)日：2022-06-28
申请号：CN202210359478.8
申请日：2022-04-07
Applicant: 长沙理工大学
IPC: G06T7/00 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04 , G06K9/62
Abstract: 本发明公开了一种基于CNN的接缝裁剪图像检测方法及系统，本方法通过将待检测图像输入至预设的卷积神经网络模块中，得到待检测图像的局部特征图；将待检测图像输入预设的快速傅里叶卷积块模块中，得到待检测图像的全局特征图；将局部特征图与全局特征图相连，得到连接后的特征图像；利用softmax分类器对连接后的特征图进行像素检测，得到待检测图像是否发生裁剪的检测结果。本系统提出基于注意力机制的局部特征提取模块与基于快速傅里叶卷积的全局特征提取模块，相较于现有方案，本方法能通过提取待检测图像的全局特征和局部特征，使最后融合得到的检测特征更全面，分类与定位更准确。
-
公开(公告)号：CN114693913A
公开(公告)日：2022-07-01
申请号：CN202210268461.1
申请日：2022-03-18
Applicant: 长沙理工大学
Abstract: 本发明公开了一种图像修复区域的定位方法、设备及存储介质。方法包括获取待定位的原始图像；将原始图像转换成噪声域，得到第一图像，从第一图像提取第一特征图，第一特征图包含第一图像中的源区域和噪声修复区域之间的不一致性特征；从原始图像中提取局部二值模式特征，将局部二值模式特征与原始图像合并，得到第二图像，从第二图像提取第二特征图，第二特征图包含第二图像中的源区域和图像修复区域之间的不一致性特征；融合第一特征图和第二特征图，得到融合特征图；对融合特征图中的修复区域进行定位。本方法能同时捕获样本块图像修复和深度学习图像修复的不同修复痕迹，能够高效、准确地定位图像中修复的区域。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
