論文元數(shù)據(jù)搜索，找到相關(guān)信息共 2 條：
2006, 28(6): 1031-1035.
刊出日期：2006-06-19
關(guān)鍵詞:
圖像處理;模式識(shí)別;廣義局部沃爾什變換;紋理特征
該文提出一組基于廣義局部沃爾什變換(GLWT)的紋理特征。首先給出局部沃爾什變換(LWT)的定義，并在空域中對(duì)其加以推廣，用以提取圖像的局部紋理信息；然后在一個(gè)宏窗口中估計(jì)12個(gè)GLWT系數(shù)的二階矩作為圖像的紋理特征。對(duì)這組紋理特征的鑒別性能進(jìn)行了分析，并與Haralick(1973)，Wang Li(1990)，以及Yu Hui提出的紋理特征進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，該文提出的紋理特征具有更好的鑒別性能和分類能力。
2022, 44(8): 2949-2956.
doi: 10.11999/JEIT210537
刊出日期：2022-08-17
針對(duì)目前圖像隱寫(xiě)檢測(cè)模型中線性卷積層對(duì)高階特征表達(dá)能力有限，以及各通道特征圖沒(méi)有區(qū)分的問(wèn)題，該文構(gòu)建了一個(gè)基于多層感知卷積和通道加權(quán)的卷積神經(jīng)網(wǎng)絡(luò)(CNN)隱寫(xiě)檢測(cè)模型。該模型使用多層感知卷積(Mlpconv)代替?zhèn)鹘y(tǒng)的線性卷積，增強(qiáng)隱寫(xiě)檢測(cè)模型對(duì)高階特征的表達(dá)能力；同時(shí)引入通道加權(quán)模塊，實(shí)現(xiàn)根據(jù)全局信息對(duì)每個(gè)卷積通道賦予不同的權(quán)重，增強(qiáng)有用特征并抑制無(wú)用特征，增強(qiáng)模型提取檢測(cè)特征的質(zhì)量。實(shí)驗(yàn)結(jié)果表明，該檢測(cè)模型針對(duì)不同典型隱寫(xiě)算法及不同嵌入率，相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的檢測(cè)準(zhǔn)確率，與最優(yōu)的Zhu-Net相比，準(zhǔn)確率提高1.95%～6.15%。
