[发明专利]鉴别图像真伪的方法、装置、设备及计算机可读存储介质在审

专利信息
申请号: 202111454061.1 申请日: 2021-12-01
公开(公告)号: CN114140431A 公开(公告)日: 2022-03-04
发明(设计)人: 王雷;周锴;张睿 申请(专利权)人: 北京三快在线科技有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62;G06T5/40;G06V10/764
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 谢冬寒
地址: 100080 北京市海*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 鉴别 图像 真伪 方法 装置 设备 计算机 可读 存储 介质
【权利要求书】:

1.一种鉴别图像真伪的方法,其特征在于,所述方法包括:

获取待鉴别的图像;

提取所述图像中的目标区域,统计所述目标区域中的像素值,根据统计结果得到像素值分布直方图;

基于所述像素值分布直方图,生成像素值分布特征图;

对所述像素值分布特征图进行分类,得到分类结果,基于所述分类结果确定所述图像的真伪结果。

2.根据权利要求1所述的方法,其特征在于,所述基于所述像素值分布直方图,生成像素值分布特征图,包括:

计算所述像素值分布直方图中每一个维度像素数量的平均值;

基于所述平均值,计算所述像素值分布直方图中每一个维度之间的协方差;

基于所述协方差,生成协方差特征矩阵,所述协方差特征矩阵具有所述目标区域中像素值的分布特征;

基于所述协方差特征矩阵得到所述像素值分布特征图。

3.根据权利要求1或2所述的方法,其特征在于,所述基于所述分类结果确定所述图像的真伪结果,包括:

获取所述分类结果与对所述图像的标注结果之间的交叉熵损失函数值;

基于最小值所述交叉熵损失函数值对所述分类结果进行优化,得到优化结果;

基于所述优化结果确定所述图像的所述真伪结果。

4.根据权利要求1或2所述的方法,其特征在于,所述提取所述图像中的目标区域,包括:

利用快速区域卷积神经网络Faster-RCNN提取所述图像中的目标区域;

或者,利用单个深度神经网络多框探测器SSD提取所述图像中的目标区域。

5.根据权利要求2所述的方法,其特征在于,所述基于所述协方差特征矩阵得到所述像素值分布特征图,包括:

基于任意一种残差神经网络ResNet提取所述协方差特征矩阵中的所述分布特征,得到所述像素值分布特征图。

6.根据权利要求1-5任一所述的方法,其特征在于,所述目标区域为所述图像中包含文字的区域。

7.一种鉴别图像真伪的装置,其特征在于,所述装置包括:

获取模块,用于获取待鉴别的图像;

提取模块,用于提取所述图像中的目标区域,统计所述目标区域中的像素值,根据统计结果得到像素值分布直方图;

生成模块,用于基于所述像素值分布直方图,生成像素值分布特征图;

分类模块,用于对所述像素值分布特征图进行分类,得到分类结果,基于所述分类结果确定所述图像的真伪结果。

8.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以使所述计算机设备实现如权利要求1至6任一所述的鉴别图像真伪的方法。

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以使计算机实现如权利要求1至6任一所述的鉴别图像真伪的方法。

10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序或计算机指令,所述计算机程序或所述计算机指令由处理器加载并执行,以使计算机实现如权利要求1至6任一所述的鉴别图像真伪的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京三快在线科技有限公司,未经北京三快在线科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111454061.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top