-
公开(公告)号：CN104899606B
公开(公告)日：2018-06-19
申请号：CN201510338406.5
申请日：2015-06-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于局部学习的信息隐藏检测方法，该方法包括：构建包含正负样本的训练样本数据库；对任一待检测样本，在样本数据库中搜索与其最相似的K个正负样本对，构成局部训练集；在局部训练集上，进行分类器的训练学习，在学习过程中，加入正负样本成对这一约束，使用优化算法获得最优分类器；用得到的分类器对待检测样本进行判别分类，得到所述待检测样本是否经过信息隐藏的检测结果。本发明充分利用局部学习能够较好地克服类内变化大、降低噪声影响以及较少需要先验知识等优势，提高了信息隐藏检测的效果，可应用于基于模式识别的信息隐藏检测算法分析系统中。
-
公开(公告)号：CN104899606A
公开(公告)日：2015-09-09
申请号：CN201510338406.5
申请日：2015-06-17
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/6286 , G06K9/6274 , G06K9/66 , G06K2209/09
Abstract: 本发明公开了一种基于局部学习的信息隐藏检测方法，该方法包括：构建包含正负样本的训练样本数据库；对任一待检测样本，在样本数据库中搜索与其最相似的K个正负样本对，构成局部训练集；在局部训练集上，进行分类器的训练学习，在学习过程中，加入正负样本成对这一约束，使用优化算法获得最优分类器；用得到的分类器对待检测样本进行判别分类，得到所述待检测样本是否经过信息隐藏的检测结果。本发明充分利用局部学习能够较好地克服类内变化大、降低噪声影响以及较少需要先验知识等优势，提高了信息隐藏检测的效果，可应用于基于模式识别的信息隐藏检测算法分析系统中。
-
公开(公告)号：CN103281473B
公开(公告)日：2015-04-15
申请号：CN201310231271.3
申请日：2013-06-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于视频像素时空相关性的通用视频隐写分析方法，该方法包括：对训练集中的视频进行解压并提取多个图像分段，对每一图像分段进行切片获得多个切片图像；对每个切片图像进行差分滤波和阈值化处理；在每个切片图像的所有差分图像中任选两个或多个，利用像素邻域关系的描述得到与切片图像对应的多个联合概率分布矩阵，将每个矩阵的元素合并成一维向量作为特征向量；对特征向量进行类别标记后输入到分类器中得到分类器模型；按照上述步骤提取待分析视频的特征向量，并输入到分类器模型进行分类，得到隐写分析结果。本发明充分利用了视频的时域相关性，提高了隐写分析效果，且可应用于多种不同类型视频隐写算法的分析系统中。
-
公开(公告)号：CN103281473A
公开(公告)日：2013-09-04
申请号：CN201310231271.3
申请日：2013-06-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于视频像素时空相关性的通用视频隐写分析方法，该方法包括：对训练集中的视频进行解压并提取多个图像分段，对每一图像分段进行切片获得多个切片图像；对每个切片图像进行差分滤波和阈值化处理；在每个切片图像的所有差分图像中任选两个或多个，利用像素邻域关系的描述得到与切片图像对应的多个联合概率分布矩阵，将每个矩阵的元素合并成一维向量作为特征向量；对特征向量进行类别标记后输入到分类器中得到分类器模型；按照上述步骤提取待分析视频的特征向量，并输入到分类器模型进行分类，得到隐写分析结果。本发明充分利用了视频的时域相关性，提高了隐写分析效果，且可应用于多种不同类型视频隐写算法的分析系统中。
-
-
-
Search Results
4
records
(took 0.019 seconds)
