-
公开(公告)号：CN119580074A
公开(公告)日：2025-03-07
申请号：CN202411559472.0
申请日：2024-11-04
Applicant: 安徽大学
IPC: G06V20/00 , G06V10/74 , G06V10/44 , G06N3/0455 , G06N3/0895 , G06N3/096
Abstract: 本发明公开了一种基于少样本学习的通用AI生成图像检测方法及系统，该方法包括训练阶段和测试阶段，本发明针对当前检测方法依赖大量训练样本的问题，为本方法训练阶段设计了基于低秩适应的伪造感知模块，能够使用少量训练样本就使得特征提取模型适用于AI生成图像检测的同时，避免过拟合。另外，本发明还设计了一种基于语义特征引导的对比学习策略，使得基于低秩适应的伪造感知模块学习到真实图像与AI生成图像之间共性的同时，也学习到真实图像和AI生成图像之间的区别，从而使得本发明具有更好的泛化能力。
-
公开(公告)号：CN115114651B
公开(公告)日：2025-05-16
申请号：CN202210246639.2
申请日：2022-03-14
Applicant: 安徽大学
IPC: G06F21/62 , G06V40/16 , G06V10/82 , G06V10/774
Abstract: 本发明涉及基于可逆神经网络技术的人脸隐私面具可逆保护方法，与现有技术相比解决了针对人脸隐私保护的不可感知性和可逆性的缺陷。本发明包括以下步骤：原始人脸图像的获取；可逆面具网络的构建；可逆面具网络的训练；待保护人脸图像的获取；人脸隐私面具的生成；人脸隐私面具的卸除。本发明利用Mask‑Net自然生成一张面具人脸，将面具脸放在受保护的人脸上，并生成戴上面具人脸，在被授权方将面具脸从戴上面具人脸上取下，得到恢复的人脸，在保证了针对人脸隐私保护的不可感知性和可逆性的同时，实现了较为优越的人脸隐私保护。
-
公开(公告)号：CN117893435A
公开(公告)日：2024-04-16
申请号：CN202410056608.X
申请日：2024-01-16
Applicant: 安徽大学
Abstract: 本发明涉及一种基于CUDA加速的超大三维生物图像条纹噪声去除方法，包括：根据三维图像的二维序列切片，构建频域高斯带状陷波滤波器；将三维图像的二维序列切片进行分块，得到多个图像块；利用CUDA实现快速傅里叶变换，得到图像块的频域图；进行滤波；利用CUDA实现快速傅里叶逆变换，得到图像块的空间域图；将每个图像块的空间域图拼接成原始图像尺寸；对原始图像尺寸的空间域图图像的背景进行处理。本发明利用对原始图像分块的原理，加速图像空间域和频域互相转换的计算过程，对超大三维图像进行条纹噪声去除的同时，又有效地提升了运行效率；可以对TB级别的超大三维图像数据进行条纹噪声去除，并获得了大约9倍的加速比，极大的缩短了处理时间。
-
公开(公告)号：CN108022197B
公开(公告)日：2021-03-12
申请号：CN201711163520.4
申请日：2017-11-21
Applicant: 安徽大学
IPC: G06T1/00
Abstract: 本发明涉及一种基于多纹理度划分的医学图像可逆信息隐藏方法，解决了暂无针对医学图像特性进行可逆信息隐藏的缺陷。本发明包括以下步骤：原始图像的获取，获取待处理的原始医学图像；嵌入过程，对原始医学图像进行直方图拉伸，区分出高纹理度等级像素和低纹理度等级像素，分别进行高纹理度等级信息、低纹理度等级信息、辅助信息的嵌入处理；载密图像的获得，通过嵌入过程获得处理后的载密图像。本发明实现不依赖嵌入率、具有高嵌入容量特性的对比度增强可逆信息隐藏方法。
-
公开(公告)号：CN108022197A
公开(公告)日：2018-05-11
申请号：CN201711163520.4
申请日：2017-11-21
Applicant: 安徽大学
IPC: G06T1/00
Abstract: 本发明涉及一种基于多纹理度划分的医学图像可逆信息隐藏方法，解决了暂无针对医学图像特性进行可逆信息隐藏的缺陷。本发明包括以下步骤：原始图像的获取，获取待处理的原始医学图像；嵌入过程，对原始医学图像进行直方图拉伸，区分出高纹理度等级像素和低纹理度等级像素，分别进行高纹理度等级信息、低纹理度等级信息、辅助信息的嵌入处理；载密图像的获得，通过嵌入过程获得处理后的载密图像。本发明实现不依赖嵌入率、具有高嵌入容量特性的对比度增强可逆信息隐藏方法。
-
Patent Agency Ranking
公开(公告)号：CN112995429A
公开(公告)日：2021-06-18
申请号：CN201911342086.5
申请日：2019-12-24
Applicant: 安徽大学
IPC: H04N1/32
Abstract: 本发明涉及一种基于BRG嵌入顺序原则的彩色图像可逆信息隐藏方法、恢复方法，与现有技术相比解决了针对彩色图像特性进行可逆信息隐藏后无法保证其拥有较好视觉质量的缺陷。本发明包括以下步骤：原始彩色图像的获取；预测及嵌入过程；载密图像的获得。本发明对彩色图像进行嵌入时，根据人眼视觉对于彩色图像R、G、B三通道的不同视觉感受，建立了BRG嵌入顺序原则，并实现了对彩色图像进行可逆信息隐藏后，其载密图像依旧保证其良好的主观视觉质量，减少了攻击者对载密图像的注意与怀疑，降低了载密图像被攻击的可能性，从而进一步提高图像的安全性。
-
公开(公告)号：CN109840895B
公开(公告)日：2021-03-12
申请号：CN201910130968.9
申请日：2019-02-19
Applicant: 安徽大学
Abstract: 本发明涉及一种带有可逆信息隐藏功能的可逆肤色平滑方法及其原始图像恢复方法，与现有技术相比解决了隐藏信息易发现、肤色平滑处理不可逆的缺陷。本发明包括以下步骤：原始图像的获取；秘密信息的隐藏；肤色区域的提取；可逆肤色平滑处理。本发明实现了肤色平滑的行为隐藏效果，即在以一幅具有高视觉质量特性的人脸美化图来隐藏原始内容且隐藏信息和肤色平滑均可逆，减少了攻击者对载密图像的注意与怀疑，降低了载密图像被攻击的可能性，从而进一步提高图像的安全性。
-
公开(公告)号：CN118898611B
公开(公告)日：2024-12-24
申请号：CN202411396530.2
申请日：2024-10-09
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种不可见水印图像的无参考质量评价方法及系统，涉及图像处理技术领域，将不可见水印图像输入到以训练完成后的无参考图像质量评价网络，以输出不可见水印图像的质量评价结果；无参考图像质量评价网络的训练过程如下：基于水印失真的风格匹配，得到风格子集；对风格子集中的损伤图像进行伪标签的拟合，从而得到图像质量标签；为重新构建的不可见水印图像集#imgabs0#分配图像质量标签，建立具有图像质量标签的不可见水印图像数据集#imgabs1#；通过不可见水印图像数据集#imgabs2#对无参考图像质量评价网络进行训练；该无参考质量评价方法及系统，能够有效捕捉不可见水印图像的细微特征信息，达到准确预测的效果。
-
公开(公告)号：CN115937108A
公开(公告)日：2023-04-07
申请号：CN202211471737.2
申请日：2022-11-23
Applicant: 安徽大学
Abstract: 本发明涉及基于整体和高影响区域分析的无参考屏幕内容图像质量评价方法，与现有技术相比解决了分数融合方法和所提取的统计特征无法全面反映图像质量的缺陷。本发明包括下列步骤：屏幕内容图像的划分；高影响区域的划分；结构特征的提取；颜色特征的提取；整体图像分数和高影响区域分数的获得；最终的视觉质量分数的获得。本发明采用以整体图像分数为主导，利用高影响区域的分数对整体分数进行局部调整的分数融合策略，不仅充分考虑到两个区域的差异性，更加保证了图像的整体性，相较于现有的文本和图像两区域分数融合策略，更能够准确反映图像的感知质量。
-
公开(公告)号：CN109840895A
公开(公告)日：2019-06-04
申请号：CN201910130968.9
申请日：2019-02-19
Applicant: 安徽大学
Abstract: 本发明涉及一种带有可逆信息隐藏功能的可逆肤色平滑方法及其原始图像恢复方法，与现有技术相比解决了隐藏信息易发现、肤色平滑处理不可逆的缺陷。本发明包括以下步骤：原始图像的获取；秘密信息的隐藏；肤色区域的提取；可逆肤色平滑处理。本发明实现了肤色平滑的行为隐藏效果，即在以一幅具有高视觉质量特性的人脸美化图来隐藏原始内容且隐藏信息和肤色平滑均可逆，减少了攻击者对载密图像的注意与怀疑，降低了载密图像被攻击的可能性，从而进一步提高图像的安全性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
