申请/专利权人:大连理工大学
申请日:2024-02-02
公开(公告)日:2024-05-17
公开(公告)号:CN118053021A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06V10/776;G06V10/762;G06V10/778
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.04#实质审查的生效;2024.05.17#公开
摘要:基于可疑集构建自训练SVM的开放世界图像来源取证方法,属于计算机图像处理技术领域。技术方案:将图像分为训练集和测试集;分别从所示训练集和测试集中提取CFA特征;将上述二者的CFA特征投入SVDD分类器进行粗分类,分类为已知类和未知类;将未知类分为可疑集和若干未知类;将所述已知类、可疑集和若干未知类进行自训练SVM输出结果。有益效果:本发明在特征空间中的超曲面包络优化实现已知源和未知源粗分类,基于集成判别思想下的多种距离度量聚类融合以及基于直推学习思想构架迭代分配更新的自训练SVM分类器;解决了开放世界下图像来源取证问题;且能够适应不断更新的市面相机型号,有效利用和学习未知源信息用于强化分类器性能。
主权项:1.一种基于可疑集构建自训练SVM的开放世界图像来源取证方法,其特征在于,步骤如下:S1、将图像分为训练集和测试集;S2、分别从所示训练集和测试集中提取CFA特征;S3、将上述二者的CFA特征投入SVDD分类器进行粗分类,分类为已知类和未知类;S4、将未知类分为可疑集和若干未知类;S5、将所述已知类、可疑集和若干未知类进行自训练SVM输出结果。
全文数据:
权利要求:
百度查询: 大连理工大学 基于可疑集构建自训练SVM的开放世界图像来源取证方法
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。