-
公开(公告)号：CN103345927A
公开(公告)日：2013-10-09
申请号：CN201310292324.2
申请日：2013-07-11
Applicant: 暨南大学
Abstract: 本发明公开了一种检测与定位音频时域篡改的处理方法，包括下述步骤：S1、将待检测音频信号进行小波分解后各个子带分别进行重构得到多个小波重构子带；S2、取每个小波包重构子带的候选判决点；S3、排除候选判决点中处在奇异点群中奇异点；S4、将步骤S3中剩下的各个子带的候选判决点则判决为音频文件的篡改位置，对各个子带的音频文件的篡改位置做一个或运算，最终确定音频文件的篡改位置。本发明不需要任何额外预先嵌入取证信息的情况下，针对数字音频在时域上发生的诸如裁剪、插入和拼接等直接篡改操作，能够有效地检测篡改并定位出具体篡改位置的方法。
-
Patent Agency Ranking
公开(公告)号：CN111259792B
公开(公告)日：2023-05-12
申请号：CN202010042880.4
申请日：2020-01-15
Applicant: 暨南大学
IPC: G06V40/16 , G06V40/40 , G06V20/40 , G06V10/774
Abstract: 本发明公开了基于DWT‑LBP‑DCT特征的人脸活体检测方法，包括以下步骤：获取待处理的原始视频帧序列；对原始视频帧序列进行人脸定位，扩大人脸识别区域并确定兴趣区域，将兴趣区域归一化；并将其进行多级二维离散小波变换和块划分，得到DWT特征，获取视频帧频率信息；对DWT特征进行等价局部二值模式变换，得到DWT‑LBP特征，获取视频帧纹理信息；对DWT‑LBP特征纵向进行离散余弦变换，得到DWT‑LBP‑DCT特征，获取视频帧时域信息；对DWT‑LBP‑DCT特征使用机器学习分类器进行训练并分类，得到检测结果；本发明能有效且泛化能力强的对抗攻击，提高人脸活体检测的安全性、可靠性、准确性和有效性。
-
公开(公告)号：CN112801922A
公开(公告)日：2021-05-14
申请号：CN202110355102.5
申请日：2021-04-01
Applicant: 暨南大学
Abstract: 本发明公开了一种彩色图‑灰度图‑彩色图转换方法，该方法步骤包括彩色图像转换成灰度图像编码过程：对原始彩色图像进行RGB到Ycbcr的颜色空间转换得到亮度平面和两个色度平面，两个色度平面压缩后得到压缩后色度平面，其二进制码流作为水印信息嵌入亮度平面得到水印灰度图像；灰度图像重构彩色图像解码过程：在嵌入水印信息的灰度图像提取出压缩后色度平面的二进制码流，并根据二进制码流恢复两个色度平面，将亮度平面和两个色度平面进行Ycbcr到RGB的颜色空间转换，重构出彩色图像。本发明保存了更多颜色信息，重构时可得到失真很小或无失真的亮度平面，不仅能得到高质量的灰度图像，也能得到高质量的重构的彩色图像。
-
公开(公告)号：CN112634120A
公开(公告)日：2021-04-09
申请号：CN202011615577.5
申请日：2020-12-30
Applicant: 暨南大学
Abstract: 本发明公开了一种基于CNN预测的图像可逆水印方法，包括水印嵌入以及水印提取和图像恢复，所述水印嵌入包括以下步骤：对图像进行集合划分，划分为点集和叉集；构建深度学习模型，进行模型训练和验证；利用训练好的深度学习模型，输入点集图像，预测叉集图像并嵌入一半水印；利用相同的深度学习模型，输入叉集水印图像，预测点集图像并嵌入另一半水印；将得到的叉集水印图像和点集水印图像在空域上组合，生成水印图像。本发明基于深度学习模型，利用卷积神经网络的拟合能力进行预测，与传统算法的线性预测相比，深度学习的非线性预测能力能够更好地利用像素之间的相关性，确保较好的预测效果。
-
公开(公告)号：CN112598577A
公开(公告)日：2021-04-02
申请号：CN202011552248.0
申请日：2020-12-24
Applicant: 暨南大学
IPC: G06T3/40
Abstract: 本发明公开了基于错位采样的图像插值方法、系统及存储介质，方法包括以下步骤：对原始图像采用错位下采样；将下采样图像中每个像素恢复到原始图像的采样位置；对未知像素采用双线性插值方法或双三次插值方法重构图像；所述双线性插值方法分为两轮进行插值，第一轮，未知像素由三个相邻的已知像素使用双线性插值方法进行预测，第二轮，剩余的未知像素由竖直和水平方向的四个已知像素预测得到；所述双三次插值方法为未知像素由20个相邻像素使用双三次插值方法预测得到；本发明提出了基于错位采样的双线性插值法和双三次插值法，对比传统的基于直接采样的双线性插值与双三次插值，对采样模型进行改变，使得重构图像得到更好的效果与质量。
-
公开(公告)号：CN111259792A
公开(公告)日：2020-06-09
申请号：CN202010042880.4
申请日：2020-01-15
Applicant: 暨南大学
Abstract: 本发明公开了基于DWT-LBP-DCT特征的人脸活体检测方法，包括以下步骤：获取待处理的原始视频帧序列；对原始视频帧序列进行人脸定位，扩大人脸识别区域并确定兴趣区域，将兴趣区域归一化；并将其进行多级二维离散小波变换和块划分，得到DWT特征，获取视频帧频率信息；对DWT特征进行等价局部二值模式变换，得到DWT-LBP特征，获取视频帧纹理信息；对DWT-LBP特征纵向进行离散余弦变换，得到DWT-LBP-DCT特征，获取视频帧时域信息；对DWT-LBP-DCT特征使用机器学习分类器进行训练并分类，得到检测结果；本发明能有效且泛化能力强的对抗攻击，提高人脸活体检测的安全性、可靠性、准确性和有效性。
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
