-
公开(公告)号：CN103281178A
公开(公告)日：2013-09-04
申请号：CN201310228111.3
申请日：2013-06-08
申请人： 深圳大学
IPC分类号： H04L9/28
摘要： 本发明属于信息隐藏传输技术领域，提供了一种隐匿通信方法及系统。该方法及系统通过调整载体图像的相邻图像块之间、相邻行/列的各像素值（不包括行的首尾像素值）排列逆序数的奇偶性来嵌入秘密比特数值。根据逆序数的性质易知，对图像每一分块不需进行超过1对像素点的改变就可以嵌入1比特数值，从而可以保证隐匿图像的质量，另外，载体图像所分的块除了最右面和最下面的边界块，每个块右相邻的块和下相邻的块，从而使得载体图像的嵌入容量几乎提高了1倍，本发明方法较好地解决了当前基于图像的隐匿通信方法中嵌入容量都比较小的问题，拓展了利用图像对秘密信息进行隐匿传输的适用范围。
-
公开(公告)号：CN109902584B
公开(公告)日：2022-02-22
申请号：CN201910080138.X
申请日：2019-01-28
申请人： 深圳大学
摘要： 本发明适用机器视觉图像检测与深度学习技术领域，提供了一种口罩缺陷的识别方法、装置、设备及存储介质，该方法包括：通过多特征融合卷积神经网络模型中的第一子模型对待进行口罩缺陷识别的口罩图像进行空间变换处理，得到第一口罩图像，通过多特征融合卷积神经网络模型中的第二子模型对该口罩图像进行降维处理，得到第二口罩图像，将第一子图像和第二子图像进行图像融合，得到第三口罩图像，采用Softmax函数对该第三口罩图像的图像特征进行分类预测，得到与口罩缺陷类型对应的各分类概率，根据该分类概率对口罩图像的口罩缺陷进行识别，从而通过多特征融合卷积神经网络模型提高口罩缺陷特征的区分度，以及提高了对不同口罩缺陷类型识别的精确度。
-
公开(公告)号：CN108550118B
公开(公告)日：2022-02-22
申请号：CN201810240092.9
申请日：2018-03-22
申请人： 深圳大学
IPC分类号： G06T5/00
摘要： 本发明适用图像处理技术领域，提供了一种运动模糊图像的模糊处理方法、装置、设备及存储介质，该方法包括：当接收到对运动模糊图像的模糊处理请求时，将该运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中，该生成器包括压缩激励残差网络单元和缩放卷积单元，通过压缩激励残差网络单元对运动模糊图像进行特征提取，以得到运动模糊图像对应的特征图像，通过缩放卷积单元对特征图像进行模糊处理，以得到运动模糊图像对应的清晰图像，从而降低了运动模糊图像的模糊处理中的棋盘效应，提高了运动模糊图像复原的清晰度，并提高了本发明增强型生成对抗网络的泛化性能。
-
公开(公告)号：CN111429352A
公开(公告)日：2020-07-17
申请号：CN202010221409.1
申请日：2020-03-26
申请人： 深圳大学
摘要： 本发明提供了一种基于神经网络的图像超分辨率重建方法及设备，通过在超分网络中构建感受野与通道融合模块，所述感受野与通道融合模块包含多个含有感受野融合单元和通道信息融合单元的信息融合组。通过各个信息融合组中的感受野融合单元和通道信息融合单元对输入的特征图进行迭代信息融合，最后得到重建出的超分辨率图像。其中，利用感受野融合单元提升网络感受野，提高了网络对输入图像信息中不同区域信息密度差别的适应性，以及通过通道信息融合单元提供更多特征信息，缓解空间特征提取的压力，加快网络训练速度，提高网络效率，因此提升网络的自适应能力和鲁棒性。
-
公开(公告)号：CN110390651A
公开(公告)日：2019-10-29
申请号：CN201910665515.6
申请日：2019-07-23
申请人： 深圳大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种运动模糊视频复原方法和装置以及设备。其中，所述方法包括：将运动模糊视频中的多帧模糊图像共同作为卷积神经网络的输入，和采用三维变形卷积网络方式，对该作为卷积神经网络的输入的多帧模糊图像的物体特征形变进行建模，以及根据该对该作为卷积神经网络的输入的多帧模糊图像的物体特征形变进行的建模，对该运动模糊视频进行复原。通过上述方式，能够实现有效对运动模糊视频中的物体特征形变进行建模，能够有效提升运动模糊视频复原效果。
-
公开(公告)号：CN106101746B
公开(公告)日：2019-08-16
申请号：CN201610546333.3
申请日：2016-07-12
申请人： 深圳大学
IPC分类号： H04N21/2347 , H04N21/266 , H04N21/4405 , H04N21/835
摘要： 本发明提供一种数字视频内容安全认证的方法，其中，所述方法包括：秘密信息嵌入步骤：对数字视频中的每一幅帧图像选择修改一个像素灰度值以完成1比特秘密信息的嵌入；秘密信息提取和视频认证步骤：根据密钥从嵌入了秘密信息的数字视频进行秘密信息提取以实现对数字视频内容安全的认证。本发明还提供一种数字视频内容安全认证的系统。本发明提供的技术方案能在不影响用户体验的基础上提高认证的安全性。
-
公开(公告)号：CN105844229B
公开(公告)日：2019-08-09
申请号：CN201610161123.2
申请日：2016-03-18
申请人： 深圳大学
IPC分类号： G06K9/00
摘要： 本发明提供了一种乘客拥挤度的计算方法，包括：建立视频数据采集环境，并开始采集乘客上下车的视频数据；读取采集到的乘客上下车的视频数据，并对所述视频数据进行连续多帧图像的预处理；根据预处理的结果进行人头部识别，并将检测出的人头部作为均值漂移所要跟踪的目标对象；在所述目标对象所在的区域内判定乘客的下车行为和上车行为，并根据乘客的上下车人数确定车内乘客拥挤度。本发明还提供一种乘客拥挤度的计算系统。本发明提供的技术方案采用除去静态背景的预处理能有效克服光照强弱变化等对帧图像中人头顶部识别的干扰，通过检测窗口的尺寸限制能有效减小对人头顶部的误检、漏检和错检。
-
公开(公告)号：CN108550118A
公开(公告)日：2018-09-18
申请号：CN201810240092.9
申请日：2018-03-22
申请人： 深圳大学
IPC分类号： G06T5/00
摘要： 本发明适用图像处理技术领域，提供了一种运动模糊图像的模糊处理方法、装置、设备及存储介质，该方法包括：当接收到对运动模糊图像的模糊处理请求时，将该运动模糊图像输入到预先训练好的增强型生成对抗网络的生成器中，该生成器包括压缩激励残差网络单元和缩放卷积单元，通过压缩激励残差网络单元对运动模糊图像进行特征提取，以得到运动模糊图像对应的特征图像，通过缩放卷积单元对特征图像进行模糊处理，以得到运动模糊图像对应的清晰图像，从而降低了运动模糊图像的模糊处理中的棋盘效应，提高了运动模糊图像复原的清晰度，并提高了本发明增强型生成对抗网络的泛化性能。
-
公开(公告)号：CN105592323B
公开(公告)日：2018-08-24
申请号：CN201610156127.1
申请日：2016-03-18
申请人： 深圳大学
IPC分类号： H04N21/2347 , H04N21/235 , H04N21/4405 , H04N19/182
摘要： 本发明涉及一种将秘密信息写入视频的方法和系统、视频认证方法和系统。本发明将视频帧图像作为平面，在该平面构造曲线函数，按照曲线函数从视频每帧图像中按序选定像素点，获得这些有序像素点的R值、G值、B值排列，必要时分别调整各排列中某些像素点的R值、G值或B值，使各排列的逆序数奇偶性分别对应待写入的秘密信息，从而嵌入秘密信息。本发明中，视频的每帧图像中只需提取很小部分像素，利用这部分像素的三个颜色通道值的排列的逆序数奇偶性就可分别表示三个比特位值，对视频图像的破坏性很小。同时，由于秘密信息的每个比特位都以某帧图像中提取出的像素的某个颜色通道值的排列逆序数表示，使得秘密信息隐藏更隐蔽，脆弱性更好。
-
公开(公告)号：CN108364262A
公开(公告)日：2018-08-03
申请号：CN201810027495.5
申请日：2018-01-11
申请人： 深圳大学
摘要： 本发明适用图像处理技术领域，提供了一种模糊图像的复原方法、装置、设备及存储介质，该方法包括：当接收到对目标模糊图像进行复原的请求时，首先，对目标模糊图像进行归一化处理，得到归一化图像，再通过滑动窗口对归一化图像进行滑动采样，以得到目标模糊图像对应的目标采样样本，然后，通过预设的优化BP神经网络对目标采样样本进行复原处理，以得到目标模糊图像的复原数据，最后，对得到的复原数据进行反归一化处理，得到目标模糊图像的复原图像，从而提高了模糊图像的复原精确度和复原速度，进而提高了复原图像的清晰度。
-
-
-
-
-
-
-
-
-
搜索结果
42 条记录 (耗时 0.054 秒)