[发明专利]基于深度随机森林的JPEG图像重采样自动检测方法有效
| 申请号： | 201810401354.5 | 申请日： | 2018-04-28 |
| 公开（公告）号： | CN108682007B | 公开（公告）日： | 2021-09-10 |
| 发明（设计）人： | 王志锋;左驰;叶俊民;田元;闵秋莎;夏丹;陈迪;罗恒;谭政;宁国勤 | 申请（专利权）人： | 华中师范大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/42;G06T7/90;G06K9/62 |
| 代理公司： | 北京金智普华知识产权代理有限公司 11401 | 代理人： | 杨采良 |
| 地址： | 430079 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于信息安全技术领域，公开了一种基于深度随机森林的JPEG图像重采样自动检测方法，提取描述JPEG图像重压缩特性的特征向量：描述受重采样操作影响的局部周期相关性所呈现出的纹理特征；描述R、G、B通道受重采样操作影响的差异性的Benford特征；描述受重采样操作影响的DCT系数与其周围系数的关系的相邻系数差特征；描述JPEG图像重采样后出现的块效应特征。本发明利用典型相关分析将该四组特征向量进行融合，使用深度随机森林对融合后的特征向量进行学习和检测；有效识别图像重采样操作，通过量化四组特征向量之间的联系，使特征维数大大减少、降低了计算量、提高了特征之间的相关性，提升了检测精度。 | ||
| 搜索关键词： | 基于 深度 随机 森林 jpeg 图像 采样 自动检测 方法 | ||
【主权项】：
1.一种基于深度随机森林的JPEG图像重采样自动检测方法，其特征在于，所述基于深度随机森林的JPEG图像重采样自动检测方法包括：(11)提取描述JPEG图像重采样特性的特征向量：对图像进行预处理，提取描述JPEG图像基于重采样的四个特征：描述受重采样操作影响的局部周期相关性所呈现出的纹理特征；描述R、G、B三个通道受重采样操作影响的差异性的Benford特征；描述受重采样操作影响的DCT系数与其周围系数的关系的相邻系数差特征；描述JPEG图像重采样后出现的块效应特征；(12)基于典型相关分析的特征融合：使用典型相关分析法将描述重采样特性的四组特征向量进行融合；(13)基于深度随机森林的重采样学习和检测：使用深度随机森林对融合后的特征向量进行学习和检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华中师范大学，未经华中师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810401354.5/，转载请声明来源钻瓜专利网。
- 上一篇：非接触式罐装堆肥腐熟判断方法
- 下一篇：一种白细胞图像清晰度评价方法及装置
