改进的卷积神经网络用于对比度增强取证

• 作者: 王建军 董伟
• 来源期刊: 应用科学学报
• 学科: 工学
• 关键词: 图像取证 图像对比度增强检测 卷积神经网络 二值灰度共生矩阵
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 信号与信息处理
• 页码范围: 745-753
• 页数: 9页
• 分类号: TN911.73
• 字数: 5315字
• 语种: 中文
• DOI: 10.3969/j.issn.0255-8297.2017.06.008

摘要

提出一种改进的卷积神经网络(modified convolutional neural network,MCNN)用于图像的对比度增强取证.其中MCNN第1层是预处理层,这一层将输入图像转化为二值灰度共生矩阵(binary gray-level co-occurrence matrix,BGLCM),其余各层与传统的卷积神经网络相同,这些层可从BGLCM上学习特征并以此进行分类.该方法的特征提取和分类可同时进行优化,使提取到的特征更适合对比度增强检测.实验表明,所提方法不仅可检测传统的对比度增强技术和两种反取证技术产生的对比度增强图像,还可区分对比度增强时所采用的参数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建军	复旦大学电子工程系	32	202	8.0	13.0
2	董伟	复旦大学电子工程系	6	133	5.0	6.0