-
公开(公告)号：CN104537601B
公开(公告)日：2017-12-08
申请号：CN201410808128.0
申请日：2014-12-23
Applicant: 中山大学
Abstract: 本发明提供一种基于九宫格的灰度图像空域隐写方法，该方法构造九宫像素点块模板，根据九宫格像素点块模板得到待处理图像每一像素点对应数值序列，计算图像每一像素点数值序列的标准差并排序，根据秘钥选择N个由大到小排列的标准差值所对应的像素点在图像中的位置进行LSB匹配嵌入得到隐写图像。该方法本发明选取了图像中高频区域如边缘、纹理位置进行秘密信息的嵌入，具有很强的抗攻击能力。
-
公开(公告)号：CN104392461B
公开(公告)日：2017-07-11
申请号：CN201410780580.0
申请日：2014-12-17
Applicant: 中山大学
IPC: G06T7/292
Abstract: 本发明提供一种基于纹理特征的视频跟踪方法，首先对视频进行背景模型构建，将当前帧与得到的背景模型进行比较，从而得到目标的前景图，再通过处理得到目标的矩形框。根据计算得到的纹理特征，将目标进行分块，对每一分块进行纹理特征的直方图统计，并将直方图的所有bin值作为该分块区域的特征向量。最后在目标一定半径范围内搜索当前帧目标的候选位置，根据候选目标的特征向量与目标的特征向量进行总体的相似度匹配，得到目标的当前位置。这种实时视频下的目标跟踪算法具有判断速度快、跟踪准确度较高等优点，从而为后续处理提供了很好的基础，并减少了视频监控人力的使用。
-
公开(公告)号：CN102592276B
公开(公告)日：2014-07-09
申请号：CN201110431625.X
申请日：2011-12-20
Applicant: 中山大学
IPC: G06T7/00
Abstract: 本发明公开了一种图像区域描述方法和基于该描述方法的复制图像检测方法。所述图像区域描述方法包括如下步骤：构造扇形掩模，将扇形掩模的内角A旋转一周，得到m个方向上的扇形掩模S1，S2，……，Sm；提取统计特征向量重排统计特征向量：将统计特征向量中均值最大的扇形掩模Si定为圆形区域的方向标记排在首位，其他m-1个扇形掩模按照原来的排列顺序依次进行重新排列，获得重排后的统计特征向量获得区域描述特征向量描述图像分块。本发明操作简单、辨别度高，有效地应用于数字图像的复制-旋转-粘贴检测和复制-翻转-粘贴检测中，不仅可通过图像描述特征之间的匹配来揭示复制的区域，还可确定复制区域之间相对旋转过的角度。
-
公开(公告)号：CN102592276A
公开(公告)日：2012-07-18
申请号：CN201110431625.X
申请日：2011-12-20
Applicant: 中山大学
IPC: G06T7/00
Abstract: 本发明公开了一种图像区域描述方法和基于该描述方法的复制图像检测方法。所述图像区域描述方法包括如下步骤：构造扇形掩模，将扇形掩模的内角A旋转一周，得到m个方向上的扇形掩模S1，S2，……，Sm；提取统计特征向量重排统计特征向量：将统计特征向量中均值最大的扇形掩模Si定为圆形区域的方向标记排在首位，其他m-1个扇形掩模按照原来的排列顺序依次进行重新排列，获得重排后的统计特征向量获得区域描述特征向量描述图像分块。本发明操作简单、辨别度高，有效地应用于数字图像的复制-旋转-粘贴检测和复制-翻转-粘贴检测中，不仅可通过图像描述特征之间的匹配来揭示复制的区域，还可确定复制区域之间相对旋转过的角度。
-
公开(公告)号：CN113469062B
公开(公告)日：2023-07-25
申请号：CN202110755746.3
申请日：2021-07-05
Applicant: 中山大学
IPC: G06V40/16 , G06V20/40 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于关键帧人脸特征的人脸交换篡改视频检测方法、系统及介质，方法包括：将视频数据集划分为训练集和测试集，对每个视频流提取一定的关键帧；对关键帧进行人脸定位，提取保留脸部边缘背景的人脸区域图像；再次检测与定位，获取紧密人脸区域图像；输入到神经网络模型中获取人脸图像的特征表示；使用训练集视频的多个关键帧上的人脸图像特征表示对长短期记忆网络和线性判别器进行训练；将测试集视频的多个关键帧上的人脸图像特征表示作为一组输入，输入到长短期记忆网络中，将最后一个图像对应的输出经过线性判别器，得到检测结果。本发明提供了与设备中现存人脸识别模块接入的可能性，检测用时短，对硬件要求低，可实时高效检测。
-
Patent Agency Ranking
公开(公告)号：CN110599478B
公开(公告)日：2023-02-03
申请号：CN201910871558.X
申请日：2019-09-16
Applicant: 中山大学
Abstract: 本发明提供的图像区域复制粘贴篡改检测方法，包括：从待测图像提取特征点；根据特征点的局部图像块强度顺序计算其LIOP特征；利用Delaunay三角剖分Bowyer‑Watson算法对特征点进行处理，计算每个三角形的LIOP描述子；进行三角形匹配并计算匹配后的三角形邻域；保留在三角形邻域内的特征点，形成特征点集合；生成特征点匹配对，并对特征点匹配对进行聚类，得到多个类别；计算每个类别的仿射矩阵；根据特征点匹配对和对应的仿射矩阵，计算对应区域变换前后的相关系数图，定位篡改区域。本发明提供的篡改检测方法，对旋转、缩放、JPEG压缩、添加噪声等具有更好的鲁棒性；速度快，实用性更强；便于更精确仿射变换矩阵，对匹配对的聚类操作能够应对多重复制的篡改操作。
-
公开(公告)号：CN108537049B
公开(公告)日：2022-05-03
申请号：CN201810209750.8
申请日：2018-03-14
Applicant: 中山大学
Abstract: 本发明公开一种基于二值图像的自适应隐写算法，包括根据图像纹理特征计算载体图像的扰动度量，载体图像分块，图像块置乱，秘密信息加密，STC编码嵌入，携密图像块逆置乱，携密图像恢复，获得一副纹理完整的已嵌入秘密信息的携密图像。本发明使用了一种新型且安全性能高、有效抗穷举破解的载体置乱算法，结合抗检测性高的度量方法以及STC编码，所设计的二值图像信息隐藏方法有着非常高的安全性能以及抗检测性，对于安全隐秘通信有着非常大的作用。
-
公开(公告)号：CN108335290B
公开(公告)日：2021-11-12
申请号：CN201810064390.7
申请日：2018-01-23
Applicant: 中山大学
Abstract: 本发明主要针对数字图像的取证领域，更具体地，涉及一种基于LIOP特征与块匹配的图像区域复制篡改检测方法。本发明将基于特征点及基于分块两类方法相结合，融合两类方法的优势；首先选取LIOP特征作为图像特征提取算法，相比其他特征，能够更好地应对旋转、缩放、JPEG压缩、添加噪声等情况；特征匹配之后，使用新的匹配对表达模型对匹配对进行表达并筛选，去除冗余的匹配对，使得精确度提高，计算复杂度降低。根据匹配对进行图像切割并分块提取特征后，使用了块匹配算法对篡改进行匹配，最后进行精确定位；本算法检测精度高，同时对各种类型图像复制粘贴篡改如旋转、缩放、加噪声、压缩等，都有着很好的效果。
-
公开(公告)号：CN108460715B
公开(公告)日：2021-11-05
申请号：CN201810064364.4
申请日：2018-01-23
Applicant: 中山大学
Abstract: 本发明涉及多媒体信息安全以及图像信息隐写技术领域，更具体地，涉及一种基于局部纹理模式的二值图像隐写分析方法。包括以下步骤：S1.构建十三宫格像素点块模板；S2.利用块模板扫描图像得到二值图像局部纹理模式；S3.统计每个二值图像局部纹理模式出现的频率；S4.将局部纹理模式出现的频率级联形成特征向量，利用集成分类器进行学习分类。本发明利用集成分类器进行学习分类，所提取的二值图像分析特征具有较高的特征维度，并且能够很好地描述图像的纹理，集成分类器能够很好地利用所提取的高维特征进行学习分类，能够很好地检测出待检测图像是否包含隐秘信息，具有较强可靠性。
-
公开(公告)号：CN113344791A
公开(公告)日：2021-09-03
申请号：CN202110756157.7
申请日：2021-07-05
Applicant: 中山大学
Abstract: 本发明公开了一种基于空洞卷积和特征融合的双目超分辨率图像检测方法、系统及介质，包括下述步骤：将双目图像组输入经典双目图像超分辨率网络中，生成双目超分辨率图像作为负样本集，原双目图像组作为正样本集；将正负样本数据集切成图像块并随机划分训练集图像块和测试集图像块；对图像块进行预处理，转换为灰度图像，使用高通滤波器进行滤波得到滤波图像；构建双目超分辨率图像检测网络，将训练集滤波图像输入进行训练，得到训练好的网络；将测试集滤波图像输入训练好的网络中，输出概率最大的分类对应类别，得到图像检测结果。本发明直接对输入图像进行检测，适用于各种尺寸的图像检测，具有良好的检测性能，检测用时短，可实现实时检测。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.023 seconds)
