-
公开(公告)号：CN119293763B
公开(公告)日：2025-02-28
申请号：CN202411826707.8
申请日：2024-12-12
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于语义触发背景的图像处理网络版权保护方法及系统，涉及计算机科学与技术领域，包括：获取前景来源图，将前景来源图输入至预先训练的图像分割网络内，得到前后景区分的蒙版图，进行图像处理操作，得到前景图；获取背景来源图，将背景来源图和取反操作之后的蒙版图进行图像处理操作，得到背景图；将前景图和背景图进行图像处理操作得到触发样本；将触发样本内图像输入至背景驱动水印生成模块内进行训练，得到训练后的背景驱动水印生成模块；将训练后的背景驱动水印生成模块插入至目标图像处理网络模型内，输入触发样本时输出最终水印图像，将最终水印图像与目标水印图像匹配，保证图像处理网络的原始效率以及输出图像原始质量。
-
公开(公告)号：CN119293763A
公开(公告)日：2025-01-10
申请号：CN202411826707.8
申请日：2024-12-12
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于语义触发背景的图像处理网络版权保护方法及系统，涉及计算机科学与技术领域，包括：获取前景来源图，将前景来源图输入至预先训练的图像分割网络内，得到前后景区分的蒙版图，进行图像处理操作，得到前景图；获取背景来源图，将背景来源图和取反操作之后的蒙版图进行图像处理操作，得到背景图；将前景图和背景图进行图像处理操作得到触发样本；将触发样本内图像输入至背景驱动水印生成模块内进行训练，得到训练后的背景驱动水印生成模块；将训练后的背景驱动水印生成模块插入至目标图像处理网络模型内，输入触发样本时输出最终水印图像，将最终水印图像与目标水印图像匹配，保证图像处理网络的原始效率以及输出图像原始质量。
-
公开(公告)号：CN109492416B
公开(公告)日：2022-02-11
申请号：CN201811322310.X
申请日：2019-01-07
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于安全区域的大数据图像保护方法，包括：S1：采用目标检测方法选择目标安全区域，同时提取彩色图像特征；S2：采用大数据技术，利用大数据图片集训练网络模型以及测试网络模型，应用深度学习模型在目标检测中的应用算法，提取出物体区域作为信息保护的安全区域；S3：将提取的安全区域作为含密图像的隐写区域，应用隐写算法进行秘密信息隐藏。本发明能够应用深度学习模型在目标检测中的应用算法，即Mask R‑CNN实例分割方法，选择出图像中纹理噪声较为复杂的区域，即前景部分，将秘密信息准确地隐藏于前景物体中，从而实现更加隐秘的图像秘密信息隐藏保护的目的。
-
公开(公告)号：CN110084734A
公开(公告)日：2019-08-02
申请号：CN201910340335.0
申请日：2019-04-25
Applicant: 南京信息工程大学
Abstract: 本发明是一种基于物体局部生成对抗网络的大数据权属保护方法，在训练集上，载体图像经过多层的卷积网络，得到多组特征图，依次传入到载体重构模块。生成网络还包括多层反卷积网络，在生成条件经过多层反卷积后得到的特征图依次传入载体重构模块。将生成的目标载体图像输入到隐写网络，进行隐写区域的扩增和隐写秘密信息，随后将生成的图像输入到多粒度判别器中，对其分别在图像微弱特征和图像质量上判别，更新判别网络的参数，经过多次修改，得到网络模型参数并保存。发送方和接收方利用上述网络模型参数生成含秘图像或复原隐写区域并提取秘密信息。本专利实现了基于生成对抗网络信息隐藏，解决了生成对抗网络的隐写中的隐写问题，提高了安全性。
-
公开(公告)号：CN109492416A
公开(公告)日：2019-03-19
申请号：CN201811322310.X
申请日：2019-01-07
Applicant: 南京信息工程大学
CPC classification number: G06F21/602 , G06K9/6267 , G06N3/0454 , G06N3/0481 , G06N3/08
Abstract: 本发明提供一种基于安全区域的大数据图像保护方法，包括：S1：采用目标检测方法选择目标安全区域，同时提取彩色图像特征；S2：采用大数据技术，利用大数据图片集训练网络模型以及测试网络模型，应用深度学习模型在目标检测中的应用算法，提取出物体区域作为信息保护的安全区域；S3：将提取的安全区域作为含密图像的隐写区域，应用隐写算法进行秘密信息隐藏。本发明能够应用深度学习模型在目标检测中的应用算法，即Mask R-CNN实例分割方法，选择出图像中纹理噪声较为复杂的区域，即前景部分，将秘密信息准确地隐藏于前景物体中，从而实现更加隐秘的图像秘密信息隐藏保护的目的。
-
Patent Agency Ranking
公开(公告)号：CN116206375B
公开(公告)日：2023-07-25
申请号：CN202310474306.X
申请日：2023-04-28
Applicant: 南京信息工程大学
IPC: G06V40/40 , G06V40/16 , G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/088
Abstract: 本发明公开了一种基于双层孪生网络和可持续学习的人脸伪造检测方法，包括步骤：构建用于持续学习策略的图像训练集；通过持续学习策略训练已构建的双层孪生网络，双层孪生网络包括：用于快速学习的有监督子网络，适用于慢速学习的无监督子网络和记忆模块；无监督子网络通过无监督学习提取特征并指导有监督子网络，有监督子网络在无监督子网络的指导下，进行有监督学习提取特征；记忆模块用于巩固学习到的知识；将待检测图像输入到训练好的检测模型，模型对图像进行分割检测，检测出图像中人脸伪造的具体位置。本发明能提高人脸伪造检测模型的准确性，同时实现对具体伪造位置的预测；利用持续学习策略，提升人脸伪造检测模型的泛化性能。
-
公开(公告)号：CN116542839B
公开(公告)日：2023-09-26
申请号：CN202310815859.7
申请日：2023-07-05
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06F21/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的渐进生成式隐写方法，涉及信息安全技术领域，其过程分为三部分：秘密信息映射、秘密图像生成以及秘密信息提取。映射阶段将秘密信息M划分为n段并用映射规则将每一段秘密信息Mi映射为多尺度的噪声图Zi。生成阶段由输入噪声图Z0生成高分辨率的含秘图片。提取阶段接受者用收到的含秘图片下采样至对应生成阶段的多尺度图片并输入提取器Ei以获得噪声图，利用秘密信息到噪声图的逆映射将噪声图恢复为比特流。此外，该方法在生成器和提取器结构中加入密集通道注意力连接。本发明能够实现秘密通信功能。
-
公开(公告)号：CN116542839A
公开(公告)日：2023-08-04
申请号：CN202310815859.7
申请日：2023-07-05
Applicant: 南京信息工程大学
IPC: G06T1/00 , G06F21/60 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的渐进生成式隐写方法，涉及信息安全技术领域，其过程分为三部分：秘密信息映射、秘密图像生成以及秘密信息提取。映射阶段将秘密信息M划分为n段并用映射规则将每一段秘密信息Mi映射为多尺度的噪声图Zi。生成阶段由输入噪声图Z0生成高分辨率的含秘图片。提取阶段接受者用收到的含秘图片下采样至对应生成阶段的多尺度图片并输入提取器Ei以获得噪声图，利用秘密信息到噪声图的逆映射将噪声图恢复为比特流。此外，该方法在生成器和提取器结构中加入密集通道注意力连接。本发明能够实现秘密通信功能。
-
公开(公告)号：CN112329518A
公开(公告)日：2021-02-05
申请号：CN202010989868.4
申请日：2020-09-18
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于边缘纹理强化和对称差分统计的指纹活性检测的方法，属于信息安全领域，该方法主要设计两种特征描述符提取特征：边缘强化纹理特征描述符和对称差分方法特征描述符，通过统计上述两类特征的二维直方图，将其转换为一维向量，作为区分真假指纹图像的特征描述符，输入到支持向量机分类器中进行训练和测试。利用本专利设计的两种特征描述符，使得对指纹图像的特征提取更为准确，从而提高真假指纹图像的分类准确率。
-
公开(公告)号：CN112329518B
公开(公告)日：2023-10-13
申请号：CN202010989868.4
申请日：2020-09-18
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于边缘纹理强化和对称差分统计的指纹活性检测的方法，属于信息安全领域，该方法主要设计两种特征描述符提取特征：边缘强化纹理特征描述符和对称差分方法特征描述符，通过统计上述两类特征的二维直方图，将其转换为一维向量，作为区分真假指纹图像的特征描述符，输入到支持向量机分类器中进行训练和测试。利用本专利设计的两种特征描述符，使得对指纹图像的特征提取更为准确，从而提高真假指纹图像的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.028 seconds)
