一种基于多域特征融合的图像篡改检测方法.pdf
宏硕****mo
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于多域特征融合的图像篡改检测方法.pdf
本发明涉及一种基于多域特征融合的数字图像篡改检测方法。本方法使用目标检测流程进行图像篡改检测,首先通过卷积神经网络提取图像空间域和噪声域的篡改遗留特征,将这些特征输入到区域建议网络得到候选检测框。之后,将空间域特征及得到的检测框作为输入信息进行注意力区域识别,识别出图像中具备篡改判别力的篡改可疑区域,在这一过程中,提取图像的重采样特征,引入图像的频域信息。然后将全图空间域特征和可疑区域特征级联,并与噪声域特征通过双线性池化进行融合,应用融合后的特征进行分类和检测框的回归计算,得到篡改类型以及篡改区域的位置
基于CNN多尺度特征提取和分层融合的图像篡改检测方法.pdf
本发明公开了一种基于CNN多尺度特征提取和分层融合的图像篡改检测方法,包括以下步骤:将待测的图像输入到噪声预处理模块进行噪声特征的分析,经过SRM和约束卷积层的处理后输出得到特征映射,将得到的特征映射与原始输入图像结合后输入到基本块来获得一个统一的特征表示,将统一特征表示输入到多尺度特征提取模块进行特征提取,多尺度特征提取模块的解码器对特征进行像素细化得到掩码4,对多尺度特征提取模块的解码器中注意力模块得到的特征映射进行上采样分层特征输出,得到掩码1,掩码2,掩码3,将分层特征融合得到的掩码1,掩码2,掩
一种基于多特征融合全卷积网络的多聚焦图像融合方法.pdf
本发明涉及图像处理技术领域,具体涉及一种基于多特征融合全卷积网络的多聚焦图像融合方法。本发明弥补了传统图像融合方法中均是手动设计特征提取方法和融合规则的不足,使多聚焦图像融合后细节信息得到充分保留;利用不同模糊函数预处理的图像数据训练网络,提高了网络的泛化性能和融合精度;构建的多特征融合全卷积网络,利用跨层连接实现了特征复用,既保留了图像的原始特征,同时增添了网络学习的特征,使得图像表征更加全面;且减少了网络参数量,提高了算法效率。
一种人脸图像防篡改融合检测方法.pdf
本发明涉及一种人脸图像防篡改融合检测方法,包括获取人脸图像,将该人脸图像输入预先构建并训练好的人脸图像防篡改融合检测模型中,获取人脸图像是否被篡改的结果;所述人脸图像防篡改融合检测模型对接收到的人脸图像,首先通过感知哈希算法计算每个人脸图像与黑产攻击模板库中图像的哈希值相似度,判断是否存在黑产团伙攻击,然后通过残差网络鉴别人脸图像是否篡改。与现有技术相比,本发明提升了人脸活检算法的安全性,进一步加强人脸活检过程中的防攻击能力,降低客户通过人脸识别进行金融交易的安全隐患。
一种基于图像融合的多模态图像目标检测方法.pdf
本发明涉及一种基于图像融合的多模态图像目标检测方法,包括:1)将预先采集好的红外图像及其可见光图像,制作多模态图像数据集;2)将预处理好的成对图像作为融合模型中生成模型G的输入;生成模型G基于U‑Net等全卷积网络,以残差网络为基础的卷积神经网络作为生成网络模型结构,包括收缩过程和扩张过程,收缩路径包括多个卷积加ReLU激活层再加最大池化(MaxPooling)结构,下采样的每一步特征通道数都增加一倍,输出生成的融合图像;融合图像输入融合模型中的判别网络模型;根据训练过程中损失函数的变化,按迭代次数调节