本文選題：圖像取證 + 圖像對(duì)比度增強(qiáng)檢測(cè)　； 參考：《應(yīng)用科學(xué)學(xué)報(bào)》2017年06期

【摘要】：提出一種改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)(modified convolutional neural network,MCNN)用于圖像的對(duì)比度增強(qiáng)取證.其中MCNN第1層是預(yù)處理層,這一層將輸入圖像轉(zhuǎn)化為二值灰度共生矩陣(binary gray-level co-occurrence matrix,BGLCM),其余各層與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)相同,這些層可從BGLCM上學(xué)習(xí)特征并以此進(jìn)行分類.該方法的特征提取和分類可同時(shí)進(jìn)行優(yōu)化,使提取到的特征更適合對(duì)比度增強(qiáng)檢測(cè).實(shí)驗(yàn)表明,所提方法不僅可檢測(cè)傳統(tǒng)的對(duì)比度增強(qiáng)技術(shù)和兩種反取證技術(shù)產(chǎn)生的對(duì)比度增強(qiáng)圖像,還可區(qū)分對(duì)比度增強(qiáng)時(shí)所采用的參數(shù).
[Abstract]:An improved convolutional neural network (modified convolutional neural network MCNN) is proposed for image contrast enhancement. The first layer of MCNN is the preprocessing layer, which converts the input image into binary gray-level co-occurrence matrix and BGLCM. The other layers are the same as the traditional convolution neural network. These layers can learn features from BGLCM and classify them accordingly. The feature extraction and classification of this method can be optimized at the same time, so that the extracted features are more suitable for contrast enhancement detection. Experimental results show that the proposed method can not only detect contrast enhancement images generated by traditional contrast enhancement techniques and two anti-forensics techniques, but also distinguish the parameters used in contrast enhancement.
【作者單位】： 復(fù)旦大學(xué)電子工程系;
【基金】：國(guó)家自然科學(xué)基金(No.61170207)資助
【分類號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張明超;榮垂慶;張明慧;;指數(shù)自適應(yīng)變化的對(duì)比度增強(qiáng)法[J];電腦知識(shí)與技術(shù);2010年18期

2 張向前 ,李曉峰 ,余旭初;一種基于規(guī)則的對(duì)比度增強(qiáng)方法[J];解放軍測(cè)繪學(xué)院學(xué)報(bào);1991年03期

3 牛和明;王春雷;張建勛;;基于靜電場(chǎng)中彈簧振子模型的對(duì)比度增強(qiáng)[J];光電子.激光;2009年11期

4 翟藝書;梁媛;;基于混合對(duì)比度增強(qiáng)的戶外圖像去霧方法[J];計(jì)算機(jī)仿真;2010年05期

5 劉煥雨;萬秋華;熊文卓;劉春霞;李葆勇;;相機(jī)視頻圖像自適應(yīng)對(duì)比度增強(qiáng)系統(tǒng)的研制[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2008年02期

6 殷松峰;曹良才;楊華;譚峭峰;何慶聲;凌永順;金國(guó)藩;;提高夜視融合目標(biāo)可探測(cè)性的顏色對(duì)比度增強(qiáng)方法[J];紅外與毫米波學(xué)報(bào);2009年04期

7 張彩梅;衛(wèi)劍梅;吳金中;彭志龍;;一種弱小目標(biāo)序列圖像對(duì)比度增強(qiáng)技術(shù)[J];電視技術(shù);2011年09期

8 呂宗偉;;基于亮度保持的子圖像加權(quán)對(duì)比度增強(qiáng)[J];電子學(xué)報(bào);2013年02期

9 劉建科;李洋;;低對(duì)比度手指靜脈圖像的分割[J];電子技術(shù)應(yīng)用;2012年12期

10 李虹;王惠南;董海艷;章嘵國(guó);;血管內(nèi)超聲圖像的血液噪聲抑制和對(duì)比度增強(qiáng)算法[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

相關(guān)會(huì)議論文 前7條

1 陳宇;霍富榮;苗華;;對(duì)比度拉伸在目標(biāo)探測(cè)與識(shí)別中的應(yīng)用研究[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

2 張緒淦;陳斌;李勝明;;基于小波分析的射彈序列圖像對(duì)比度增強(qiáng)[A];第21屆全國(guó)結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅲ冊(cè)[C];2012年

3 陳文新;王長(zhǎng)富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語四聲識(shí)別[A];第一屆全國(guó)語言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

4 李睿;李明軍;;一種模糊高斯基神經(jīng)網(wǎng)絡(luò)在數(shù)值逼近上的仿真[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

5 許旭萍;臧道青;;采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)施缸蓋表面點(diǎn)陣字符識(shí)別[A];第十五屆全國(guó)汽車檢測(cè)技術(shù)年會(huì)論文集[C];2011年

6 朱長(zhǎng)春;;神經(jīng)網(wǎng)絡(luò)用于線性時(shí)固有系統(tǒng)的廣義狀態(tài)轉(zhuǎn)移矩陣的識(shí)別[A];中國(guó)工程物理研究院科技年報(bào)（1999）[C];1999年

7 王玉斌;李永明;王穎;;用數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)工程造價(jià)[A];第十一屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

相關(guān)博士學(xué)位論文 前8條

1 霍金明;光電跟蹤設(shè)備低對(duì)比度目標(biāo)捕獲能力檢驗(yàn)方法研究[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2013年

2 苗華;聯(lián)合變換相關(guān)器低對(duì)比度目標(biāo)相關(guān)峰增強(qiáng)技術(shù)的研究[D];長(zhǎng)春理工大學(xué);2009年

3 瓦利達(dá);數(shù)字X光乳腺圖像多尺度去噪和腫塊分割方法研究[D];華中科技大學(xué);2010年

4 李曉剛;基于神經(jīng)網(wǎng)絡(luò)的碼垛機(jī)器人視覺位姿測(cè)量及伺服控制研究[D];北京林業(yè)大學(xué);2015年

5 戶保田;基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

6 沈旭;基于序列深度學(xué)習(xí)的視頻分析：建模表達(dá)與應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

7 諸勇;正交回歸神經(jīng)網(wǎng)絡(luò)及其在控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);1998年

8 李彥冬;基于卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算機(jī)視覺關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 陳霖;連續(xù)太赫茲波圖像去噪與對(duì)比度增強(qiáng)研究[D];深圳大學(xué);2015年

2 曾祥通;多波段彩色夜視對(duì)比度增強(qiáng)技術(shù)[D];南京理工大學(xué);2015年

3 李峰;低對(duì)比度線段檢測(cè)及應(yīng)用[D];北京交通大學(xué);2017年

4 周智圓;老電影修復(fù)中的對(duì)比度增強(qiáng)與斑塊檢測(cè)修復(fù)算法研究[D];上海交通大學(xué);2011年

5 關(guān)皓文;低對(duì)比度目標(biāo)探測(cè)技術(shù)[D];長(zhǎng)春理工大學(xué);2011年

6 涂雅瑗;霧天降質(zhì)圖像的對(duì)比度增強(qiáng)方法研究[D];大連海事大學(xué);2009年

7 詹永鑫;大尺寸TFT-LCD視頻圖像對(duì)比度增強(qiáng)算法研究[D];華南理工大學(xué);2010年

8 陳凱偉;有霧天氣圖像的對(duì)比度恢復(fù)[D];暨南大學(xué);2006年

9 黃小喬;人眼對(duì)比度敏感函數(shù)在圖像感知中應(yīng)用研究[D];云南師范大學(xué);2007年

10 宿曉慧;CIS白平衡及對(duì)比度增強(qiáng)研究與硬件驗(yàn)證[D];天津大學(xué);2010年

，

本文編號(hào)：1823517