公开(公告)号：CN108764270B

公开(公告)日：2022-06-14

申请号：CN201810286804.0

申请日：2018-04-03

Applicant: 上海大学

Inventor： 冯国瑞 ,  钟凯 ,  胡丹丹

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06V10/771 ,  G06T1/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种利用卷积神经网络集成的信息隐藏检测方法，操作步骤为：（1）将整个数据集D随机划分出训练集和测试集，再用留出法从训练集中选取一部分作为单次训练集；（2）利用自适应产生的高通滤波器滤波训练集图像产生差异化的残差图像；（3）构建特定的卷积神经网络；（4）将每种残差图分别输入到卷积神经网络中，进行神经网络训练；（5）将神经网络的池化层输出作为特征；（6）将由步骤（1）中产生的不同训练集和步骤（2）中产生的不同残差图像组合，分别训练得到差异特征，进行特征融合之后输入到集成分类器中。本发明可以有效地方便地解决含密图像的检测问题，检测准确率更高。

公开(公告)号：CN108460405A

公开(公告)日：2018-08-28

申请号：CN201810104070.X

申请日：2018-02-02

Applicant: 上海大学

Inventor： 冯国瑞 ,  胡丹丹 ,  钟凯

IPC: G06K9/62

Abstract: 本发明涉及一种基于深度强化学习的图像隐写分析集成分类优化方法。具体操作步骤如下：（1）选取一定特征下若干个基分类器；（2）使用Bagging集成方法，生成若干强集成分类器；（3）固定生成的子分类器个数，并在子空间数相同的情况下，多次生成不同的数据集；（4）建立深度强化学习模型DQN，对步骤（3）中的数据集进行训练并筛选出在精度不变或者更好的情况下的更少个数的分类器集合；（5）将待判别的隐写数据输入到模型中，计算优化后的集成分类器精度和分类器个数。本发明可以有效地优化集成分类器的精度以及子分类器个数，适用于大量分类器集成判决的情况，达到更好的分类性能。

公开(公告)号：CN108764270A

公开(公告)日：2018-11-06

申请号：CN201810286804.0

申请日：2018-04-03

Applicant: 上海大学

Inventor： 冯国瑞 ,  钟凯 ,  胡丹丹

IPC: G06K9/62 ,  G06T1/00 ,  G06N3/04

CPC classification number: G06T1/0021 ,  G06K9/6256 ,  G06K9/6267 ,  G06N3/0454

Abstract: 本发明涉及一种利用卷积神经网络集成的信息隐藏检测方法，操作步骤为：（1）将整个数据集D随机划分出训练集和测试集，再用留出法从训练集中选取一部分作为单次训练集；（2）利用自适应产生的高通滤波器滤波训练集图像产生差异化的残差图像；（3）构建特定的卷积神经网络；（4）将每种残差图分别输入到卷积神经网络中，进行神经网络训练；（5）将神经网络的池化层输出作为特征；（6）将由步骤（1）中产生的不同训练集和步骤（2）中产生的不同残差图像组合，分别训练得到差异特征，进行特征融合之后输入到集成分类器中。本发明可以有效地方便地解决含密图像的检测问题，检测准确率更高。

公开(公告)号：CN108805161A

公开(公告)日：2018-11-13

申请号：CN201810375675.2

申请日：2018-04-25

Applicant: 上海大学

Inventor： 冯国瑞 ,  孙物一 ,  钟凯

IPC: G06K9/62

CPC classification number: G06K9/6268 ,  G06K9/6256

Abstract: 本发明涉及一种多嵌入率含密图像的隐写检测方法。本方法是通过不同嵌入率图像训练得到两个集成FLD分类器。第一个集成FLD分类器由低嵌入率图像和载体图像训练得到，其能选择出更好代表载体图像和隐写图像特征的训练样本，将选出的样本和其高嵌入率版本一同训练得到第二个集成FLD分类器。在对未知类别图像分类的主要步骤是：第一个集成FLD分类器对投票数在一定范围内的图像进行分类，再由第二个集成FLD分类器对投票数在一定范围内的剩余图像进行分类，最后未分类图像由第一个集成FLD分类器分类。本发明方法分别利用这两个集成FLD分类器的优势，因而能够提升对JPEG隐写图像的识别准确率。

公开(公告)号：CN108805161B

公开(公告)日：2022-08-05

申请号：CN201810375675.2

申请日：2018-04-25

Applicant: 上海大学

Inventor： 冯国瑞 ,  孙物一 ,  钟凯

IPC: G06V10/764 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明涉及一种多嵌入率含密图像的隐写检测方法。本方法是通过不同嵌入率图像训练得到两个集成FLD分类器。第一个集成FLD分类器由低嵌入率图像和载体图像训练得到，其能选择出更好代表载体图像和隐写图像特征的训练样本，将选出的样本和其高嵌入率版本一同训练得到第二个集成FLD分类器。在对未知类别图像分类的主要步骤是：第一个集成FLD分类器对投票数在一定范围内的图像进行分类，再由第二个集成FLD分类器对投票数在一定范围内的剩余图像进行分类，最后未分类图像由第一个集成FLD分类器分类。本发明方法分别利用这两个集成FLD分类器的优势，因而能够提升对JPEG隐写图像的识别准确率。