-
公开(公告)号：CN112116601B
公开(公告)日：2023-04-28
申请号：CN202010830545.0
申请日：2020-08-18
Applicant: 河南大学
IPC: G06T7/11 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开一种基于线性采样网络及生成对抗残差网络的压缩感知采样重建方法及系统，该方法包括：获取训练图像，并通过分割处理将训练图像分割为多个图像块；构建线性采样网络对图像块进行测量，获得各图像块对应的测量值；在生成对抗残差网络中，先通过全连接层对各图像块的测量值进行线性映射处理，获得初始重建结果；将初始重建结果输入残差网络中，训练获得残差信息；将初始重建结果与残差信息进行信号融合，从而得到生成器的生成结果；将生成器的生成结果与原始图像块共同输入鉴别器中进行判断；计算损失函数，对线性采样网络及生成对抗残差网络进行迭代训练，从而得到最终图像重建结果。本发明可有效提高低采样率下重建效果。
-
公开(公告)号：CN112926607B
公开(公告)日：2023-02-17
申请号：CN202110462687.0
申请日：2021-04-28
Applicant: 河南大学
IPC: G06V10/44 , G06N3/0464 , G06N3/08 , G06T1/00 , G06F21/60
Abstract: 本发明提供一种基于卷积神经网络的双支网络图像隐写框架及方法。该框架包括编码网络与解码网络；所述编码网络包括特征提取网络和隐写网络；所述特征提取网络用于灰度秘密图像的特征提取；所述隐写网络用于将特征提取网络提取到的灰度图像特征嵌入至自然载体图像之中，得到含密载体图像；所述解码网络用于从含密载体图像中提取出灰度秘密图像。本发明设计了秘密图像与载体图像并行的双支隐写网络，突破了传统的基于卷积神经网络的单支图像隐写框架，提高了图像隐写的安全性、透明性并避免了网络训练时的梯度消失等问题，加速网络的训练过程。
-
公开(公告)号：CN115357944A
公开(公告)日：2022-11-18
申请号：CN202210980922.8
申请日：2022-08-16
Applicant: 河南大学
Abstract: 本发明提供一种基于浅层特征增强和注意力机制的图像篡改检测方法。该方法包括：步骤1：构建篡改图像数据集，并将其分为训练集和测试集；步骤2：设置损失函数，基于损失函数利用训练集对构建的图像篡改检测网络进行训练，得到最优图像篡改检测网络模型；步骤3：利用最优图像篡改检测网络模型对测试集中篡改图像进行检测；其中，图像篡改检测网络包括：特征提取器、特征增强模块和注意力模块；利用特征提取器提取输入图像的浅层特征和深层特征，利用特征增强模块对提取的浅层特征进行重构，并将重构的特征与深层特征进行特征融合，利用注意力模块对融合后的特征进行筛选。本发明具有能有效捕获篡改痕迹的网络结构，实现像素级的篡改区域定位。
-
公开(公告)号：CN113076551B
公开(公告)日：2022-10-18
申请号：CN202110561302.6
申请日：2021-05-22
Applicant: 河南大学
Abstract: 本发明提供一种基于提升方案和跨分量置乱的彩色图像加密方法。该方法包括：根据彩色明文图像的哈希值和预设的外部密钥计算得到洛伦兹‑哈肯激光混沌系统的3个初始值；采用洛伦兹‑哈肯激光混沌系统生成三个混沌序列O、P、Q；将彩色明文图像进行RGB分解，得到三个矩阵IR、IG、IB；分别采用混沌序列O、P、Q基于提升方案的图像预处理策略对矩阵IR、IG、IB进行预处理，得到三个序列CR、CG、CB；利用混沌序列O、P、Q对三个序列CR、CG、CB进行跨分量置乱，得到三个矩阵VR、VG、VB；利用混沌序列O、P、Q对三个矩阵VR、VG、VB进行扩散，得到三个密文矩阵CIR、CIG、CIB；对三个密文矩阵CIR、CIG、CIB进行合成，得到密文图像。
-
公开(公告)号：CN115147711A
公开(公告)日：2022-10-04
申请号：CN202210871217.4
申请日：2022-07-23
Applicant: 河南大学
IPC: G06V20/05 , G06V10/82 , G06V10/764 , G06N3/08 , G06N3/04
Abstract: 本发明提供一种基于改进Retinanet的水下目标检测网络及方法。该网络包括：backbone层、neck层和head层；backbone层采用残差网络Resnet50；neck层包括特征金字塔网络模块、上下文提取模块和注意力引导模块；head层包括下采样模块、分类子网络和框回归子网络；其中，待检测的水下图像经过backbone层进行后得到四个不同大小的特征图；四个不同大小的特征图并列输入至neck层进行特征融合，得到四个不同大小的新特征图；四个不同大小的新特征图中的最上层的新特征图经下采样模块之后，连同其他三个新特征图一并输入至分类子网络和框回归子网络从而得到水下图像中的各水下目标。
-
Patent Agency Ranking
公开(公告)号：CN113032813B
公开(公告)日：2022-09-30
申请号：CN202110458883.0
申请日：2021-04-27
Applicant: 河南大学
Abstract: 本发明公开一种基于改进的像素局部复杂度计算和多峰嵌入的可逆信息隐藏方法，包括：对原始图像进行上溢/下溢预处理；将图像分为Blue和Blank两个子图像，对各子图像的像素位置进行划分，使用菱形预测器计算目标像素的预测误差；计算Blue/Blank子图像的像素纹理度，得到目标像素的邻接像素的纹理度，然后利用邻接像素的纹理度计算目标像素的局部复杂度；根据每个子图像的预测误差直方图，分别选择三个峰值点，和两个分别距离最大峰值点和最小峰值点最近的零点，然后根据秘密信息长度自适应选择峰值点，优先对每个子图像中局部复杂度低的像素进行信息嵌入；进行秘密信息提取和图像恢复。本发明实现了提高图像嵌入容量的同时，减少嵌入失真。
-
公开(公告)号：CN114785483A
公开(公告)日：2022-07-22
申请号：CN202210563573.X
申请日：2022-05-23
Applicant: 河南大学
Abstract: 本发明提供一种基于半张量积压缩感知和混合云的医学图像安全传输方法。其中，加密方法包括：根据原始医学图像P的哈希密钥和给定的外部密钥生成混沌序列，并利用混沌序列生成测量矩阵；对原始医学图像P进行边缘检测，根据边缘检测结果将认证图像嵌入至原始医学图像P中得到含有认证信息的图像P1，并将嵌入密钥、哈希密钥和外部密钥发送至接收端；利用混沌序列对图像P1进行稀疏和置乱，得到置乱后的稀疏矩阵P3，将稀疏矩阵P3上传至边缘云；在边缘云上，利用测量矩阵对稀疏矩阵P3进行测量和量化，得到量化后的矩阵P5；对矩阵P5进行编码得到第一认证序列以及对矩阵P5进行扩散，得到密文图像，然后将第一认证序列和密文图像存储至中心云上。
-
公开(公告)号：CN114067168A
公开(公告)日：2022-02-18
申请号：CN202111198444.7
申请日：2021-10-14
Applicant: 河南大学
Abstract: 本发明提供一种基于改进的变分自编码器网络的布匹缺陷图像生成系统及方法。该系统包括变分自编码器网络和判别网络，所述变分自编码器网络分为编码器网络和解码器网络；编码器网络，用于将真实目标图像编码成潜空间变量X的正态分布q(z|x)；解码器网络，用于从正态分布q(z|x)中采样潜空间变量～X生成新的目标图像；判别器网络，用于衡量生成的目标图像与真实目标图像之间的相似性，计算对抗损失，把对抗损失传入编码网络和解码网络，同时把变分自编码器网络中基于像素的重构度量替换为表示在判别器网络的特征度量。本发明通过生成对抗网络中的判别器网络对变分自编码器网络进行改进，提高生成图像的质量。
-
公开(公告)号：CN112134681B
公开(公告)日：2021-11-19
申请号：CN202010836619.1
申请日：2020-08-19
Applicant: 河南大学
Abstract: 本发明提供一种基于压缩感知和光学变换的图像压缩加密方法和云辅助解密方法。该加密方法包括：根据明文图像P生成的哈希密钥和初始密钥分别利用LTS系统和2D‑LASM系统生成混沌序列；利用离散小波变换将所述明文图像P分成1个近似分量LL和3个细节分量HL、LH和HH；利用混沌序列X1对所述近似分量LL进行无损加密，利用混沌序列U1和K1对所述细节分量HL、LH和HH进行有损加密；将加密后矩阵LL1和H1合并成一个复数域矩阵LLH1，并利用两个随机相位掩码矩阵对复数域矩阵LLH1进行双随机相位编码得到矩阵LL2和H2；对矩阵LL2和H2进行量化；利用混沌序列Z1对量化后矩阵进行随机像素置乱；将置乱后矩阵重新组合生成序列B，对序列B进行扩散，得到密文图像C。
-
公开(公告)号：CN113032813A
公开(公告)日：2021-06-25
申请号：CN202110458883.0
申请日：2021-04-27
Applicant: 河南大学
Abstract: 本发明公开一种基于改进的像素局部复杂度计算和多峰嵌入的可逆信息隐藏方法，包括：对原始图像进行上溢/下溢预处理；将图像分为Blue和Blank两个子图像，对各子图像的像素位置进行划分，使用菱形预测器计算目标像素的预测误差；计算Blue/Blank子图像的像素纹理度，得到目标像素的邻接像素的纹理度，然后利用邻接像素的纹理度计算目标像素的局部复杂度；根据每个子图像的预测误差直方图，分别选择三个峰值点，和两个分别距离最大峰值点和最小峰值点最近的零点，然后根据秘密信息长度自适应选择峰值点，优先对每个子图像中局部复杂度低的像素进行信息嵌入；进行秘密信息提取和图像恢复。本发明实现了提高图像嵌入容量的同时，减少嵌入失真。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.025 seconds)
