期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于U形Transformer深度网络的PRNU噪声提取算法
1
作者
李鸿光
田妮莉
潘晴
《激光杂志》
CAS
北大核心
2024年第8期103-109,共7页
光响应非均匀性(Photo-Response Non-Uniformity,PRNU)噪声由于其唯一性和稳定性可作为相机的指纹并可用于数字图像的源相机识别。为了提高源相机识别的精度和效率,提出一种基于U形Transformer深度网络(Uformer)的PRNU噪声提取算法。该...
光响应非均匀性(Photo-Response Non-Uniformity,PRNU)噪声由于其唯一性和稳定性可作为相机的指纹并可用于数字图像的源相机识别。为了提高源相机识别的精度和效率,提出一种基于U形Transformer深度网络(Uformer)的PRNU噪声提取算法。该网络使用了一种基于局部增强窗口(LeWin)的Transformer块,能够在较低计算复杂度下有效提取局部上下文信息。其次,该网络使用了一种多尺度空间偏差形式的多尺度恢复调制器,能够自适应调整Uformer解码器的多层特征,进而更好地提取图像中潜在的PRNU相机指纹。在Dresden数据集上的实验结果表明,所提出的算法在128×128像素,256×256像素和512×512像素的AUC值分别为0.8368,0.9250和0.9720,Kappa值分别为0.9005,0.7447和0.4737,均优于现有方法。
展开更多
关键词
光响应非均匀性
源相机识别
TRANSFORMER
深度学习
图像处理
在线阅读
下载PDF
职称材料
基于多尺度邻域收缩和结构滤波的加权PRNU模型
2
作者
罗芷茵
田妮莉
+1 位作者
潘晴
苏开清
《激光杂志》
CAS
北大核心
2024年第9期79-84,共6页
光响应非均匀性(Photo-Response Non-Uniformity,PRNU)是一种反映成像传感器缺陷的固有特征,可有效识别拍摄该数字视频的相机来源。针对网络压缩视频识别效果不佳的问题,提出一种基于Stein’s无偏风险估计的多尺度邻域值收缩滤波和自适...
光响应非均匀性(Photo-Response Non-Uniformity,PRNU)是一种反映成像传感器缺陷的固有特征,可有效识别拍摄该数字视频的相机来源。针对网络压缩视频识别效果不佳的问题,提出一种基于Stein’s无偏风险估计的多尺度邻域值收缩滤波和自适应边缘结构保持的平滑滤波算法,并构建一个加权PRNU提取模型。该模型首先对跳过环路滤波的视频帧进行基于双树复小波的多尺度变换,使用基于Stein’s无偏风险估计的多尺度邻域值收缩滤波算法估计所有高频子带,得到噪声残差后,利用自适应边缘结构保持平滑滤波对复杂的噪声残差进行平滑处理,采用基于量化参数加权的最大似然估计方法聚合噪声残差得到PRNU的乘性因子,最后经过预处理得到PRNU。在Vision数据集上的实验结果显示,所提出的模型在视频时长为15 s时,移动和旋转参考指纹下的AUC值分别为0.9551和0.9549,Kappa系数分别为0.8403,0.8889和0.9132,均优于现有算法。
展开更多
关键词
光响应非均匀性
源相机识别
双树复小波
多尺度邻域收缩
边缘结构保持滤波
在线阅读
下载PDF
职称材料
基于样本错配训练的图像PRNU噪声提纯方法
被引量：
1
3
作者
郝昕泽
肖延辉
+1 位作者
田华伟
张明旺
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第5期783-791,共9页
基于传感器模式噪声的图像来源鉴别算法的关键在于如何获取高质量的光响应非均匀性(Photo-response non-uniformity,PRNU)噪声,目前大多数增强PRNU噪声质量的算法以及出于实际应用的目的对其压缩的算法几乎是在人工假设模型的基础上实...
基于传感器模式噪声的图像来源鉴别算法的关键在于如何获取高质量的光响应非均匀性(Photo-response non-uniformity,PRNU)噪声,目前大多数增强PRNU噪声质量的算法以及出于实际应用的目的对其压缩的算法几乎是在人工假设模型的基础上实现的。本文提出了一种基于样本错配训练的图像PRNU噪声提纯方法,该方法使用了深度堆叠自编码器网络,并设计了一种样本错配的技术对其进行训练。这种基于样本错配训练的端到端深度神经网络的使用有效避免了人工设计算法的局限性,对图像PRNU噪声进行了有效提纯,进而提升了其用于图像来源鉴别时的性能。在Dresden图像数据集上进行的比较实验结果表明,提纯后的PRNU噪声具有更好的性能。
展开更多
关键词
数字图像
传感器模式噪声
自动编码器
光响应非均匀性
在线阅读
下载PDF
职称材料
题名
基于U形Transformer深度网络的PRNU噪声提取算法
1
作者
李鸿光
田妮莉
潘晴
机构
广东工业大学信息工程学院
出处
《激光杂志》
CAS
北大核心
2024年第8期103-109,共7页
基金
国家自然科学基金(No.61901123)。
文摘
光响应非均匀性(Photo-Response Non-Uniformity,PRNU)噪声由于其唯一性和稳定性可作为相机的指纹并可用于数字图像的源相机识别。为了提高源相机识别的精度和效率,提出一种基于U形Transformer深度网络(Uformer)的PRNU噪声提取算法。该网络使用了一种基于局部增强窗口(LeWin)的Transformer块,能够在较低计算复杂度下有效提取局部上下文信息。其次,该网络使用了一种多尺度空间偏差形式的多尺度恢复调制器,能够自适应调整Uformer解码器的多层特征,进而更好地提取图像中潜在的PRNU相机指纹。在Dresden数据集上的实验结果表明,所提出的算法在128×128像素,256×256像素和512×512像素的AUC值分别为0.8368,0.9250和0.9720,Kappa值分别为0.9005,0.7447和0.4737,均优于现有方法。
关键词
光响应非均匀性
源相机识别
TRANSFORMER
深度学习
图像处理
Keywords
photo-response non-uniformity
source camera identification
Transformer
deep learning
image processing
分类号
TN911 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于多尺度邻域收缩和结构滤波的加权PRNU模型
2
作者
罗芷茵
田妮莉
潘晴
苏开清
机构
广东工业大学信息工程学院
出处
《激光杂志》
CAS
北大核心
2024年第9期79-84,共6页
基金
国家自然科学基金资助项目(No.61901123)。
文摘
光响应非均匀性(Photo-Response Non-Uniformity,PRNU)是一种反映成像传感器缺陷的固有特征,可有效识别拍摄该数字视频的相机来源。针对网络压缩视频识别效果不佳的问题,提出一种基于Stein’s无偏风险估计的多尺度邻域值收缩滤波和自适应边缘结构保持的平滑滤波算法,并构建一个加权PRNU提取模型。该模型首先对跳过环路滤波的视频帧进行基于双树复小波的多尺度变换,使用基于Stein’s无偏风险估计的多尺度邻域值收缩滤波算法估计所有高频子带,得到噪声残差后,利用自适应边缘结构保持平滑滤波对复杂的噪声残差进行平滑处理,采用基于量化参数加权的最大似然估计方法聚合噪声残差得到PRNU的乘性因子,最后经过预处理得到PRNU。在Vision数据集上的实验结果显示,所提出的模型在视频时长为15 s时,移动和旋转参考指纹下的AUC值分别为0.9551和0.9549,Kappa系数分别为0.8403,0.8889和0.9132,均优于现有算法。
关键词
光响应非均匀性
源相机识别
双树复小波
多尺度邻域收缩
边缘结构保持滤波
Keywords
photo-response non-uniformity
source camera identification
dual-tree complex wavelet
multi-scale neighborhood shrinkage
edge structure preserving filtering
分类号
TN249 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
基于样本错配训练的图像PRNU噪声提纯方法
被引量：
1
3
作者
郝昕泽
肖延辉
田华伟
张明旺
机构
中国人民公安大学国家安全学院
四川警察学院科研所
出处
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第5期783-791,共9页
基金
国家自然科学基金(61772539,61972405)资助项目
四川省科技计划(2018JY0521)资助项目
公安部技术研究计划(2017JSYJC01)资助项目。
文摘
基于传感器模式噪声的图像来源鉴别算法的关键在于如何获取高质量的光响应非均匀性(Photo-response non-uniformity,PRNU)噪声,目前大多数增强PRNU噪声质量的算法以及出于实际应用的目的对其压缩的算法几乎是在人工假设模型的基础上实现的。本文提出了一种基于样本错配训练的图像PRNU噪声提纯方法,该方法使用了深度堆叠自编码器网络,并设计了一种样本错配的技术对其进行训练。这种基于样本错配训练的端到端深度神经网络的使用有效避免了人工设计算法的局限性,对图像PRNU噪声进行了有效提纯,进而提升了其用于图像来源鉴别时的性能。在Dresden图像数据集上进行的比较实验结果表明,提纯后的PRNU噪声具有更好的性能。
关键词
数字图像
传感器模式噪声
自动编码器
光响应非均匀性
Keywords
digital image
sensor pattern noise
auto-encoder
photo-response non-uniformity(PRNU)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于U形Transformer深度网络的PRNU噪声提取算法
李鸿光
田妮莉
潘晴
《激光杂志》
CAS
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于多尺度邻域收缩和结构滤波的加权PRNU模型
罗芷茵
田妮莉
潘晴
苏开清
《激光杂志》
CAS
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于样本错配训练的图像PRNU噪声提纯方法
郝昕泽
肖延辉
田华伟
张明旺
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
