龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了一种基于空间相关性的重新着色图像取证方法，包括如下步骤：步骤一：使用多种重新着色算法处理的图像和对应的自然图像来构造训练集和测试集；步骤二：提取空间相关性特征，对图像的每一个颜色通道计算在四个方向上的共生矩阵；步骤三：构造特征学习网络；步骤四：使用构造的训练集及对应的标签集来训练设计好的模型；步骤五：使用保存的最佳模型权重对测试集的图像进行预测，区分自然图像与重新着色后图像。本发明对预设网络模型进行训练，得到训练完成的重新着色图像检测模型，利用重新着色图像检测模型实现精确检测一张图片是否经过重新着色篡改，在涉及图像安全的多种实际应用场合中发挥重要作用。
主权项：1.一种基于空间相关性的重新着色图像取证方法，其特征在于，包括如下步骤：步骤一：使用多种重新着色算法处理的图像和对应的自然图像来构造训练集和测试集；步骤二：提取空间相关性特征，对图像的每一个颜色通道计算在四个方向上的共生矩阵，四个方向为水平、竖直、对角与反对角；对图像的每个颜色通道计算四个方向上的共生矩阵来分析相邻像素之间的空间相关性，以区分自然图像和重新着色图像，对任意图片V使用如下公式计算共生矩阵： 其中，I{·}是指示函数，n是归一化因子，θ1,θ2,…,θd是共生矩阵的索引，Δx,Δy是相邻两个像素的偏移量，将参数d设置为2，以获得一个二维共生矩阵，该矩阵表示相邻区域像素对值的二维直方图；步骤三：构造特征学习网络；该网络基于ResNet18网络，包含：卷积层、最大池化层、四个残差模块、平均池化层和全连接层；每个卷积层后接一个批量归一化层和Relu激活函数；每个残差模块包括：两个卷积层，并在第二个卷积层的Relu操作之前有个跳跃连接；全连接层的输出类别为2，即分别输出该图像是自然图像和重新着色图像的概率；步骤四：使用构造的训练集及对应的标签集来训练设计好的模型；步骤五：使用保存的最佳模型权重对测试集的图像进行预测，区分自然图像与重新着色后图像。
全文数据：
权利要求：
百度查询： 南京航空航天大学 一种基于空间相关性的重新着色图像取证方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号