两种特定图像的敏感内容识别方法的研究
发布时间：2021-09-30 00:57
本文的主要研究内容是红头文件图像的识别和军人图像中军装的识别。随着互联网的普及程度越来越高,无纸化办公的推广,很多单位、部门都使用计算机来处理公文。并且近年来移动互联网的用户不断增加,智能手机几乎成为人们的随身物品,一些包含重要信息的纸质文件容易通过拍照、扫描等方式以图片形式存储。无纸化办公带来了便利但也具有安全风险,这些图片很容易泄漏到网络环境中。与此同时,由于智能手机使用便捷,军人也很容易接触互联网。在《中国人民解放军严密防范网络泄密十条禁令》中有明确的要求,不能在微信等网络聊天工具中发表可能存在涉密信息的图像或是视频,不能以军人着军装的图像作为微信头像等。军装图片在互联网中的传播是对军队保密工作的一个重大的挑战。本文利用图像处理技术和基于深度学习的图像识别技术来检测网络中传播的红头文件图片和军人图片。本文的主要工作概括如下:（1）基于HSI色彩空间提取颜色特征,并结合Hough变换的方式提取红头文件的标题特征区域和公章特征区域,使用OCR技术对标题特征区域的文字进行识别。（2）提出一种简化三元组损失,并融合softmax损失来构建CNN模型对公章特征区域进行分类。CNN模型采用两...
【文章来源】：成都信息工程大学四川省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
RGB颜色模型
成都信息工程大学硕士学位论文第6页共53页异[24]。可以利用线性或非线性变换将RGB色彩空间转变为其他色彩空间。2.1.2HSI色彩空间HSI色彩空间反映了人的视觉系统感知彩色的方式，以色调（H）、饱和度（S）和亮度（I）三种基本特征量来感知颜色[25]。HSI是面向用户的，符合人类对颜色在视觉上的理解，主要使用色调和饱和度来表示颜色，同时能够在一定程度上排除亮度对图像整体的干扰，这些特点使得HSI模型非常适合彩色特性检测与分析。HSI颜色模型可以由图2-2的模型来表示。(a)HSI颜色模型(b)色调角度坐标图2-2HSI颜色模型图2-2（a）是一个双六棱锥，中轴表示亮度，色调以红色为0度的起点，其角度范围为[0，2π]。一张图像在计算机中通常是以三通道的RGB模式来存储的，要使用HSI色彩空间对图像进行处理首先需要对色彩空间进行转换。红头文件的标题及公章主体颜色均为红色，将待处理的红头文件图像转换到HSI色彩空间以便提取其明显的特征。RGB转换到HSI的公式如下所示。BGBGH2（2-1）other))(()()()(21cosarc02BGRBGBRGRBRGR（2-2）BGRBGRS),,min(31（2-3）
成都信息工程大学硕士学位论文第8页共53页个变量分别对应参数空间中的纵坐标轴和横坐标轴。在图像空间中有一点，确定该点的坐标，通过改变可以找到通过该点的所有可能的直线，在参数空间中会形成一个与该点对应的正弦曲线。将图像空间中的所有像素点都通过这种变换之后，可以在参数空间中找到一个相交曲线最多的点，从而找到图像中的直线。图2-3图像空间到参数空间的转换2.2.2Hough圆变换Hough圆变换即利用圆的标准方程将圆从图像空间中映射到参数空间中[29]，方程如下：222byaxr（2-9）其中，r为半径，（a,b）为圆心坐标。Hough变换检测圆形与检测直线的原理差别不大，就是在参数空间中去拟合给定的方程。在直线方程中有两个自由变量，而在圆的标准方程中有r、a和b三个自由变量，因此Hough圆变换的计算量更大。但是可以通过限定半径r的范围，对于满足条件的r相当于只需要去寻找满足条件的a、b就可以了，减少了计算量。2.3深度学习概述深度学习有着很长的发展历史，早期人工神经网络的研究促进了深度学习的产生[30]。一般深度学习指有多个输入层、多个隐含层和输出层的深层模型。RumelhartDE,HintonGE等人1986年在《Nature》上发表一篇题为《LearningInternalRepresentationsbyErrorPropagation》的文章，在该文中提出了著名的BP算法[31]。在BP算法提出3年之后，LecunY等人选择使用BP算法训练多层卷积神经网络来识别手写数字，这可以说是CNN的雏形[32]。1998年依然还是LecunY，提出了第一个正式的卷积神经网络模型——LeNet-5[33]。该网络结构如图2-4所示。Hinton等人在2006年在《Science》发表了重要的论文，题为《Reducingthe
【参考文献】：
期刊论文
[1]图像中印章的检测定位与识别研究[J]. 姚敏,牟雪儿,陈鹏,赵梦龙,栗卓然. 信息技术与信息化. 2018(12)
[2]基于多任务CNN的监控视频中异常行人快速检测[J]. 李俊杰,刘成林,朱明. 计算机系统应用. 2018(11)
[3]多特征融合决策的发票印章识别[J]. 欧阳欢,范大昭,李东子. 计算机工程与设计. 2018(09)
[4]一种基于深度度量学习的视频分类方法[J]. 智洪欣,于洪涛,李邵梅,高超,王艳川. 电子与信息学报. 2018(11)
[5]基于深度卷积神经网络的层次多任务服装分类[J]. 林城龙,胡伟,李瑞瑞. 中国体视学与图像分析. 2018(02)
[6]基于多任务卷积神经网络的车辆多属性识别[J]. 王耀玮,唐伦,刘云龙,陈前斌. 计算机工程与应用. 2018(08)
[7]基于残差的优化卷积神经网络服装分类算法[J]. 张振焕,周彩兰,梁媛. 计算机工程与科学. 2018(02)
[8]基于canny和霍夫变换的车道线识别算法研究[J]. 唐阳山,李栋梁,朱停仃,黄贤成. 汽车实用技术. 2017(22)
[9]基于度量学习的服装图像分类和检索[J]. 包青平,孙志锋. 计算机应用与软件. 2017(04)
[10]基于深度卷积神经网络的服装图像分类检索算法[J]. 厉智,孙玉宝,王枫,刘青山. 计算机工程. 2016(11)
硕士论文
[1]印鉴提取和识别的研究及应用[D]. 宋成璐.吉林大学 2016
[2]印章定位与配准系统的设计与实现[D]. 刘志慧.哈尔滨工业大学 2015
[3]图像中的军装识别系统设计与实现[D]. 周旭峰.华南理工大学 2014
[4]基于脉冲耦合神经网络的印章识别[D]. 刘乃迪.河北工业大学 2014
[5]基于YCrCb色彩空间的人脸检测算法的设计与实现[D]. 吴要领.电子科技大学 2013
[6]特定背景下的公章识别技术研究[D]. 张栗.北京化工大学 2008
本文编号：3414801
【文章来源】：成都信息工程大学四川省
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
RGB颜色模型
成都信息工程大学硕士学位论文第6页共53页异[24]。可以利用线性或非线性变换将RGB色彩空间转变为其他色彩空间。2.1.2HSI色彩空间HSI色彩空间反映了人的视觉系统感知彩色的方式，以色调（H）、饱和度（S）和亮度（I）三种基本特征量来感知颜色[25]。HSI是面向用户的，符合人类对颜色在视觉上的理解，主要使用色调和饱和度来表示颜色，同时能够在一定程度上排除亮度对图像整体的干扰，这些特点使得HSI模型非常适合彩色特性检测与分析。HSI颜色模型可以由图2-2的模型来表示。(a)HSI颜色模型(b)色调角度坐标图2-2HSI颜色模型图2-2（a）是一个双六棱锥，中轴表示亮度，色调以红色为0度的起点，其角度范围为[0，2π]。一张图像在计算机中通常是以三通道的RGB模式来存储的，要使用HSI色彩空间对图像进行处理首先需要对色彩空间进行转换。红头文件的标题及公章主体颜色均为红色，将待处理的红头文件图像转换到HSI色彩空间以便提取其明显的特征。RGB转换到HSI的公式如下所示。BGBGH2（2-1）other))(()()()(21cosarc02BGRBGBRGRBRGR（2-2）BGRBGRS),,min(31（2-3）
成都信息工程大学硕士学位论文第8页共53页个变量分别对应参数空间中的纵坐标轴和横坐标轴。在图像空间中有一点，确定该点的坐标，通过改变可以找到通过该点的所有可能的直线，在参数空间中会形成一个与该点对应的正弦曲线。将图像空间中的所有像素点都通过这种变换之后，可以在参数空间中找到一个相交曲线最多的点，从而找到图像中的直线。图2-3图像空间到参数空间的转换2.2.2Hough圆变换Hough圆变换即利用圆的标准方程将圆从图像空间中映射到参数空间中[29]，方程如下：222byaxr（2-9）其中，r为半径，（a,b）为圆心坐标。Hough变换检测圆形与检测直线的原理差别不大，就是在参数空间中去拟合给定的方程。在直线方程中有两个自由变量，而在圆的标准方程中有r、a和b三个自由变量，因此Hough圆变换的计算量更大。但是可以通过限定半径r的范围，对于满足条件的r相当于只需要去寻找满足条件的a、b就可以了，减少了计算量。2.3深度学习概述深度学习有着很长的发展历史，早期人工神经网络的研究促进了深度学习的产生[30]。一般深度学习指有多个输入层、多个隐含层和输出层的深层模型。RumelhartDE,HintonGE等人1986年在《Nature》上发表一篇题为《LearningInternalRepresentationsbyErrorPropagation》的文章，在该文中提出了著名的BP算法[31]。在BP算法提出3年之后，LecunY等人选择使用BP算法训练多层卷积神经网络来识别手写数字，这可以说是CNN的雏形[32]。1998年依然还是LecunY，提出了第一个正式的卷积神经网络模型——LeNet-5[33]。该网络结构如图2-4所示。Hinton等人在2006年在《Science》发表了重要的论文，题为《Reducingthe
【参考文献】：
期刊论文
[1]图像中印章的检测定位与识别研究[J]. 姚敏,牟雪儿,陈鹏,赵梦龙,栗卓然. 信息技术与信息化. 2018(12)
[2]基于多任务CNN的监控视频中异常行人快速检测[J]. 李俊杰,刘成林,朱明. 计算机系统应用. 2018(11)
[3]多特征融合决策的发票印章识别[J]. 欧阳欢,范大昭,李东子. 计算机工程与设计. 2018(09)
[4]一种基于深度度量学习的视频分类方法[J]. 智洪欣,于洪涛,李邵梅,高超,王艳川. 电子与信息学报. 2018(11)
[5]基于深度卷积神经网络的层次多任务服装分类[J]. 林城龙,胡伟,李瑞瑞. 中国体视学与图像分析. 2018(02)
[6]基于多任务卷积神经网络的车辆多属性识别[J]. 王耀玮,唐伦,刘云龙,陈前斌. 计算机工程与应用. 2018(08)
[7]基于残差的优化卷积神经网络服装分类算法[J]. 张振焕,周彩兰,梁媛. 计算机工程与科学. 2018(02)
[8]基于canny和霍夫变换的车道线识别算法研究[J]. 唐阳山,李栋梁,朱停仃,黄贤成. 汽车实用技术. 2017(22)
[9]基于度量学习的服装图像分类和检索[J]. 包青平,孙志锋. 计算机应用与软件. 2017(04)
[10]基于深度卷积神经网络的服装图像分类检索算法[J]. 厉智,孙玉宝,王枫,刘青山. 计算机工程. 2016(11)
硕士论文
[1]印鉴提取和识别的研究及应用[D]. 宋成璐.吉林大学 2016
[2]印章定位与配准系统的设计与实现[D]. 刘志慧.哈尔滨工业大学 2015
[3]图像中的军装识别系统设计与实现[D]. 周旭峰.华南理工大学 2014
[4]基于脉冲耦合神经网络的印章识别[D]. 刘乃迪.河北工业大学 2014
[5]基于YCrCb色彩空间的人脸检测算法的设计与实现[D]. 吴要领.电子科技大学 2013
[6]特定背景下的公章识别技术研究[D]. 张栗.北京化工大学 2008
本文编号：3414801
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3414801.html
最近更新
教材专著
