申请/专利权人：中山大学

申请日：2021-03-08

公开（公告）日：2024-04-05

公开（公告）号：CN112862655B

主分类号：G06T1/00

分类号：G06T1/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/048;G06N3/09

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.06.15#实质审查的生效;2021.05.28#公开

摘要：本发明提供一种基于通道空间注意力机制的JPEG图像隐写分析方法，包括以下步骤：对待检测JPEG图像进行解压；构建基于通道空间注意力机制的卷积神经网络并进行训练；将解压后的待检测JPEG图像输入卷积神经网络中进行分类，计算分类概率向量；根据分类概率向量判定待检测JPEG图像是否为载密图像，完成JPEG图像隐写分析。本发明提供一种基于通道空间注意力机制的JPEG图像隐写分析方法，基于通道空间注意力机制，设计了一种JPEG图像隐写分析方法，有效突出对隐写分析有用的残差特征，提高隐写分析信号的信噪比；同时，本方法可接受任意尺寸JPEG图像的输入，可以更多地保留图像的特征信息，有效提升检测的准确率。

主权项：1.一种基于通道空间注意力机制的JPEG图像隐写分析方法，其特征在于，包括以下步骤：S1：对待检测JPEG图像进行解压；S2：构建基于通道空间注意力机制的卷积神经网络并进行训练；所述卷积神经网络的第一个卷积层作为残差提取器，提取待处理图像的残差特征图；第二个、第三个卷积层对残差特征图进行特征提取后，由设置在第三个层输出端的CSA模块对提取的特征进行处理，用于突出对隐写分析有用的通道和空间残差特征和防止梯度消失的发生，并将处理得到的特征图进行输出；CSA模块输出的特征图经过1个卷积层和若干个残差块的深度卷积后，连接空间金字塔池化层和两个全连接层；空间金字塔池化层将最后一个残差块输出的任意尺寸的特征图转换成固定尺寸特征向量，两个全连接层将得到的特征图整合为两个类别的特征信息并进行输出；在所述卷积神经网络中，所述CSA模块包括直连支路和注意力支路，其中，所述注意力支路包括通道注意力模块和空间注意力模块，用于突出对隐写分析有用的通道和空间残差特征；所述直连支路用于防止梯度消失的发生，最后两个支路通过矩阵相加的方式进行融合，作为所述CSA模块的输出；所述通道注意力模块的具体结构为：设给定特征图其中，H，W，C分别代表特征图的高度、宽度与特征图的通道数；首先，通过全局平均池化操作对输入特征图降维，生成降维后的特征图其中，xci，j代表特征图x第c个通道i，j处的值，代表xavg第c个通道的值,c的取值范围为{1，2，3，...，C}；接着，为了充分捕捉通道间关联以及提升网络的收敛速度，将两个卷积层作用于降维后的特征图xavg，生成通道权重向量其中，第二个卷积层使用Sigmoid为激活函数，使得每个通道的权重都映射到0和1之间；最后，将输入特征图x与通道权重向量对应元素相乘，获得加权后的特征图c＝x·h；S3：将解压后的待检测JPEG图像输入卷积神经网络中进行分类，计算分类概率向量；S4：根据分类概率向量判定待检测JPEG图像是否为载密图像，完成JPEG图像隐写分析。

全文数据：

权利要求：

百度查询： 中山大学 一种基于通道空间注意力机制的JPEG图像隐写分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD