作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对图像篡改检测算法依赖单一图像属性、适用度不高以及当前基于深度学习的检测算法时间复杂度过高、精度较低等缺陷,提出了一种基于U型检测网络的图像篡改检测算法.该算法首先利用连续的卷积层和最大池化层提取图像中多阶段的特征信息,然后将得到的特征信息通过上采样操作恢复至输入图像的分辨率大小.同时,为保证在提取图像高级语义信息的同时实现更高的检测精度,U型检测网络中各阶段的输出特征会和对应的通过上采样层的输出特征进行合并.U型检测网络在一般网络展现出来的特性上,进一步探究了图像中篡改与非篡改区域间的隐藏特征信息,利用其端到端的网络结构和提取图像上下文间较强关联信息的属性,可以实现快速且高精度的检测效果.最后利用全连接条件随机场对U型检测网络的输出结果进行优化,以获得更精细的检测效果.实验结果表明,所提算法效果优于传统的基于图像单一属性的篡改检测算法和当前基于深度学习的检测算法,并且具有较好的顽健性.
推荐文章
基于小波变换的JPEG2000图像篡改检测
图像篡改
被动检测
JPEG2000
二进小波变换
曲线拟合
图像边缘检测算法研究
图像处理
边缘检测
梯度算法
小波变换
基于重采样检测的JPEG图像拼接篡改取证
重采样
Radon变换
快速傅里叶变换
图像拼接检测
基于卷积神经网络的乳腺疾病检测算法
卷积神经网络
特征融合
空间金字塔池化
尺度无关
乳腺疾病检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于U型检测网络的图像篡改检测算法
来源期刊 通信学报 学科 工学
关键词 U型检测网络 隐藏特征信息 全连接条件随机场 图像篡改检测
年,卷(期) 2019,(4) 所属期刊栏目 学术论文
研究方向 页码范围 171-178
页数 8页 分类号 TP302
字数 4095字 语种 中文
DOI 10.11959/j.issn.1000-436x.2019086
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王珠珠 西安电子科技大学网络与信息安全学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (9)
二级引证文献  (0)
1980(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
U型检测网络
隐藏特征信息
全连接条件随机场
图像篡改检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
通信学报
月刊
1000-436X
11-2102/TN
大16开
北京市丰台区成寿路11号邮电出版大厦8层
2-676
1980
chi
出版文献量(篇)
6235
总下载数(次)
17
总被引数(次)
85479
论文1v1指导