公开(公告)号：CN117853862A

公开(公告)日：2024-04-09

申请号：CN202311583587.9

申请日：2023-11-24

Applicant: 河南大学

Inventor： 牛亚坤 ,  谈磊 ,  张磊 ,  左宪禹 ,  张延锋 ,  殷红建 ,  陈英健 ,  李郭宇 ,  范廷顺

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06V10/80 ,  G06V10/764 ,  G06V10/40

Abstract: 本发明涉及图像取证技术领域，具体涉及基于RGB通道信息融合的深度学习图像操作链取证方法。将预处理后的原始图像数据集划分为训练数据集和测试数据集；建立ResNet变体深度学习取证模型，确定ResNet变体深度学习模型取证算法以及评估指标；使用训练后的ResNet变体深度学习取证模型，验证模型的取证精确度；使用不同相机源数据、不同分辨率数据的场景，验证ResNet变体深度学习取证模型的泛化性能；根据得到的性能分析结果，调整训练后的ResNet变体神经网络模型参数，优化训练后的ResNet变体神经网络模型。本发明提升了图像操作链取证结果的准确率，解决了没有先验信息条件下的鲁棒性问题。

公开(公告)号：CN117830784A

公开(公告)日：2024-04-05

申请号：CN202410029975.0

申请日：2024-01-08

Applicant: 河南大学

Inventor： 张磊 ,  谈磊 ,  牛亚坤 ,  左宪禹 ,  张延锋

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/764

Abstract: 本发明涉及数字图像取证技术领域，具体涉及基于双域融合的深度学习中值滤波取证方法。方法包括：建立双流卷积神经网络取证模型，并确定双流卷积神经网络取证模型的取证算法以及评估指标；基于训练数据集对双流卷积神经网络取证模型进行训练，得到训练后的双流卷积神经网络取证模型的模型参数；基于测试数据集对双流卷积神经网络取证模型的性能进行分析，对训练后的双流卷积神经网络取证模型进行优化，获得目标双流卷积神经网络取证模型；将待处理图像输入到目标双流卷积神经网络取证模型中获得中值滤波取证结果。本发明图像中值滤波取证结果的准确率和可信度。