-
公开(公告)号：CN112184533B
公开(公告)日：2023-05-23
申请号：CN202011067968.8
申请日：2020-10-08
Applicant: 东南数字经济发展研究院
Abstract: 本发明涉及一种基于SIFT特征点匹配的水印同步方法，包括以下步骤：1)使用抵抗打印/拍摄的鲁棒数字图像水印算法对原图像进行水印信息的嵌入，得到水印图像A，然后将水印图像A打印或显示在屏幕上，接着用带有相机功能的智能设备拍摄水印图像得到拍摄后的水印图像B，2)提取水印图像A和水印图像B中的SIFT特征点，3)使用Knn最近邻算法进行水印图像A和水印图像B的特征点匹配，得到若干对最佳匹配点，4)根据水印图像A与水印图像B若干对最佳匹配点的坐标计算变换矩阵，然后利用变换矩阵实现图像的校正工作，即实现水印同步。本发明涉及的一种基于SIFT特征点匹配的水印同步方法，水印同步准确率高，同步速度快，显著提升了抗打印/拍摄水印方法在水印提取阶段的水印信息提取的准确率，提供了一种新的水印同步方法和思路。
-
公开(公告)号：CN112907598A
公开(公告)日：2021-06-04
申请号：CN202110183666.5
申请日：2021-02-08
Applicant: 东南数字经济发展研究院
Abstract: 本发明提供了一种基于注意力CNN文档证件类图像篡改检测方法，包括以下方法：在网络结构中将多语义注意力机制的卷积神经网络加入到模型的框架中，增加对篡改边缘的关注，用于生成注意图，同时利用最大熵马尔科夫模型对注意图中相邻区域之间的相关性进行建模；膨胀卷积可以捕获多尺度的上下文信息；引入注意力机制卷积神经网络的整体框架有两个分支，两个分支网络在整个卷积层和全连接层中具有相同的权值参数和结构，训练阶段，用多个损失函数的集合进行训练；得到的初步检测结果是一张二值图，对二值图进行腐蚀膨胀处理得到最终结果。本发明的优点在于：不仅可以应对各种篡改手段，而且检测方便且准确率高。
-
公开(公告)号：CN112907598B
公开(公告)日：2023-03-10
申请号：CN202110183666.5
申请日：2021-02-08
Applicant: 东南数字经济发展研究院
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/00 , G06T5/30
Abstract: 本发明提供了一种基于注意力CNN文档证件类图像篡改检测方法，包括以下方法：在网络结构中将多语义注意力机制的卷积神经网络加入到模型的框架中，增加对篡改边缘的关注，用于生成注意图，同时利用最大熵马尔科夫模型对注意图中相邻区域之间的相关性进行建模；膨胀卷积可以捕获多尺度的上下文信息；引入注意力机制卷积神经网络的整体框架有两个分支，两个分支网络在整个卷积层和全连接层中具有相同的权值参数和结构，训练阶段，用多个损失函数的集合进行训练；得到的初步检测结果是一张二值图，对二值图进行腐蚀膨胀处理得到最终结果。本发明的优点在于：不仅可以应对各种篡改手段，而且检测方便且准确率高。
-
Patent Agency Ranking
公开(公告)号：CN112308754A
公开(公告)日：2021-02-02
申请号：CN202011192222.X
申请日：2020-10-30
Applicant: 东南数字经济发展研究院
Abstract: 本发明公开了面向大容量鲁棒水印应用的多解码端并行提取机制设计，将图片训练集放入网络模型中训练，按照不同的方案，生成不同类型的模型文件，根据用户的安全等级和需要将不同的模型发送给用户；在嵌入端使用模型将指定的信息嵌入到图片中；将打印和拍摄后含有水印的图像通过不同的模型提取出不同的水印信息。本发明提出的多解码端并行提取网络能够提升水印信息的嵌入提取能力，既能保证大容量数据嵌入，还能保持解码准确率，本方法能够嵌入200bits信息，并且准确率保持在93％左右，提出的多解码端并行提取网络，支持多种信息安全分级管理模式，如此可提高信息的分级管理水平，扩大应用范围。
-
公开(公告)号：CN112308754B
公开(公告)日：2023-08-18
申请号：CN202011192222.X
申请日：2020-10-30
Applicant: 东南数字经济发展研究院
IPC: G06T1/00 , G06N3/0455
Abstract: 本发明公开了面向大容量鲁棒水印应用的多解码端并行提取方法，将图片训练集放入网络模型中训练，按照不同的方案，生成不同类型的模型文件，根据用户的安全等级和需要将不同的模型发送给用户；在嵌入端使用模型将指定的信息嵌入到图片中；将打印和拍摄后含有水印的图像通过不同的模型提取出不同的水印信息。本发明提出的多解码端并行提取网络能够提升水印信息的嵌入提取能力，既能保证大容量数据嵌入，还能保持解码准确率，本方法能够嵌入200bits信息，并且准确率保持在93％左右，提出的多解码端并行提取网络，支持多种信息安全分级管理模式，如此可提高信息的分级管理水平，扩大应用范围。
-
公开(公告)号：CN112200710B
公开(公告)日：2023-05-23
申请号：CN202011067971.X
申请日：2020-10-08
Applicant: 东南数字经济发展研究院
Abstract: 本发明涉及一种基于深度学习的自适应隐形水印同步检测方法，基于Adam优化器，框架中共包括2个U型子网络和一个CNN子网络，分别是标记网络、检测网络和辨别器，在嵌入标记时，标记网络通过将提取水印图像四个角固定大小的方形区域作为标记网络的输入，输出带有位置信息的四张残差图像并依次将其放回原图中获得标记图像，在检测标记时，将拍摄的标记图像送入检测网络中，输出显示残差图像位置的掩码图，从而确定水印图像的四个角点，再使用透视变换实现水印图像与拍摄的标记图像的同步，辨别器进行区分原水印图像和水印标记图像。本发明涉及的一种基于深度学习的自适应隐形水印同步检测方法，在保证视觉效果的前提下极大的提高了水印的解码准确率。
-
公开(公告)号：CN112200710A
公开(公告)日：2021-01-08
申请号：CN202011067971.X
申请日：2020-10-08
Applicant: 东南数字经济发展研究院
Abstract: 本发明涉及一种基于深度学习的自适应隐形水印同步检测方法，基于Adam优化器，框架中共包括2个U型子网络和一个CNN子网络，分别是标记网络、检测网络和辨别器，在嵌入标记时，标记网络通过将提取水印图像四个角固定大小的方形区域作为标记网络的输入，输出带有位置信息的四张残差图像并依次将其放回原图中获得标记图像，在检测标记时，将拍摄的标记图像送入检测网络中，输出显示残差图像位置的掩码图，从而确定水印图像的四个角点，再使用透视变换实现水印图像与拍摄的标记图像的同步，辨别器进行区分原水印图像和水印标记图像。本发明涉及的一种基于深度学习的自适应隐形水印同步检测方法，在保证视觉效果的前提下极大的提高了水印的解码准确率。
-
公开(公告)号：CN112184533A
公开(公告)日：2021-01-05
申请号：CN202011067968.8
申请日：2020-10-08
Applicant: 东南数字经济发展研究院
Abstract: 本发明涉及一种基于SIFT特征点匹配的水印同步方法，包括以下步骤：1)使用抵抗打印/拍摄的鲁棒数字图像水印算法对原图像进行水印信息的嵌入，得到水印图像A，然后将水印图像A打印或显示在屏幕上，接着用带有相机功能的智能设备拍摄水印图像得到拍摄后的水印图像B，2)提取水印图像A和水印图像B中的SIFT特征点，3)使用Knn最近邻算法进行水印图像A和水印图像B的特征点匹配，得到若干对最佳匹配点，4)根据水印图像A与水印图像B若干对最佳匹配点的坐标计算变换矩阵，然后利用变换矩阵实现图像的校正工作，即实现水印同步。本发明涉及的一种基于SIFT特征点匹配的水印同步方法，水印同步准确率高，同步速度快，显著提升了抗打印/拍摄水印方法在水印提取阶段的水印信息提取的准确率，提供了一种新的水印同步方法和思路。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.023 seconds)
