公开(公告)号：CN116665027A

公开(公告)日：2023-08-29

申请号：CN202310429064.2

申请日：2023-04-21

Applicant: 安徽理工大学

Inventor： 夏晨星 ,  曹慧贞 ,  葛斌 ,  王慧玲

IPC: G06V20/00 ,  G06V20/70 ,  G06V10/42 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于信息安全领域，提供了一种高鲁棒性的图像篡改检测方法，包括以下步骤：1)利用空洞卷积来获得多尺度特征提取，使用Concat可以得到全局特征表示，既可防止多次卷积后丢失浅层特征，又能得到更大的感受野，提高小目标篡改检测的效果。2)利用BayarConv进行噪声提取，该噪声器提取方法优于SRM滤波器，Bayarconv是为了增强给定图像中操纵区域和真实区域之间的噪声不一致性而开发的。3)利用残差块、批归一化和激活函数来捕获空间特征，该构造是一个常规的编码器，主要目的是与语义特征进行交叉融合。4)使用交叉注意力机制融合空间特征与语义特征，融合后的特征再输入到上采样层和卷积层进行检测，并利用混合损失函数训练此模型。本文提出的交叉注意力机制在大量的在多个公开的数据集上的实验数据表明此发明不仅可以精确的预测篡改位置还可以更准确的识别篡改的类型。

公开(公告)号：CN117523221A

公开(公告)日：2024-02-06

申请号：CN202311348228.5

申请日：2023-10-17

Applicant: 安徽理工大学

Inventor： 夏晨星 ,  王慧玲 ,  高修菊 ,  葛斌 ,  吴涛林 ,  陈欣雨

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/86

Abstract: 本发明涉及一种边缘引导增强的伪装目标检测，由于目前的伪装物体变的十分的复杂，背景与前景高度相似，伴随着弱边界，低对比度，边界损坏或者身体轮廓伪装，现有方法不能完全识别物体的结构和细节，因此现有算法检测伪装目标的能力有待提高。因此提出了边缘引导增强的伪装目标检测。包括主干网络用来提取特征，边缘增强块(EEB)，边缘指导模块(EGM)以及跨级别融合模块(CLFM)。将主干网络提取的特征分别输入到边缘增强模块和边缘指导模块，边缘增强模块获得的边缘预测图输入到边缘指导模块，由边缘指导模块输出的特征输入到跨级别融合模块进行多尺度的特征融合。实验结果表明具有更高的边缘检测性能。