“倪江群”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果28个，建议您升级VIP下载更多相关专利

[发明专利]一种生成式鲁棒图像隐写方法-CN202010315084.3有效
发明人：黄晓;万林鸿;倪江群 -专利权人：中山大学
申请日： 2020-04-21 - 公布日： 2023-09-19 - 主分类号： G06T1/00 文献下载
摘要：本发明提供一种生成式鲁棒图像隐写方法，包括：构建图像数据集，并对图像数据集进行预处理；构建并初始化深度学习网络架构；采用联合‑精调式方法训练深度学习网络架构，得到网络架构模型；利用网络架构模型生成载密伪图并进行秘密通信，完成图像隐写过程。本发明提供的图像隐写方法，通过利用生成对抗网络StyleGAN，将秘密信息的嵌入过程融入到图像的生成过程中，构建一种能承担较大容量秘密信息并具备一定鲁棒性的生成式图像隐写架构，从而得到的生成式图像隐写方法具有嵌入的容量较大、生成的图像质量好、载密图像统计不可检测性强、实用性高等优点，并克服了现有的生成式图像隐写生成的载密图像质量差、嵌入容量低下、信息提取准确率不高等问题。
一种生成式鲁棒图像方法

[发明专利]面向大容量鲁棒水印应用的多解码端并行提取方法-CN202011192222.X有效
发明人：陈欣;王俊祥;倪江群 -专利权人：东南数字经济发展研究院
申请日： 2020-10-30 - 公布日： 2023-08-18 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了面向大容量鲁棒水印应用的多解码端并行提取方法，将图片训练集放入网络模型中训练，按照不同的方案，生成不同类型的模型文件，根据用户的安全等级和需要将不同的模型发送给用户；在嵌入端使用模型将指定的信息嵌入到图片中；将打印和拍摄后含有水印的图像通过不同的模型提取出不同的水印信息。本发明提出的多解码端并行提取网络能够提升水印信息的嵌入提取能力，既能保证大容量数据嵌入，还能保持解码准确率，本方法能够嵌入200bits信息，并且准确率保持在93％左右，提出的多解码端并行提取网络，支持多种信息安全分级管理模式，如此可提高信息的分级管理水平，扩大应用范围。
面向容量水印应用解码并行提取方法

[发明专利]一种基于深度学习的自适应隐形水印同步检测方法-CN202011067971.X有效
发明人：赵政雄;倪江群;林朗;郑寅 -专利权人：东南数字经济发展研究院
申请日： 2020-10-08 - 公布日： 2023-05-23 - 主分类号： G06T1/00 文献下载
摘要：本发明涉及一种基于深度学习的自适应隐形水印同步检测方法，基于Adam优化器，框架中共包括2个U型子网络和一个CNN子网络，分别是标记网络、检测网络和辨别器，在嵌入标记时，标记网络通过将提取水印图像四个角固定大小的方形区域作为标记网络的输入，输出带有位置信息的四张残差图像并依次将其放回原图中获得标记图像，在检测标记时，将拍摄的标记图像送入检测网络中，输出显示残差图像位置的掩码图，从而确定水印图像的四个角点，再使用透视变换实现水印图像与拍摄的标记图像的同步，辨别器进行区分原水印图像和水印标记图像。本发明涉及的一种基于深度学习的自适应隐形水印同步检测方法，在保证视觉效果的前提下极大的提高了水印的解码准确率。
一种基于深度学习自适应隐形水印同步检测方法

[发明专利]一种基于SIFT特征点匹配的水印同步方法-CN202011067968.8有效
发明人：林朗;倪江群;赵政雄;郑寅 -专利权人：东南数字经济发展研究院
申请日： 2020-10-08 - 公布日： 2023-05-23 - 主分类号： G06T1/00 文献下载
摘要：本发明涉及一种基于SIFT特征点匹配的水印同步方法，包括以下步骤：1)使用抵抗打印/拍摄的鲁棒数字图像水印算法对原图像进行水印信息的嵌入，得到水印图像A，然后将水印图像A打印或显示在屏幕上，接着用带有相机功能的智能设备拍摄水印图像得到拍摄后的水印图像B，2)提取水印图像A和水印图像B中的SIFT特征点，3)使用Knn最近邻算法进行水印图像A和水印图像B的特征点匹配，得到若干对最佳匹配点，4)根据水印图像A与水印图像B若干对最佳匹配点的坐标计算变换矩阵，然后利用变换矩阵实现图像的校正工作，即实现水印同步。本发明涉及的一种基于SIFT特征点匹配的水印同步方法，水印同步准确率高，同步速度快，显著提升了抗打印/拍摄水印方法在水印提取阶段的水印信息提取的准确率，提供了一种新的水印同步方法和思路。
一种基于 sift 特征匹配水印同步方法

[发明专利]一种基于小波神经网络的图像大容量鲁棒水印方法-CN202211117657.7在审
发明人：苏文康;倪江群;孙一言;卢俊雄 -专利权人：中山大学
申请日： 2022-09-14 - 公布日： 2023-04-28 - 主分类号： G06T1/00 文献下载
摘要：本发明针对现有技术的局限性，提出了一种基于小波神经网络的图像大容量鲁棒水印方法，在网络结构上进行了改进，采用了小波变换操作和小波逆变换操作来分别替代普通的卷积上采样和下采样操作，这种改进能使得网络在下采样时能够保留更多的高频信息，以及对噪声更加鲁棒。
一种基于神经网络图像容量水印方法

[发明专利]基于深度学习的大容量抗打印/拍摄盲水印系统及方法-CN201911115397.8有效
发明人：谢吉松;倪江群 -专利权人：中山大学
申请日： 2019-11-14 - 公布日： 2023-04-28 - 主分类号： G06T1/00 文献下载
摘要：本发明提供的基于深度学习的大容量抗打印/拍摄盲水印方法，包括编码步骤和解码步骤，待处理图像由编码器进行分块将水印嵌入图像分块后，由编码器进行还原拼接，并对还原后的图像进行图像视觉保真；采用检测步骤对含水印图像进行检测；解码器则将含有水印信息的图像恢复为未保真状态；并对未保真状态的图像进行分块；解码器使用GPU并行对图像分块进行水印信息提取，得到二进制比特序列，进而解析出水印信息；一方面充分利用了每块图像的冗余空间进行水印信息的嵌入，提高整体的嵌入容量；另一方面减小图像尺寸，并行地对所有分块图像进行神经网络的计算，充分利用GPU的并行加速能力，从而提高运行速度，并且提高了水印检测的鲁棒性和实时性。
基于深度学习容量打印拍摄水印系统方法

[发明专利]一种采用密集结构卷积网络的图像篡改检测和定位方法-CN201911081464.9有效
发明人：张榕瑜;倪江群 -专利权人：中山大学
申请日： 2019-11-07 - 公布日： 2023-04-18 - 主分类号： G06V10/764 文献下载
摘要：本发明提供的一种采用密集结构卷积网络的图像篡改检测和定位方法，包括输入待测图像，对待测进行空间富集SRM卷积进行预处理，得到预处理后的图像；构建密集连接卷积网络对预处理后的图像进行篡改图像特征提取，得到待测图像的二分类信息，完成对图像篡改的检测；构建与连接卷积网络结构对称的反卷积网络，将二分类信息作为输入；根据得到的图像篡改区域，由反卷积网络完成定位后的图像。本发明所提供的方法，将深度学习技术应用到图像篡改检测与定位中，适用于多种篡改手段，具有好的鲁棒性和实用性；提供了检测和定位的统一框架，不仅能够多图像是否经过篡改做出预测，还能对篡改区域进行预测，给出逐像素的精确标注，得到细致的物体轮廓边界。
一种采用密集结构卷积网络图像篡改检测定位方法

[发明专利]一种基于注意力CNN文档证件类图像篡改检测方法-CN202110183666.5有效
发明人：王昌蒙;廖鑫;倪江群;孙宇豪;刘剑峰 -专利权人：东南数字经济发展研究院
申请日： 2021-02-08 - 公布日： 2023-03-10 - 主分类号： G06T7/10 文献下载
摘要：本发明提供了一种基于注意力CNN文档证件类图像篡改检测方法，包括以下方法：在网络结构中将多语义注意力机制的卷积神经网络加入到模型的框架中，增加对篡改边缘的关注，用于生成注意图，同时利用最大熵马尔科夫模型对注意图中相邻区域之间的相关性进行建模；膨胀卷积可以捕获多尺度的上下文信息；引入注意力机制卷积神经网络的整体框架有两个分支，两个分支网络在整个卷积层和全连接层中具有相同的权值参数和结构，训练阶段，用多个损失函数的集合进行训练；得到的初步检测结果是一张二值图，对二值图进行腐蚀膨胀处理得到最终结果。本发明的优点在于：不仅可以应对各种篡改手段，而且检测方便且准确率高。
一种基于注意力 cnn 文档证件图像篡改检测方法

[发明专利]基于卷积神经网络的JPEG图像隐写分析方法-CN201910099232.X有效
发明人：黄俊文;倪江群 -专利权人：中山大学
申请日： 2019-01-31 - 公布日： 2022-11-29 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的JPEG图像隐写分析方法，包括以下步骤：S1.构建针对JPEG图像隐写分析的卷积神经网络；S2.准备数据集；S3.初始化卷积神经网络；S4.训练卷积神经网络；S5.利用训练好的卷积神经网络对待检测图像进行隐写分析，计算出分类概率向量从而判定待检测图像是否为载密图像。本发明通过将JPEG图像隐写分析相关的领域知识内嵌到网络结构中，针对JPEG图像隐写分析设计了卷积神经网络结构及相关的参数配置；同时为网络训练引入参数增量约束机制，提高了卷积神经网络的性能，解决了现有的图像隐写分析技术中分类准确率不够高以及无法在低负载情况下直接训练网络等问题。
基于卷积神经网络 jpeg 图像分析方法

[发明专利]一种JPEG非对称数字图像隐写方法-CN201910199619.2有效
发明人：李潇焓;倪江群;张东;苏文康 -专利权人：中山大学
申请日： 2019-03-15 - 公布日： 2022-11-29 - 主分类号： G06T1/00 文献下载
摘要：本发明涉及一种JPEG非对称数字图像隐写方法，通过获取载体图像，将载体图像划分两个交织子图X1X2；计算载体图像的初始化失真代价值和初始化嵌入修改图R1、R2；优化R1中每个DCT块的块内嵌入修改情况，更新子图X1每个元素的代价值，获取新载密子图Y′1和新的嵌入修改图R′1；构造四邻域模型，结合嵌入修改图R′1和BBC策略更新X2中每个元素的代价值，并获取新载密子图Y′2；将载密子图Y′1和载密子图Y′2进行合并，得到完整的载密图像Y′，再将其送入隐写分析器检测提出的JPEG非对称隐写算法的安全性能。本发明所提供的一种JPEG非对称数字图像隐写方法，构建了新的代价值更新方法，有效提高算法的安全性能高，通过四邻域模型的建立，实现了水平和垂直两个方向+1/‑1失真代价值的同时更新，收敛速度块。
一种 jpeg 对称数字图像方法

[发明专利]一种基于模型的数字图像隐写方法-CN202110516552.8在审
发明人：赵小蕾;倪江群;曾青青;王辰尹 -专利权人：中山大学新华学院
申请日： 2021-05-12 - 公布日： 2022-11-15 - 主分类号： H04N1/32 文献下载
摘要：本发明提供一种基于模型的数字图像隐写方法，包括以下操作步骤：步骤S1：获取待检测的彩色数字图像集，并将获取的彩色数字图像集做分类处理；步骤S2：通过训练数据集训练得到具有分析图像隐写富模型特征能力的深度学习模型，该深度学习模型为深度卷积神经网络CNN；步骤S3：将步骤S1中分类好的彩色数字图像独立输入步骤S2中训练得到深度学习模型中对应的卷积通道内学习，最终得出非载体图像、即隐密图像的检测结果；本发明通过具有分析图像隐写富模型特征能力的深度学习模型去分析数字图像，再结合大数据的优势，降低了数据计算维度，大大地提高了识别准确率和速度。
一种基于模型数字图像方法

[发明专利]一种在特征区域嵌入周期图的抗旋转水印方法-CN201811642970.6有效
发明人：黄义成;倪江群 -专利权人：中山大学
申请日： 2018-12-29 - 公布日： 2022-09-30 - 主分类号： G06T1/00 文献下载
摘要：本发明提供一种在特征区域嵌入周期图的抗旋转水印方法，包括水印嵌入方法和水印提取方法，水印嵌入方法通过提取出图像的红色通道分量和蓝色通道分量，对红色通道分量做特征点检测，确定水印待嵌入区域，选择蓝色通道分量进行预处理计算图像嵌入系数JND，生成处理后的蓝色通道分量AII，进而得到彩色水印图像；同理，通过水印提取方法可提取出水印。本发明提供的一种特征区域嵌入周期图的抗旋转水印方法，有效结合了特征点定位的周期图水印算法，更好地抵抗旋转攻击，在旋转角较大时，仍然能够准确定位到嵌有水印的图像区域，从而检测出水印信息，提高水印算法的鲁棒性。
一种特征区域嵌入周期旋转水印方法

[发明专利]一种边界区域二值化的陶瓷水印模型训练方法和嵌密方法-CN202110844701.3有效
发明人：王俊祥;李俊;曾文超;倪江群 -专利权人：景德镇陶瓷大学
申请日： 2021-07-26 - 公布日： 2022-09-23 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了一种边界区域二值化的陶瓷水印模型训练方法及嵌密方法，借助二值化技术，使编码器不仅能够将秘密信息以不可见方式嵌入到陶瓷商标的边界区域，还能保证边界颜色只呈现陶瓷商标背景颜色或者商标本身的色彩，进一步降低工艺大师人工配色的难度，解决因丝网印刷工艺导致的水印提取不准确问题，提高版权信息的提取准确率。
一种边界区域二值化陶瓷水印模型训练方法

[发明专利]结合深度鲁棒水印和模板同步的抗拍摄监控视频水印方法-CN202210109380.7在审
发明人：孙一言;倪江群 -专利权人：中山大学
申请日： 2022-01-28 - 公布日： 2022-05-27 - 主分类号： G06T1/00 文献下载
摘要：本发明针对现有技术的局限性，提出了一种结合深度鲁棒水印和模板同步的抗拍摄监控视频水印方法，巧妙地利用了监控视频中通常有部分背景内容基本不变的特点，选取部分背景图像作为水印载体；其使用的深度鲁棒水印网络能够往水印载体图像中嵌入肉眼不可见且抗拍摄的鲁棒水印；同时通过加大纹理简单区域的水印嵌入代价，引导网络尽量将水印信息嵌入在纹理复杂区域，改进了StegaStamp嵌入痕迹在图像平滑区域较明显的缺点，显著提升了水印的视觉质量。
结合深度水印模板同步拍摄监控视频方法

[发明专利]无边框定位的陶瓷水印模型训练方法和嵌密方法-CN202110700418.3有效
发明人：王俊祥;陈欣;曾文超;倪江群 -专利权人：景德镇陶瓷大学
申请日： 2021-06-23 - 公布日： 2022-05-27 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了一种无边框定位的陶瓷水印模型训练方法和嵌密方法，解决了水印图像在经过打印拍摄后还需要通过加框等方式定位检测的问题，同时，将无边框提取算法与所述的解码器网络进行结合，使得解码器能够快速的对图像进行定位，还能正确地对水印图像中所嵌入的秘密信息进行提取。
边框定位陶瓷水印模型训练方法

1
2
下一页»
尾页
共 28 条