基于深度学习的图像局部模糊识别

作     者：杨滨 张涛 陈先意 YANG Bin1,4, ZHANG Tao2, CHEN Xian-yi3

作者机构：江南大学设计学院江苏无锡214122 江南大学轻工过程先进控制教育部重点实验室江苏无锡214122 江南大学物联网学院江苏无锡214122 南京信息工程大学计算机与软件学院南京210044 

出 版 物：《应用科学学报》 (Journal of Applied Sciences)

年 卷 期：2018年第36卷第2期

页      面：321-330页

核心收录：

学科分类：0810[工学-信息与通信工程] 0808[工学-电气工程] 08[工学] 0839[工学-网络空间安全] 0805[工学-材料科学与工程（可授工学、理学学位）] 0701[理学-数学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.61232016 No.61502242)资助 

主　　题：模糊识别 深度学习 卷积神经网络 图像取证 滤波检测 

摘      要：数字图像中常用模糊操作隐藏或抹去篡改的痕迹.为此,针对常用的高斯模糊、均值模糊及中值模糊操作的识别问题,构建了一种卷积神经网络模型,并给出其网络拓扑结构.在传统的卷积神经网络模型中添加一个信息处理层,提取出输入图像块的滤波频域残差特征,以提高网络模型对一次滤波与二次滤波操作的识别性.实验结果表明,所提方法的准确率较以往传统方法有较大提升,且泛化性能优越,能检测出主流的线性和非线性滤波操作。