Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南通大学陈梦获国家专利权

南通大学陈梦获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉南通大学申请的专利一种基于多流特征融合的图像篡改检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120147841B

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510223385.6,技术领域涉及:G06V20/00;该发明授权一种基于多流特征融合的图像篡改检测方法是由陈梦;陆培军;王进;窦立云;仇佳庆设计研发完成,并于2025-02-27向国家知识产权局提交的专利申请。

一种基于多流特征融合的图像篡改检测方法在说明书摘要公布了:本发明公开了一种基于多流特征融合的图像篡改检测方法,涉及计算机视觉和信息安全领域,具体步骤为:获取预设数量且已标注篡改类型标签和篡改区域定位标签的篡改图像数据集,并形成以单张篡改图像及其对应篡改类型标签和篡改区域定位标签为样本的样本集;利用样本集中的各个样本对多流特征融合网络进行模型训练;利用训练后的多流特征融合网络对待测试图像进行测试,得到最终的篡改检测结果。本方法能够从不同维度捕捉篡改操作的多样性特征,有效提升图像篡改检测的准确性和鲁棒性。

本发明授权一种基于多流特征融合的图像篡改检测方法在权利要求书中公布了:1.一种基于多流特征融合的图像篡改检测方法,其特征在于,按步骤S1至步骤S3对输入图像进行检测,获得输入图像的篡改检测结果: 步骤S1,获取预设数量且已标注篡改类型标签和篡改区域定位标签的篡改图像数据集,并形成以单张篡改图像及其对应篡改类型标签和篡改区域定位标签为样本的样本集; 步骤S2,构建包含预处理模块、多流特征提取模块、特征融合模块、输出模块的多流特征融合网络,利用样本集中的各个样本对输入为图像、输出为图像对应篡改类型和篡改区域定位图的多流特征融合网络进行模型训练; 步骤S3,利用训练后的多流特征融合网络对待测试图像进行测试,得到最终的篡改检测结果; 具体的,所述预处理模块包括数据增强模块、颜色空间转换模块、频域变换模块、SRM滤波核模块,且所述频域变换模块包括离散余弦变换模块、选择拼接模块; 所述数据增强模块的输入端构成预处理模块的输入端;所述颜色空间转换模块的输入端和SRM滤波核模块的输入端分别与数据增强模块的输出端连接;所述离散余弦变换模块的输入端与颜色空间转换模块的一个输出端连接;所述选择拼接模块的输入端与离散余弦变换模块的输出端连接;所述预处理模块输出端的由SRM滤波核模块的输出端、颜色空间转换模块的另一个输出端、选择拼接模块的输出端构成; 由数据增强模块接收输入图像,利用旋转、放缩操作对输入图片进行数据增强,并将数据增强后的输入图像输出到颜色空间转换模块和SRM滤波核模块;由颜色空间转换模块利用色彩空间转换公式将输入图像转化为YCrCb空间图像,形成YCrCb流;由离散余弦变换模块将YCrCb空间图像的各个通道转化为频率通道,并输出到选择拼接模块;由选择拼接模块对各个频率通道进行均值和方差归一化,并将处理后的各个频率通道拼接为三维DCT立方体,形成DCT流;由SRM滤波核模块利用SRM滤波器提取输入图像的噪声残差特征,形成噪声流; 所述多流特征提取模块包括YCrCb卷积特征提取模块、DCT卷积特征提取模块、噪声卷积特征提取模块、RPN网络模块、RoI池化模块; 所述多流特征提取模块输入端由YCrCb卷积特征提取模块的输入端、DCT卷积特征提取模块的输入端、噪声卷积特征提取模块的输入端构成;所述RPN网络模块的输入端与YCrCb卷积特征提取模块的输出端连接;所述RoI池化模块的输入端与RPN网络模块的输出端、DCT卷积特征提取模块的输出端、噪声卷积特征提取模块的输出端连接;所述RoI池化模块的输出端构成多流特征提取模块的输出端; 由YCrCb卷积特征提取模块接收YCrCb流包含的YCrCb空间图像,利用通道注意力机制调整YCrCb空间图像各个通道的权重,并利用卷积网络提取YCrCb空间图像的深层空间特征,进一步输出到RPN网络模块;由RPN网络模块生成YCrCb流对应的单流RoIs,并输出到RoI池化模块;由DCT卷积特征提取模块利用动态门控机制对三维DCT立方体各个频率通道进行筛选,并利用卷积网络从筛选后的频率通道中提取深度频域特征,进一步输出到RoI池化模块;由噪声卷积特征提取模块基于噪声流的噪声残差特征,利用空间注意力机制和卷积网络,提取深层噪声特征,并输出到RoI池化模块;由RoI池化模块通过匹配整合操作,分别生成YCrCb流对应的RoI特征、DCT流对应的RoI特征、噪声流对应的RoI特征。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南通大学,其通讯地址为:226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。