-
公开(公告)号：CN114758393B
公开(公告)日：2025-04-11
申请号：CN202210376893.4
申请日：2022-04-11
Abstract: 本发明公开了一种支持隐私保护的深度伪造人脸图像检测方法，生成测试图像I的同形张量I1，计算I2＝I‑I1获得I2；将I1输入服务器S1，将I2输入服务器S2，S1和S2交互完成检测过程，S1输出图像检测结果#imgabs0#S2输出图像检测结果#imgabs1#计算#imgabs2#若#imgabs3#接近1，则测试图像I为真实人脸图像，若#imgabs4#接近0，则测试图像I为伪造人脸图像；所述服务器S1和服务器S2均设置有预先训练好的深度伪造人脸图像检测网络。本发明在保护用户人脸图像隐私的前提下，取得了与明文环境下伪脸图像检测网络相同的准确率。在进行通信交互时具有较低的通信开销和较好的计算效率。
-
公开(公告)号：CN111640052B
公开(公告)日：2020-12-29
申请号：CN202010441258.0
申请日：2020-05-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于标记码的鲁棒大容量数字水印方法，主要分为水印嵌入和提取两部分；嵌入过程为：1)载体图像预处理；2)提取载体图像中的Y通道；3)为水印图像添加标记码并将其转化为二值序列；4)将载体图像分块，并分别对每一个图像块进行DCT变换；5)修改嵌入的DCT系数；6)对图像块做DCT逆变换，并合并三个色彩通道生成含水印图像；提取过程为：1)待检测图像预处理；2)提取待检测图像中的Y通道；3)基于标记码的图像恢复；4)将恢复后的图像分块，并对每个分块做DCT变换；5)从分块中提取水印信息。本发明不仅能够较好的抵抗常见水印攻击，而且拥有较高的隐藏容量。
-
公开(公告)号：CN114758393A
公开(公告)日：2022-07-15
申请号：CN202210376893.4
申请日：2022-04-11
Abstract: 本发明公开了一种支持隐私保护的深度伪造人脸图像检测方法，生成测试图像I的同形张量I1，计算I2＝I‑I1获得I2；将I1输入服务器S1，将I2输入服务器S2，S1和S2交互完成检测过程，S1输出图像检测结果S2输出图像检测结果计算若接近1，则测试图像I为真实人脸图像，若接近0，则测试图像I为伪造人脸图像；所述服务器S1和服务器S2均设置有预先训练好的深度伪造人脸图像检测网络。本发明在保护用户人脸图像隐私的前提下，取得了与明文环境下伪脸图像检测网络相同的准确率。在进行通信交互时具有较低的通信开销和较好的计算效率。
-
Patent Agency Ranking
公开(公告)号：CN113610878B
公开(公告)日：2022-04-08
申请号：CN202110800700.9
申请日：2021-07-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于轮廓自动生成的构造式信息隐藏方法，具体为：将长度为L的秘密信息的二值序列S切分成n段长度均为l的二值序列；步骤2：构建目标轮廓图像；步骤3：构建轮廓‑图像可逆变换模型；步骤4：将目标轮廓图像输入至训练好的轮廓‑图像可逆变换模型中，生成模型根据目标轮廓图像生成含密图像，所述提取模型用于提取含密图像的轮廓，以实现将秘密信息的二值序列隐藏在提取模型提取的轮廓中。本发明生成含密图像质量较高，视觉效果更好。
-
公开(公告)号：CN114119330B
公开(公告)日：2024-07-23
申请号：CN202111306170.9
申请日：2021-11-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于神经网络的鲁棒数字水印嵌入、提取方法，具体为：步骤1：将水印图像输入至水印嵌入网络中的水印图像处理网络，将载体图像输入至水印嵌入网络中的载体图像处理网络，步骤2：对水印图像处理网络中第i层网络层的输出wi的大小进行调整；步骤3：将wi与载体图像处理网络中第i层网络层的输出ci级联，将级联后的结果输入至载体图像处理网络中第i+1层；步骤4：对载体图像处理网络最后一层的输出进行卷积操作，得到含密图像c*；将含密图像c*输入至提取网络，得到带有水印的图像w*。本发明不仅不可见性较好，而且能够有效抵抗多种常见的水印攻击，具有较好的鲁棒性。
-
公开(公告)号：CN113610878A
公开(公告)日：2021-11-05
申请号：CN202110800700.9
申请日：2021-07-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于轮廓自动生成的构造式信息隐藏方法，具体为：将长度为L的秘密信息的二值序列S切分成n段长度均为l的二值序列；步骤2：构建目标轮廓图像；步骤3：构建轮廓‑图像可逆变换模型；步骤4：将目标轮廓图像输入至训练好的轮廓‑图像可逆变换模型中，生成模型根据目标轮廓图像生成含密图像，所述提取模型用于提取含密图像的轮廓，以实现将秘密信息的二值序列隐藏在提取模型提取的轮廓中。本发明生成含密图像质量较高，视觉效果更好。
-
公开(公告)号：CN111640052A
公开(公告)日：2020-09-08
申请号：CN202010441258.0
申请日：2020-05-22
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于标记码的鲁棒大容量数字水印方法，主要分为水印嵌入和提取两部分；嵌入过程为：1)载体图像预处理；2)提取载体图像中的Y通道；3)为水印图像添加标记码并将其转化为二值序列；4)将载体图像分块，并分别对每一个图像块进行DCT变换；5)修改嵌入的DCT系数；6)对图像块做DCT逆变换，并合并三个色彩通道生成含水印图像；提取过程为：1)待检测图像预处理；2)提取待检测图像中的Y通道；3)基于标记码的图像恢复；4)将恢复后的图像分块，并对每个分块做DCT变换；5)从分块中提取水印信息。本发明不仅能够较好的抵抗常见水印攻击，而且拥有较高的隐藏容量。
-
公开(公告)号：CN114119330A
公开(公告)日：2022-03-01
申请号：CN202111306170.9
申请日：2021-11-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于神经网络的鲁棒数字水印嵌入、提取方法，具体为：步骤1：将水印图像输入至水印嵌入网络中的水印图像处理网络，将载体图像输入至水印嵌入网络中的载体图像处理网络，步骤2：对水印图像处理网络中第i层网络层的输出wi的大小进行调整；步骤3：将wi与载体图像处理网络中第i层网络层的输出ci级联，将级联后的结果输入至载体图像处理网络中第i+1层；步骤4：对载体图像处理网络最后一层的输出进行卷积操作，得到含密图像c*；将含密图像c*输入至提取网络，得到带有水印的图像w*。本发明不仅不可见性较好，而且能够有效抵抗多种常见的水印攻击，具有较好的鲁棒性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.027 seconds)
