-
公开(公告)号：CN110674334A
公开(公告)日：2020-01-10
申请号：CN201910869635.8
申请日：2019-09-16
Applicant: 南京信息工程大学
IPC: G06F16/583 , G06K9/46 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于一致性区域深度学习特征的近重复图像检索方法，具体为：提取图像库中的所有图像的SIFT特征，将SIFT特征量化为视觉单词，为所有的SIFT特征建立倒排索引文件；保留每个图像的K个目标区域，计算目标区域的CNN特征C(Rc)；提取查询图像的SIFT特征，将其量化为视觉单词；利用倒排索引文件，找出候选图像；在查询图像中找出与每个候选图像的每个目标区域近似重复的近重复区域；提取近重复区域的CNN特征C(RQ)；计算任意C(Rc)和该CNN特征相应的C(RQ)的余弦相似度，作为该组的相似度评分；在每个候选图像中，选择余弦相似度最高的一组评分作为该候选图像与查询图像之间的相似度评分。本发明在提高检索效率的同时，大大的提高了图像检索的准确度。
-
公开(公告)号：CN110084734A
公开(公告)日：2019-08-02
申请号：CN201910340335.0
申请日：2019-04-25
Applicant: 南京信息工程大学
Abstract: 本发明是一种基于物体局部生成对抗网络的大数据权属保护方法，在训练集上，载体图像经过多层的卷积网络，得到多组特征图，依次传入到载体重构模块。生成网络还包括多层反卷积网络，在生成条件经过多层反卷积后得到的特征图依次传入载体重构模块。将生成的目标载体图像输入到隐写网络，进行隐写区域的扩增和隐写秘密信息，随后将生成的图像输入到多粒度判别器中，对其分别在图像微弱特征和图像质量上判别，更新判别网络的参数，经过多次修改，得到网络模型参数并保存。发送方和接收方利用上述网络模型参数生成含秘图像或复原隐写区域并提取秘密信息。本专利实现了基于生成对抗网络信息隐藏，解决了生成对抗网络的隐写中的隐写问题，提高了安全性。
-
公开(公告)号：CN109492416A
公开(公告)日：2019-03-19
申请号：CN201811322310.X
申请日：2019-01-07
Applicant: 南京信息工程大学
CPC classification number: G06F21/602 , G06K9/6267 , G06N3/0454 , G06N3/0481 , G06N3/08
Abstract: 本发明提供一种基于安全区域的大数据图像保护方法，包括：S1：采用目标检测方法选择目标安全区域，同时提取彩色图像特征；S2：采用大数据技术，利用大数据图片集训练网络模型以及测试网络模型，应用深度学习模型在目标检测中的应用算法，提取出物体区域作为信息保护的安全区域；S3：将提取的安全区域作为含密图像的隐写区域，应用隐写算法进行秘密信息隐藏。本发明能够应用深度学习模型在目标检测中的应用算法，即Mask R-CNN实例分割方法，选择出图像中纹理噪声较为复杂的区域，即前景部分，将秘密信息准确地隐藏于前景物体中，从而实现更加隐秘的图像秘密信息隐藏保护的目的。
-
公开(公告)号：CN109255318A
公开(公告)日：2019-01-22
申请号：CN201811017018.7
申请日：2018-08-31
Applicant: 南京信息工程大学
Abstract: 本发明涉及基于多尺度和多卷积层特征融合的指纹活性检测方法，包括：步骤1）多尺度特征提取训练：对原图做提取感兴趣区域处理，并训练网络的参数；步骤2）主成分分析各层特征：根据训练好的网络结构，提取每层计算后得到的结果，接着对提取到的特征分别做主成分分析处理；步骤3）多卷积层特征融合：将卷积神经网络和经过主成分分析得到的各层特征连接融合后，再将各尺度提取到的特征进行连接；步骤4）支持向量机模型训练和测试：通过选择使用支持向量机作为特征的分类器进行真假指纹图像鉴别。该方法通过图像多尺度的生成、图像感兴趣区域的构建，利用卷积神经网络技术自动的从带有标签的大量指纹图像中学习到富有代表性的真假指纹特征。
-
公开(公告)号：CN107609356A
公开(公告)日：2018-01-19
申请号：CN201710674212.1
申请日：2017-08-09
Applicant: 南京信息工程大学
Abstract: 本发明提供的基于标签模型的文本无载体信息隐藏方法，包括如下步骤：收集文本及建立索引；秘密信息的隐藏：对秘密信息进行预处理，得到秘密信息关键词序列；使用汉字的unicode作为秘密信息标签，根据接收方相应的特征计算得到秘密信息标签序列；构建头文件及含密文本；通过文本索引项从文本库中选择与头文件和含密文本一一对应的目标文本信息；将所有的目标文本信息顺序排列作为隐藏文本发送至接收方。本发明在确保隐藏的成功率的同时，提高了隐藏容量。
-
Patent Agency Ranking
公开(公告)号：CN104618981A
公开(公告)日：2015-05-13
申请号：CN201410854339.8
申请日：2014-12-31
Applicant: 南京信息工程大学
IPC: H04W40/04
Abstract: 本发明公开了一种DTN环境下基于位置和方向的优先级路由方法，将全球定位系统（GPS）定位技术和接收信号强度指示（RSSI）技术应用于路由方法当中，通过在特定区域设置有锚节点使用RSSI以帮助确定节点位置和移动方向的信息，并利用节点的位置和方向信息使协议拥有高效的路由选择性能和高效的目标节点位置判别能力。本发明通过消息优先级的设计来减少协议对缓冲区大小的要求，能够使消息准确地、安全地送达目标结点，提高分组投递率的同时降低了归一化路由开销和平均端到端延迟；同时，在保证协议的有效性、可靠性的前提下尽可能地降低了协议运行的计算开销和通信开销。
-
公开(公告)号：CN103593590A
公开(公告)日：2014-02-19
申请号：CN201310573125.9
申请日：2013-11-18
Applicant: 南京信息工程大学
CPC classification number: G06F21/16 , G06F2221/0733 , G06T1/0071
Abstract: 本发明提供了基于云环境的混合加性多次水印嵌入方法，由密钥来控制两种不同的加性规则的交叉使用，实现数字水印的多次嵌入，由于嵌入规则受算法控制密钥控制，因此较传统的加性水印系统的安全性更高，鲁棒性好。本发明还提供了同一种本发明解码算法对应用两种不同加性嵌入规则而嵌入的数字水印进行解码。由于使用了两类密钥，算法控制密钥，水印信息加密密钥以及多次的水印嵌入，因此本发明可以实现在云环境中多人对系统的控制。
-
公开(公告)号：CN111325807B
公开(公告)日：2023-11-24
申请号：CN202010111838.3
申请日：2020-02-24
Applicant: 南京信息工程大学
IPC: H04L9/08 , G06F21/60 , H04N19/124 , H04N19/625 , G06V10/77 , G06V10/40
Abstract: 本发明公开了一种基于JPEG图像的加密和特征提取方法，包括加密方法和特征提取，加密步骤包括：解析JPEG图像；并对图像的VLI码进行异或加密；对量化表进行加密；特征提取步骤包括：解析JPEG图像；将量化DCT系数转化成VLI码的组号索引；对索引值进行截断；计算各通道每一个a×b块的状态转移概率矩阵；计算各通道内的平均状态转移概率矩阵并连接起来作为密文图像特征。本发明提取的密文图像特征可以用来进行检索和分类，简单易行，且具有很高的安全性、效率和准确率。
-
公开(公告)号：CN112329518B
公开(公告)日：2023-10-13
申请号：CN202010989868.4
申请日：2020-09-18
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于边缘纹理强化和对称差分统计的指纹活性检测的方法，属于信息安全领域，该方法主要设计两种特征描述符提取特征：边缘强化纹理特征描述符和对称差分方法特征描述符，通过统计上述两类特征的二维直方图，将其转换为一维向量，作为区分真假指纹图像的特征描述符，输入到支持向量机分类器中进行训练和测试。利用本专利设计的两种特征描述符，使得对指纹图像的特征提取更为准确，从而提高真假指纹图像的分类准确率。
-
公开(公告)号：CN111341449B
公开(公告)日：2023-06-23
申请号：CN202010114616.7
申请日：2020-02-25
Applicant: 南京信息工程大学
IPC: G16H50/50 , G06F30/20 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种虚拟血管介入手术训练的模拟方法，包括以下步骤：(1)使用基于点的方法对血管内部构建形变模型；(2)使用基于位置动力学法对血管内部节点施加距离约束、体积守恒约束和弹性势能守恒约束三种约束条件；(3)使用无网格移动最小二乘法构建从血管内部到血管表面的映射模型；本发明的方法不仅无需网格拓扑结构的初始划分和重构，甚至避免了采用网格法在产生大形变时的网格扭曲或畸形问题，而且考虑了血管的弹性特性和体积守恒特性，并提高了软组织形变模型的计算精度、稳定性和实时性。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.036 seconds)
