-
题名基于生成对抗网络的解压位图反取证方法
- 1
-
-
作者
冯翔
毕成龙
-
机构
安徽理工大学计算机科学与工程学院
-
出处
《兰州工业学院学报》
2024年第4期60-65,共6页
-
基金
安徽省质量工程项目(2020mooc188)。
-
文摘
针对图像解压缩过程中引入色度上采样痕迹,导致未压缩和解压缩图像色度平面上奇偶和偶奇像素对差异分布的不同,提出了一种基于生成对抗网络的解压位图反取证方法,将JPEG解压缩反取证工作建模为图像到图像的转换。在此基础上,针对解压缩过程中所引入的色度上采样痕迹设计了损失函数,经过迭代训练后,模型可以生成具有极高视觉质量和合理统计特征的重建图像。实验结果表明:提出的反取证方法生成的修改图像能够欺骗现有的检测器,并且具有出色的视觉质量;在客观评价指标上,在降低检测器准确率方面取得了显著成效;相比于其他基于生成对抗网络的反取证方法,在压缩质量为50的情况下,生成图像的峰值信噪比和结构相似度均呈现了一定的提升。
-
关键词
反取证
生成对抗网络
色度上采样
jpeg解压缩
-
Keywords
anti-forensics
generative adversarial network
chroma upsampling
jpeg decompression
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于级联密集网络的轮廓波变换域图像复原
被引量：9
- 2
-
-
作者
刘宇男
张姗姗
王春鹏
李广宇
杨健
-
机构
南京理工大学计算机科学与工程学院
齐鲁工业大学计算机科学与技术学院
-
出处
《软件学报》
EI
CSCD
北大核心
2020年第12期3968-3980,共13页
-
基金
国家自然科学基金(61702262,61861136011,61802212,U1713208)
长江学者计划
+3 种基金
江苏省自然科学基金(BK20181299)
中央高校基本科研专项基金(30918011322)
中国科学技术协会青年人才托举工程(2018QNRC001)
并行与分布式处理实验室科学技术开放基金(WDZC20195500106)。
-
文摘
近年来,卷积神经网络凭借极强的学习能力,在图像复原任务上实现了比传统学习方法更令人满意的结果.但是,由于丢失了重要的纹理细节,这些基于卷积神经网络的方法普遍存在着复原图像过度平滑的缺点.为解决该问题,提出一种基于级联密集型卷积神经网络的轮廓波域图像复原方法,可以应用于单幅图像去噪、超分辨率及JPEG解压缩这3个经典图像复原任务.首先,构建了一种紧凑的级联密集型网络结构,不但可以充分挖掘和利用不同层次的图像特征,而且解决了由于网络加深带来的长期依赖问题.接着,引入可以稀疏表示图像重要特征的轮廓波变换,分别将低质量图像和重建图像对应的轮廓波子带作为网络的输入和输出,更加有效地恢复出逼真的结构和纹理细节.在标准测试集的实验表明:提出的方法在3个图像复原任务上达到了当前最优的性能,不但获得了更高的峰值信噪比和结构相似度,而且在主观的重建图像中包含了更加真实的纹理细节.
-
关键词
图像去噪
超分辨率
jpeg解压缩
轮廓波变换
级联密集型卷积神经网络
-
Keywords
image denoising
super resolution
jpeg decompression
contourlet transform
cascading dense convolutional neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
