-
公开(公告)号：CN111353504B
公开(公告)日：2023-05-26
申请号：CN202010137617.3
申请日：2020-03-02
Applicant: 济南大学
IPC: G06V10/26 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本公开提供了一种基于图像块多样性选择和残差预测模块的源相机识别方法，将数据库图像划分为训练集、验证集和测试集；将原始图像分割成大小一定的图像块，从每张训练图像中分割得到的所有图像块中选取部分有代表性的小图像块作为训练数据；构建残差预测模块，并利用其降低图像内容对相机特征的影响；对卷积神经网络模型进行改进，去掉两个全连接层，使用一个全局平均池化层和一个全连接层，形成改进后的卷积神经网络模型；将处理后的残差图像输入至改进的卷积神经网络模型中，进行训练，进而进行源相机识别；能够对图像块进行有效的源相机识别。
-
-
Patent Agency Ranking
公开(公告)号：CN106023103B
公开(公告)日：2018-11-02
申请号：CN201610323986.5
申请日：2016-05-16
Applicant: 济南大学
IPC: G06T5/00
Abstract: 本发明提供了一种基于精确局部方差先验建模的自适应正交小波图像去噪方法，该方法采用最大似然估计对正交小波变换细节系数局部方差的先验分布进行精确建模，从而获得更好的去噪性能，提升去噪图像的峰值信噪比，改善去噪图像的视觉效果。本发明的有益效果是：本发明克服了现有方法局部方差估计效率不高的缺点，能够对图像正交小波分解细节系数的统计特性进行更好地表示，可以自适应地给出去噪结果，而且能够更加有效的去除自然图像中的加性高斯白噪声的同时，更好的保护原始图像中边缘、纹理等细节信息丰富的区域，改善了去噪图像的视觉效果和峰值信噪比。同时，本发明方法计算复杂度低，适合大数据时代的海量图像去噪应用。
-
公开(公告)号：CN111951254A
公开(公告)日：2020-11-17
申请号：CN202010832394.2
申请日：2020-08-18
Applicant: 济南大学
Abstract: 本公开提供了一种基于边缘引导加权平均的源相机识别方法及系统，属于源相机识别技术领域，所述方法包括以下步骤：获取相机拍摄得到的图像数据；将获取的图像数据裁剪为预设尺寸的图像块；获取图像块的残差图像，构建残差图像的边缘加权权重图；将获取的残差图像以及对应的边缘加权权重图进行融合后估计得到相机指纹；计算待识别图像数据的残差图像与相机指纹之间的加权相关值，根据加权相关值进行源相机识别；本公开通过给定边缘区域和非边缘区分不同的权重从而有效降低了图像边缘区域对相机指纹的影响，通过最大似然估计在统计层面进一步融合残差图像，极大的提高了源相机识别效果。
-
公开(公告)号：CN111951254B
公开(公告)日：2024-05-10
申请号：CN202010832394.2
申请日：2020-08-18
Applicant: 济南大学
IPC: G06V10/764 , G06V10/776 , G06V10/30 , G06V10/36 , G06T7/00 , G06T7/13 , G06T5/50
Abstract: 本公开提供了一种基于边缘引导加权平均的源相机识别方法及系统，属于源相机识别技术领域，所述方法包括以下步骤：获取相机拍摄得到的图像数据；将获取的图像数据裁剪为预设尺寸的图像块；获取图像块的残差图像，构建残差图像的边缘加权权重图；将获取的残差图像以及对应的边缘加权权重图进行融合后估计得到相机指纹；计算待识别图像数据的残差图像与相机指纹之间的加权相关值，根据加权相关值进行源相机识别；本公开通过给定边缘区域和非边缘区分不同的权重从而有效降低了图像边缘区域对相机指纹的影响，通过最大似然估计在统计层面进一步融合残差图像，极大的提高了源相机识别效果。
-
公开(公告)号：CN111353504A
公开(公告)日：2020-06-30
申请号：CN202010137617.3
申请日：2020-03-02
Applicant: 济南大学
Abstract: 本公开提供了一种基于图像块多样性选择和残差预测模块的源相机识别方法，将数据库图像划分为训练集、验证集和测试集；将原始图像分割成大小一定的图像块，从每张训练图像中分割得到的所有图像块中选取部分有代表性的小图像块作为训练数据；构建残差预测模块，并利用其降低图像内容对相机特征的影响；对卷积神经网络模型进行改进，去掉两个全连接层，使用一个全局平均池化层和一个全连接层，形成改进后的卷积神经网络模型；将处理后的残差图像输入至改进的卷积神经网络模型中，进行训练，进而进行源相机识别；能够对图像块进行有效的源相机识别。
-
公开(公告)号：CN106023103A
公开(公告)日：2016-10-12
申请号：CN201610323986.5
申请日：2016-05-16
Applicant: 济南大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T2207/20064 , G06T2207/20192
Abstract: 本发明提供了一种基于精确局部方差先验建模的自适应正交小波图像去噪方法，该方法采用最大似然估计对正交小波变换细节系数局部方差的先验分布进行精确建模，从而获得更好的去噪性能，提升去噪图像的峰值信噪比，改善去噪图像的视觉效果。本发明的有益效果是：本发明克服了现有方法局部方差估计效率不高的缺点，能够对图像正交小波分解细节系数的统计特性进行更好地表示，可以自适应地给出去噪结果，而且能够更加有效的去除自然图像中的加性高斯白噪声的同时，更好的保护原始图像中边缘、纹理等细节信息丰富的区域，改善了去噪图像的视觉效果和峰值信噪比。同时，本发明方法计算复杂度低，适合大数据时代的海量图像去噪应用。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
