-
公开(公告)号：CN114928681A
公开(公告)日：2022-08-19
申请号：CN202210263544.1
申请日：2022-03-14
Applicant: 中南大学
Abstract: 本发明公开了一种基于生成对抗网络的信息隐藏方法及系统。本发明的发送方选择合适的映射参数，通过映射函数将待发送的秘密信息映射为秘密张量，输入结构生成器中生成结构编码；生成器据结构编码和纹理编码生成载密图像；将该载密图像发送至接收方；接收方接收到载密图像后输入进编码器提取结构编码；使用提取器恢复秘密张量，使用秘密信息与秘密张量之间的映射函数逆向恢复秘密信息。结构编码和纹理编码分别相对独立地控制载密图像的结构特征和纹理特征，同时通过采样不同的纹理编码，生成的载密图像具有不同的纹理特征，对于相同的秘密信息，也可以生成视觉效果存在巨大差异的载密图像，提高载密图像的多样性，从而提高信息隐藏的效率和安全性。
-
公开(公告)号：CN114677257A
公开(公告)日：2022-06-28
申请号：CN202210313703.4
申请日：2022-03-28
Applicant: 中南大学
Abstract: 本发明涉及一种基于3D视频的水印嵌入、提取和对比方法及系统，涉及信息安全技术领域。将待嵌入三维视频中的各二维视频帧分别进行分块均得到多个子块；对子块颜色空间中的任一分量进行多级DT‑CWT分解，得到子块在各级分解下的子带；根据待嵌入水印对子带的幅值矩阵进行修改得到修改后的子带；对修改后的子带进行逆DT‑CWT操作得到子块对应的嵌入水印子块；将二维视频帧对应的所有嵌入水印子块进行拼接得到二维视频帧对应的水印嵌入二维视频帧；根据待嵌入三维视频对应的所有水印嵌入二维视频帧得到水印嵌入视频和待嵌入三维视频的零水印。本发明可以在保证水印高鲁棒性的前提下，进一步提高版权保护的精度。
-
公开(公告)号：CN117241104A
公开(公告)日：2023-12-15
申请号：CN202311469866.2
申请日：2023-11-07
Applicant: 中南大学
IPC: H04N21/8358 , H04L9/00 , H04N21/2347 , H04N21/4408 , H04N21/81
Abstract: 本发明公开了一种DIBR‑3D视频版权保护的零水印方法及系统，本方法通过对2D视频水平平移不变分量和深度图噪声不变分量进行预处理；采用训练好的特征提取网络模型对预处理后的2D视频水平平移不变分量和预处理后的深度图噪声不变分量进行特征提取；若2D视频和深度图的版权所有者一样，则将第一特征和第二特征进行特征融合；采用混沌映射系统对融合特征进行加密和二值化得到混沌序列，并将混沌序列和融合特征进行异或操作，得到加密特征；基于加密特征和原始二值水印，生成从共享，并根据从共享恢复水印；根据原始二值水印和恢复的水印进行版权鉴别。本发明能够确保DIBR‑3D视频版权鉴别的灵活性、协同性、可靠性和鲁棒性。
-
公开(公告)号：CN114913583A
公开(公告)日：2022-08-16
申请号：CN202210534584.5
申请日：2022-05-17
Applicant: 中南大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习孪生网络的图像类型检测方法及系统，涉及目标检测技术领域，方法包括：获取待检测人脸图像；将待检测人脸图像输入至图像检测模型，以得到人脸图像的图像类型。其中，图像检测模型是依据第一损失函数、第二损失函数和训练集，对标定深度孪生网络进行训练得到的；训练集包括多个样本，每个样本包括初始人脸图像对和标签信息标定深度孪生网络包括第一特征提取模块、第二特征提取模块、对比损失模块和图像分类模块，且所述第一特征提取模块与所述第二特征提取模块之间权重共享。本发明结合孪生网络框架对图像对抗样本进行智能识别，有效提高面向图像深度识别模型在对抗样本攻击下的鲁棒性和可靠性。
-
公开(公告)号：CN117094882B
公开(公告)日：2024-01-12
申请号：CN202311345903.9
申请日：2023-10-18
Applicant: 中南大学
IPC: G06T3/04 , G06V10/44 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种无损数字刺绣图像风格迁移方法、系统、设备及介质，本方法获取内容图像和刺绣图像；构建包含可逆残差模块和基于注意力机制的风格转换模块的风格迁移网络模型；将内容图像和刺绣图像输入至采用损失函数训练好的风格迁移网络模型中，并通过可逆残差模块进行前向映射，得到内容图像的第一特征图和刺绣图像的第二特征图；采用基于注意力机制的风格转换模块将第一特征图和第二特征图进行风格迁移，得到风格化的特征图；对风格化的特征图采用可逆残差模块进行回归，得到风格迁移后的刺绣风格图像。本发明能够在解决内容泄露(56)对比文件A. Singh, S. Hingane, X. Gong and Z.Wang.SAFIN: Arbitrary Style Transfer withSelf-Attentive Factorized InstanceNormalization《.2021 IEEE InternationalConference on Multimedia and Expo(ICME)》.2021,1-6.Liu X, Ma Z, Ma J, et al..Imagedisentanglement autoencoder forsteganography without embedding.《Proceedings of the IEEE/CVF conferenceon computer vision and patternrecognition. 2022》.2022,2303-2312.刘栋斌, 王慧琴, 王可.基于内容风格迁移的残缺稀疏文字图像盲修复方法《.Laser &Optoelectronics Progress, 2022》.2022,第59卷(第24期),2411001-2411001-12.
-
Patent Agency Ranking
公开(公告)号：CN116051924A
公开(公告)日：2023-05-02
申请号：CN202310003466.6
申请日：2023-01-03
Applicant: 中南大学
IPC: G06V10/774 , G06V10/762 , G06V10/30 , G06V10/764 , G06V10/82 , G06N3/094
Abstract: 本发明公开一种图像对抗样本的分治防御方法，包括以下步骤：S1对图像进行攻击处理生成图像样本；S2对图像样本进行多种图像防御预处理，生成去高频图像样本组；将图像样本输入任务识别模型，模型输出第一特征向量；将去高频图像样本组输入任务识别模型，模型输出第二特征向量组；S3计算第一特征向量和第二特征向量组的差值生成图像高频信息差值组；S4将图像高频信息差值组输入聚类算法，算法输出攻击聚类；S5构建攻击聚类‑预处理权重矩阵，进行矩阵数值填写，形成攻击聚类与预处理方法二部图；S6根据二部图，自适应为不同攻击聚类推荐最合适的预处理方法。本发明弥补现有对抗样本检测算法在对抗攻击分类上的不足，具有实用性。
-
公开(公告)号：CN115984094A
公开(公告)日：2023-04-18
申请号：CN202211545973.4
申请日：2022-12-05
Applicant: 中南大学
Abstract: 本发明涉及一种基于多损失约束视角一致性保持人脸安全生成方法及设备。该方法包括：利用生成对抗网络进行人脸交换同时引入多个损失函数，对源人脸图像以及目标人脸图像进行处理，生成结果人脸图像；估计结果人脸图像的相机参数，并结合相机参数对结果人脸图像的前景和背景分别建立一个神经辐射场；基于根据前景神经辐射场以及所述背景神经辐射场，对结果人脸图像进行体积渲染生成渲染结果人脸图像；将渲染结果人脸图像通过鉴别器，使得最终人脸图像的前景和背景与结果人脸图像的前景和背景保持一致，生成视角一致性保持的人脸图像。本发明能够生成视角一致性保持的人脸图像，降低生成图像被伪造图像检测器检测出来的概率。
-
公开(公告)号：CN117094882A
公开(公告)日：2023-11-21
申请号：CN202311345903.9
申请日：2023-10-18
Applicant: 中南大学
IPC: G06T3/00 , G06V10/44 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种无损数字刺绣图像风格迁移方法、系统、设备及介质，本方法获取内容图像和刺绣图像；构建包含可逆残差模块和基于注意力机制的风格转换模块的风格迁移网络模型；将内容图像和刺绣图像输入至采用损失函数训练好的风格迁移网络模型中，并通过可逆残差模块进行前向映射，得到内容图像的第一特征图和刺绣图像的第二特征图；采用基于注意力机制的风格转换模块将第一特征图和第二特征图进行风格迁移，得到风格化的特征图；对风格化的特征图采用可逆残差模块进行回归，得到风格迁移后的刺绣风格图像。本发明能够在解决内容泄露问题和风格异常问题的同时将刺绣图像的风格进行良好的保持。
-
公开(公告)号：CN116229148B
公开(公告)日：2023-10-03
申请号：CN202310003513.7
申请日：2023-01-03
Applicant: 中南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/75 , G06N3/04 , G06N3/0895 , G06N3/084
Abstract: 本发明公开一种基于自监督对比学习的屏幕翻拍翻录鲁棒检测方法，本方法设计了自监督标注机制，首先对屏幕翻拍翻录图像数据集进行增广，在完成图像增广后，以自监督标注的方式构建正例样本对集合和负例样本对集合，用来基于对比学习的特征编码器训练。其中正常图像和屏幕翻拍翻录图像标注为负例对，通过拉大负例对的特征距离来确保屏幕翻拍翻录图像和正常图像的可辨识性；同一屏幕翻拍翻录图像在不同攻击后得到图像之间标注为正例对，不同原图之间标注为正例对，通过缩小正例对的特征距离来确保屏幕翻拍翻录图像在不同攻击后检测的鲁棒性。最终构建一个端对端网络用于判断图像是否为屏幕翻拍翻录图像。本方法可有效鉴别是否发生数据泄漏。
-
公开(公告)号：CN114898432A
公开(公告)日：2022-08-12
申请号：CN202210534263.5
申请日：2022-05-17
Applicant: 中南大学
Abstract: 本发明涉及一种基于多特征融合的伪造人脸视频检测方法及系统，涉及目标检测技术领域，方法包括：对待检测人脸视频进行帧分解，以得到多张连续待检测人脸图像；将待检测人脸图像输入至空间特征提取网络，以得到融合特征图；将多张融合特征图输入至时序注意力网络，以确定人脸视频类型。空间特征提取网络包括第一伪造特征支路、第二伪造特征支路、跨模态交互模块和特征融合模块；跨模态交互模块用于提取所述第一伪造特征支路与所述第二伪造特征支路之间的图像特征互补信息，并将所述图像特征互补信息对应输入至所述第一伪造特征支路和所述第二伪造特征支路。本发明提高了伪造人脸视频检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.064 seconds)
