为了改善低层特征对图像内容描述不够精确而导致现勘图像分类准确率低的问题,提出一种利用深度学习特征的改进局部约束线性编码(local-constrained linear coding,LLC)算法。采用滑动窗口法提取图像密集卷积神经网络(convolutional neur...为了改善低层特征对图像内容描述不够精确而导致现勘图像分类准确率低的问题,提出一种利用深度学习特征的改进局部约束线性编码(local-constrained linear coding,LLC)算法。采用滑动窗口法提取图像密集卷积神经网络(convolutional neural networks,CNN)特征;利用近似LLC算法对提取的密集CNN特征进行快速编码和最大池化,并采用多尺度空间金字塔匹配产生包含空间位置信息的稀疏编码特征。最后,利用支持向量机对现勘图像进行分类从而得到高效的图像特征。对比实验结果表明,该算法的分类准确率较高。展开更多
针对一些用于标识和篡改定位的双水印在抗几何攻击方面表现不好的问题,提出了一种基于Contourlet变换的彩色图像双水印算法。该算法首先在红绿蓝(red green blue,RGB)颜色空间,对G分量进行Contourlet变换和QR分解后嵌入鲁棒水印;其次,提...针对一些用于标识和篡改定位的双水印在抗几何攻击方面表现不好的问题,提出了一种基于Contourlet变换的彩色图像双水印算法。该算法首先在红绿蓝(red green blue,RGB)颜色空间,对G分量进行Contourlet变换和QR分解后嵌入鲁棒水印;其次,提取R、G、B三个通道的特征信息,构成可对该图像进行篡改定位的脆弱水印,在B分量上嵌入该脆弱水印,得到含双水印的彩色图像;最后,采用盲提取水印算法提取脆弱水印和鲁棒水印。选取不同刑侦图像进行实验,实验结果表明,脆弱水印能够准确检测篡改位置;鲁棒水印在抵抗剪切、旋转、缩放、随机打马赛克、噪声等几何攻击方面鲁棒性较好。展开更多
文摘为了改善低层特征对图像内容描述不够精确而导致现勘图像分类准确率低的问题,提出一种利用深度学习特征的改进局部约束线性编码(local-constrained linear coding,LLC)算法。采用滑动窗口法提取图像密集卷积神经网络(convolutional neural networks,CNN)特征;利用近似LLC算法对提取的密集CNN特征进行快速编码和最大池化,并采用多尺度空间金字塔匹配产生包含空间位置信息的稀疏编码特征。最后,利用支持向量机对现勘图像进行分类从而得到高效的图像特征。对比实验结果表明,该算法的分类准确率较高。
文摘针对一些用于标识和篡改定位的双水印在抗几何攻击方面表现不好的问题,提出了一种基于Contourlet变换的彩色图像双水印算法。该算法首先在红绿蓝(red green blue,RGB)颜色空间,对G分量进行Contourlet变换和QR分解后嵌入鲁棒水印;其次,提取R、G、B三个通道的特征信息,构成可对该图像进行篡改定位的脆弱水印,在B分量上嵌入该脆弱水印,得到含双水印的彩色图像;最后,采用盲提取水印算法提取脆弱水印和鲁棒水印。选取不同刑侦图像进行实验,实验结果表明,脆弱水印能够准确检测篡改位置;鲁棒水印在抵抗剪切、旋转、缩放、随机打马赛克、噪声等几何攻击方面鲁棒性较好。
