-
公开(公告)号：CN116777855A
公开(公告)日：2023-09-19
申请号：CN202310691903.8
申请日：2023-06-13
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06V10/764 , G06V10/44 , G06V10/22 , G06V10/40 , G06V10/26
Abstract: 一种基于多级门控单元的修复图像检测方法，属于多媒体信息安全与图像识别技术领域。该方法首先基于两个现有数据集合成新的修复数据集。其次由双流编码器分支提取修复图像的不同层级的空域特征和局部噪声残差，并在通道上拼接，输入到感受野模块，经过多分支卷积层和空洞卷积层，提取修复图像的多尺度特征。最后根据空域特征、局部噪声残差和多尺度特征通过多级门控单元，产生不同层级的门控特征，并通过解码器分支进行特征融合，并输出修复图像的分类、修复区域定位和图像分割结果。本发明解决了现有方法对于未知的修复手段存在的检测精度差、缺乏泛化能力的问题，抑制干扰特征的同时突出修复特征。
-
公开(公告)号：CN115689853A
公开(公告)日：2023-02-03
申请号：CN202211468420.3
申请日：2022-11-22
Applicant: 杭州电子科技大学
IPC: G06T1/00 , G06V30/148 , G06V30/19
Abstract: 本发明公开了一种基于汉字特征修改和分组的鲁棒文本水印方法。水印过程包括：水印序列切分成位串；基于汉字相关性特征对常用高频汉字进行分组；基于汉字字符结构特征生成含水印的变体字形；建立分组、汉字、水印位串和变体字形之间相互映射的索引表；依据水印位串查找索引表，选择变体字形生成变形字库文件并安装到计算机终端。水印提取过程包括：文本图像处理和OCR技术识别文本中的汉字，利用图像分割技术获取单个汉字图像块；匹配分割所得汉字所属的变体字形并提取水印位串；通过分组索引表对水印位串进行归类，采用投票策略进行分组内纠错提取正确水印序列。本发明能够有效提高水印方法的鲁棒性和提取准确率。
-
公开(公告)号：CN109495316B
公开(公告)日：2022-05-20
申请号：CN201811525106.8
申请日：2018-12-13
Applicant: 杭州电子科技大学
IPC: H04L41/147 , H04L41/12 , H04L41/142
Abstract: 本发明涉及网络表征、降维技术领域，具体涉及一种融合邻接性和节点角色相似性的网络表征方法，包括根据应用对象实体之间的相互关系构建网络拓扑结构，构建非同构子图度向量，构建构成相似度矩阵S，分别建立节点相邻性表征矩阵和节点角色相似性表征矩阵，通过联合优化目标计算式，产生最终的网络表征。本发明的实质性效果是：通过对节点在非同构子图中角色的度量，刻画了网络中节点间的相似性；提出了网络表征方法，实现了对网络邻接性和节点相似性的联合表征，满足大型网络中基于邻接性的数据挖掘，也可以实现基于节点相似性的分类。
-
公开(公告)号：CN112733495A
公开(公告)日：2021-04-30
申请号：CN202011637434.4
申请日：2020-12-31
Applicant: 杭州电子科技大学
IPC: G06F40/109 , G06K9/62 , G06K9/68
Abstract: 一种基于复合轮廓骨架的汉字几何结构特征迁移方法，通过获取字形间的对应复合轮廓骨架特征点集的几何结构关系，构建不同字体文件的同一目标字的复合轮廓集间的映射关系，构建单个复合轮廓集和其骨架特征点间的映射关系，形成待生成变体字形字体的变体字形的复合轮廓，从而可在格式转换后写入字体文件的相应编码位置，解决了用户在使用文本信息隐藏系统时可以只能利用现有的变体字库的情况。
-
公开(公告)号：CN109657268A
公开(公告)日：2019-04-19
申请号：CN201811305623.4
申请日：2018-11-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征值的不确定网络中免疫策略设计方法。首先，使用最大特征值作为免疫策略设计的基础衡量指标，其次，引入了不确定网络的概念，并基于此将期望特征值和染病规模作为最终权衡免疫节点重要性的关键指标。然后采用了从不确定网络中抽取代表性案例并保留不确定网络底层属性来代替以往所采用的提取大规模样本来保证精确度的方法。最后，结合最大特征值、度中心性以及网络密度的特点设计的免疫策略。本发明能够用于更精准的找到免疫节点，使免疫部分节点后剩余网络期望指标最小化，即剩余网络连接结构被最大化破坏，能抵御更强的外部攻击。既保证了精确度，又降低了计算强度。
-
Patent Agency Ranking
公开(公告)号：CN107564004A
公开(公告)日：2018-01-09
申请号：CN201710859827.1
申请日：2017-09-21
Applicant: 杭州电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于计算机辅助跟踪的篡改视频标注方法。本发明依次读入被篡改的视频序列的每一帧，通过计算机辅助跟踪来更新篡改区域的标记框位置，然后通过人工判定标记框的位置。如果计算机辅助识别的标记框偏离了篡改区域所在的位置，则通过鼠标修正标记框的位置。计算机辅助跟踪依据前一帧的标记框和当前帧被篡改区域的目标特征，通过运行在计算机上的目标跟踪算法，预测当前帧的标记框位置。本发明方法可以实现对篡改视频序列中视频篡改区域的标注，用输出的标记框表示视频篡改区域所在的位置。本发明将计算机识别视频篡改区域和人工标记相结合，解决了计算机自动识别跟踪不精确、人工标记效率低的问题，能够显著提升标注效率和准确率。
-
公开(公告)号：CN118612353A
公开(公告)日：2024-09-06
申请号：CN202410874558.6
申请日：2024-07-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于JPEG编码器的图像鲁棒隐写方法，包括如下步骤：步骤1、上传图像至社交网络，然后下载图像并对下载的图像进行分析获得量化表和编码率，从而确定社交网络所采用的JPEG编码器类型；步骤2、对传输过程中发生的溢出块进行检查，对存在溢出的块中的每个像素值进行等比例缩小处理得到载体图像；步骤3、采用自适应STC‑ECC策略，并通过载体序列和嵌入密度将秘密信息嵌入载体图像中，生成隐写序列；步骤4、使用抖动调制算法，根据隐写序列修改载体图像中的系数，并最终输出隐写图像，该方法能够有效提高隐写图像在传输过程中的稳定性和可靠性。
-
公开(公告)号：CN118138521A
公开(公告)日：2024-06-04
申请号：CN202410391696.9
申请日：2024-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度强化学习和进化策略的低轨卫星路由方法，该方法首先深度强化学习DRL智能体收集当前LEO卫星网络状态，做出路由决策并获得环境返回的奖励和下一时刻状态。其次以经验元组的形式存储智能体与环境的交互过程。最后在训练阶段，智能体从数据库中随机抽样一批经验元组，训练路由决策模型；在决策阶段，路由决策模型根据当前LEO卫星网络环境和通信需求做出路由决策。本发明运用历史学习得到的经验，做出符合当前网络环境的决策，并且降低深度强化学习模型的训练时间。
-
公开(公告)号：CN116796374A
公开(公告)日：2023-09-22
申请号：CN202310535649.2
申请日：2023-05-12
Applicant: 杭州电子科技大学
IPC: G06F21/64 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于ConvNeXt的深度视频修复检测方法及系统，该方法首先对数据集内视频进行分帧处理，得到视频帧序列。其次构建包含时序残差提取模块、滤波残差提取模块、ConvNeXt双流特征提取模块、特征融合模块以及金字塔结构特征恢复模块的视频修复检测网络。然后构建损失函数以及参数优化算法。最后对训练好的视频修复检测网络进行测试，并评估网络性能。该系统包括视频处理模块、时序特征提取模块、滤波特征提取模块、特征融合模块、金字塔结构特征恢复模块和检测结果生成模块。本发明检测结果具有较高的准确性和完整性，保证了视频修复检测网络的高性能。
-
公开(公告)号：CN116634131A
公开(公告)日：2023-08-22
申请号：CN202310534831.6
申请日：2023-05-12
Applicant: 杭州电子科技大学
IPC: H04N17/00
Abstract: 本发明公开了一种基于SegNeXt的深度视频修复检测方法，包括：首先依次读入被修复视频序列的每一帧，并使用光流感知模块提取目标帧及其前后相邻帧的光流感知残差特征，得到三种不同尺度的残差特征。其次使用编码网络提取目标帧及其前后相邻帧的修复痕迹特征，同时编码网络的第二、三、四阶段分别接收三种不同尺度的光流感知残差特征。最后将编码网络第二、三、四阶段的输出特征连接后，通过解码网络得到对目标帧的像素级修复检测结果。本发明弥补了图像分割网络无法利用视频时间信息的不足，增强编码网络对视频帧的修复痕迹特征提取能力，能够得到对视频修复痕迹的像素级定位结果。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.029 seconds)
