[发明专利]基于卷积神经网络的图像隐写分析方法在审
| 申请号： | 201811229752.X | 申请日： | 2018-10-22 |
| 公开（公告）号： | CN109472733A | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 郭继昌;何艳红;魏慧文 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06T1/00 | 分类号： | G06T1/00;G06N3/04 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像处理、计算机视觉技术领域，为提出一种能够在抑制原有图像细节特征的前提下，有效提取到隐写图像中隐写特征，提高图像隐写分析效果的方法。为此，本发明采用的技术方案是，基于卷积神经网络的图像隐写分析方法，通过训练卷积神经网络，使得网络损失值达到最小，得到最优参数值P*，进而提高网络模型的检测性能，其中，图像经过卷积神经网络预处理层、特征提取层处理后，还需要全连接层来对提取出的特征进行分类，全连接层中softmax层对提取出的特征进行分类。本发明主要应用于图像处理场合。 | ||
| 搜索关键词： | 卷积神经网络 图像 隐写分析 图像处理 连接层 计算机视觉技术 特征提取 图像细节 网络模型 预处理层 分类 检测 应用 网络 | ||
【主权项】：
1.一种基于卷积神经网络的图像隐写分析方法，其特征是，具体关系为：y＝Hp(x)式中，HP(·)表示卷积神经网络，p表示网络参数，x表示输入图像，通过训练卷积神经网络，使得网络损失值达到最小，得到最优参数值P*，进而提高网络模型的检测性能，其中，图像经过卷积神经网络预处理层、特征提取层处理后，还需要全连接层来对提取出的特征进行分类，全连接层中softmax层对提取出的特征进行分类。
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天津大学，未经天津大学许可，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/201811229752.X/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
