-
公开(公告)号：CN113099066A
公开(公告)日：2021-07-09
申请号：CN201911333509.7
申请日：2019-12-23
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于多尺度融合空洞卷积残差网络的大容量图像隐写方法，利用改进的ResNet作为骨干网，去掉了ResNet中的所有池化层，在残差模块的残差连接中引入空洞卷积，并采用了多尺度融合的结构。同时为了提高隐写的安全性，隐写网络采用了隐写分析网络进行对抗训练。训练隐写网络和显现网络时均采用了基于卡方距离的损失函数设计，从而能够以良好的透明性在图像中隐写图像，并以较高的保真度从含密图像中提取出秘密图像，同时又有较高的安全性，不易被隐写分析工具检测到。
-
公开(公告)号：CN114255151B
公开(公告)日：2024-05-14
申请号：CN202011022189.6
申请日：2020-09-25
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于关键点检测和深度学习的高分辨率图像盲水印方法。首先在尺度归一化后的载体图像中确定若干个固定大小的嵌入区域，再将它们映射到原图像。水印被隐藏于每一个嵌入区域的内切圆的内接正方形内，从而使图像在经历几何变换后水印仍位于确定的嵌入区域内。水印用一种改进的ResNet进行嵌入和提取，网络去掉了ResNet中的所有池化层，在残差模块的残差连接中引入空洞卷积，并采用了多尺度融合的结构。训练时采用了多尺度交叉训练和课程学习的策略，在训练过程中对含水印图像施加攻击，攻击由少到多，由弱到强变化。该方法对常见的信号处理操作和几何变换攻击均有较理想的鲁棒性。
-
公开(公告)号：CN113099066B
公开(公告)日：2022-09-30
申请号：CN201911333509.7
申请日：2019-12-23
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于多尺度融合空洞卷积残差网络的大容量图像隐写方法，利用改进的ResNet作为骨干网，去掉了ResNet中的所有池化层，在残差模块的残差连接中引入空洞卷积，并采用了多尺度融合的结构。同时为了提高隐写的安全性，隐写网络采用了隐写分析网络进行对抗训练。训练隐写网络和显现网络时均采用了基于卡方距离的损失函数设计，从而能够以良好的透明性在图像中隐写图像，并以较高的保真度从含密图像中提取出秘密图像，同时又有较高的安全性，不易被隐写分析工具检测到。
-
公开(公告)号：CN114255151A
公开(公告)日：2022-03-29
申请号：CN202011022189.6
申请日：2020-09-25
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于关键点检测和深度学习的高分辨率图像盲水印方法。首先在尺度归一化后的载体图像中确定若干个固定大小的嵌入区域，再将它们映射到原图像。水印被隐藏于每一个嵌入区域的内切圆的内接正方形内，从而使图像在经历几何变换后水印仍位于确定的嵌入区域内。水印用一种改进的ResNet进行嵌入和提取，网络去掉了ResNet中的所有池化层，在残差模块的残差连接中引入空洞卷积，并采用了多尺度融合的结构。训练时采用了多尺度交叉训练和课程学习的策略，在训练过程中对含水印图像施加攻击，攻击由少到多，由弱到强变化。该方法对常见的信号处理操作和几何变换攻击均有较理想的鲁棒性。
-
-
-
Search Results
4
records
(took 0.018 seconds)
