改进的卷积神经网络用于对比度增强取证

发布时间：2018-04-30 06:49

  本文选题：图像取证 + 图像对比度增强检测　； 参考：《应用科学学报》2017年06期

【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.
[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.
【作者单位】： 复旦大学电子工程系;
【基金】：国家自然科学基金(No.61170207)资助
【分类号】：TP183;TP391.41

【相似文献】

相关期刊论文 前10条

1 张明超;荣垂庆;张明慧;;指数自适应变化的对比度增强法[J];电脑知识与技术;2010年18期

2 张向前 ,李晓峰 ,余旭初;一种基于规则的对比度增强方法[J];解放军测绘学院学报;1991年03期

3 牛和明;王春雷;张建勋;;基于静电场中弹簧振子模型的对比度增强[J];光电子.激光;2009年11期

4 翟艺书;梁媛;;基于混合对比度增强的户外图像去雾方法[J];计算机仿真;2010年05期

5 刘焕雨;万秋华;熊文卓;刘春霞;李葆勇;;相机视频图像自适应对比度增强系统的研制[J];武汉理工大学学报(交通科学与工程版);2008年02期

6 殷松峰;曹良才;杨华;谭峭峰;何庆声;凌永顺;金国藩;;提高夜视融合目标可探测性的颜色对比度增强方法[J];红外与毫米波学报;2009年04期

7 张彩梅;卫剑梅;吴金中;彭志龙;;一种弱小目标序列图像对比度增强技术[J];电视技术;2011年09期

8 吕宗伟;;基于亮度保持的子图像加权对比度增强[J];电子学报;2013年02期

9 刘建科;李洋;;低对比度手指静脉图像的分割[J];电子技术应用;2012年12期

10 李虹;王惠南;董海艳;章哓国;;血管内超声图像的血液噪声抑制和对比度增强算法[J];华南理工大学学报(自然科学版);2009年01期

相关会议论文 前7条

1 陈宇;霍富荣;苗华;;对比度拉伸在目标探测与识别中的应用研究[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

2 张绪淦;陈斌;李胜明;;基于小波分析的射弹序列图像对比度增强[A];第21届全国结构工程学术会议论文集第Ⅲ册[C];2012年

3 陈文新;王长富;戴蓓倩;;基于神经网络的汉语四声识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

4 李睿;李明军;;一种模糊高斯基神经网络在数值逼近上的仿真[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

5 许旭萍;臧道青;;采用Hopfield神经网络实施缸盖表面点阵字符识别[A];第十五届全国汽车检测技术年会论文集[C];2011年

6 朱长春;;神经网络用于线性时固有系统的广义状态转移矩阵的识别[A];中国工程物理研究院科技年报（1999）[C];1999年

7 王玉斌;李永明;王颖;;用数据挖掘和神经网络技术预测工程造价[A];第十一届全国电工数学学术年会论文集[C];2007年

相关重要报纸文章 前1条

1 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

相关博士学位论文 前8条

1 霍金明;光电跟踪设备低对比度目标捕获能力检验方法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2013年

2 苗华;联合变换相关器低对比度目标相关峰增强技术的研究[D];长春理工大学;2009年

3 瓦利达;数字X光乳腺图像多尺度去噪和肿块分割方法研究[D];华中科技大学;2010年

4 李晓刚;基于神经网络的码垛机器人视觉位姿测量及伺服控制研究[D];北京林业大学;2015年

5 户保田;基于深度神经网络的文本表示及其应用[D];哈尔滨工业大学;2016年

6 沈旭;基于序列深度学习的视频分析：建模表达与应用[D];中国科学技术大学;2017年

7 诸勇;正交回归神经网络及其在控制系统中的应用[D];浙江大学;1998年

8 李彦冬;基于卷积神经网络的计算机视觉关键技术研究[D];电子科技大学;2017年

相关硕士学位论文 前10条

1 陈霖;连续太赫兹波图像去噪与对比度增强研究[D];深圳大学;2015年

2 曾祥通;多波段彩色夜视对比度增强技术[D];南京理工大学;2015年

3 李峰;低对比度线段检测及应用[D];北京交通大学;2017年

4 周智圆;老电影修复中的对比度增强与斑块检测修复算法研究[D];上海交通大学;2011年

5 关皓文;低对比度目标探测技术[D];长春理工大学;2011年

6 涂雅瑗;雾天降质图像的对比度增强方法研究[D];大连海事大学;2009年

7 詹永鑫;大尺寸TFT-LCD视频图像对比度增强算法研究[D];华南理工大学;2010年

8 陈凯伟;有雾天气图像的对比度恢复[D];暨南大学;2006年

9 黄小乔;人眼对比度敏感函数在图像感知中应用研究[D];云南师范大学;2007年

10 宿晓慧;CIS白平衡及对比度增强研究与硬件验证[D];天津大学;2010年

，

本文编号：1823517