检索结果-南通市图书馆

计算机科学 2024年第2期51卷 172-181页

作者：赵江锋和红杰陈帆杨树斌西南交通大学信息科学与技术学院成都611756 西南交通大学计算机与人工智能学院成都611756

可见水印是一种常用的数字图像版权保护手段。分析可见水印去除结果可以验证图像上水印的有效性,并为水印设计者提供设计或添加水印的参考和启发。目前,大多数的水印去除方法都是基于自然图像的研究,而文档图像在生活中也被广泛使用,但... 详细信息

可见水印是一种常用的数字图像版权保护手段。分析可见水印去除结果可以验证图像上水印的有效性,并为水印设计者提供设计或添加水印的参考和启发。目前,大多数的水印去除方法都是基于自然图像的研究,而文档图像在生活中也被广泛使用,但由于缺乏公开的文档图像去水印数据集,相关文档图像的水印去除研究较少。为了探究水印去除方法在文档图像上的水印去除效果,构建了一个文档图像水印去除数据集(SDIWRD)。在对文档图像可见水印去除的研究中发现,使用已有的水印去除方法得到的水印去除结果中容易留下水印主体伪影或者轮廓伪影。为了解决这个问题,提出了一种基于全局与局部特征的二阶段文档图像可见水印去除模型(RWRNet),该模型采用由粗到细的二阶段的半实例归一化编解码器架构。在粗略阶段,使用全局与局部特征提取模块增强对全局空间特征的捕捉能力,同时保留对局部细节信息的提取能力,从而帮助进行水印去除;在细化阶段,细化网络共享粗略阶段权重,并构建循环特征融合模块来充分挖掘粗略阶段编解码器的重要特征,为细化阶段提供丰富的上下文信息,帮助进行细致的水印去除。此外,还结合了结构相似性损失来帮助获取更好的视觉质量。所提方法在SDIWRD数据集上进行了实验,实验结果显示PSNR达到了41.21 dB,SSIM达到了99.07%,RMSE降低至3.64,优于现有水印去除方法。另外也在公开的CLWD彩色水印去除数据集进行了实验,实验结果显示PNSR达到了39.31dB,SSIM达到98.81%,RMSE降低至3.50,也优于现有水印去除方法。实验结果证明了所提方法具有良好的泛化性和去水印的能力,能有效减轻水印伪影。最后还提出了一些防止水印去除的建议,在相关网站1)可公开访问所提出的方法和数据集。

关键词：可见水印水印去除全局与局部特征提取循环特征融合文档图像

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于关键区域检测的细粒度图像识别方法研究

基于关键区域检测的细粒度图像识别方法研究

引用

作者：杨秀红华侨大学

学位级别：硕士

人类通过视觉获得大量的图像信息和对外界的认识,如何准确的将所感兴趣的目标对象识别出对应的种类是计算机视觉领域近几年来关注的研究热点,所以利用机器学习或深度学习实现精细化图像的识别显得尤为重要。本文针对细粒度图像识别问题... 详细信息

人类通过视觉获得大量的图像信息和对外界的认识,如何准确的将所感兴趣的目标对象识别出对应的种类是计算机视觉领域近几年来关注的研究热点,所以利用机器学习或深度学习实现精细化图像的识别显得尤为重要。本文针对细粒度图像识别问题,对当前国内外相关研究进展进行了总结,深入开展了利用深度学习技术进行图像特征提取的研究。本文的工作内容主要包括:(1)基于注意力机制与多尺度的细粒度图像识别方法细粒度图像分类方法需要实现在一个大类别中子类别的准确识别,即实现精细化的图像分类。而在整张图像中,目标对象往往并不会占据图像的整个区域,会受到复杂多样的、以及无效的背景噪音的影响。在深度神经网络中,网络高层的特征损失了很多局部信息,导致部分特征缺损。对此,本文引入注意力模块筛除背景信息,生成特征掩码映射出目标对象的关键区域,并利用Inception模块针对目标对象的多个、不确定关键区域采用不同尺寸卷积进行特征提取,使得到的特征能够同时含有多个尺度的局部细节信息。实验结果表明,相较于目前主流方法,这种基于注意力机制与多尺度的细粒度图像识别方法能够获得更好的识别准确率。(2)循环特征融合训练与显著性检测的细粒度图像识别方法在基于图像金字塔纵向特征融合做预测的研究中,往往只注重最后的预测结果,而忽略了训练过程中横向的循环特征融合再训练能够获得具有更强表达能力。因此,如何在训练过程中提高特征表达能力逐渐成为一个研究热点。对此,本文提出一种基于前向网络的横向循环特征融合再训练的方法。在前向传播中,将高层的输出特征循环输入多个低层结构中进行特征融合训练,有利于实现精细化的特征分类,从而提高细粒度图像的识别准确率。实验结果表明,该方法能够有效提高识别精度。

关键词：深度学习注意力机制循环特征融合多尺度特征显著性检测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：