CN114863143A - 图像检测方法、装置、电子设备及存储介质 - Google Patents
图像检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114863143A CN114863143A CN202210561206.6A CN202210561206A CN114863143A CN 114863143 A CN114863143 A CN 114863143A CN 202210561206 A CN202210561206 A CN 202210561206A CN 114863143 A CN114863143 A CN 114863143A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- channel
- hidden
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本申请公开一种图像检测方法、装置、电子设备及存储介质,涉及图像处理技术领域,尤其涉及人工智能及计算机视觉领域。具体实现方案为:获取待检测图像;对待检测图像进行通道分离,获得第一子图像和第二子图像,其中,第一子图像对应的图像通道为颜色通道,第二子图像对应的图像通道为透明通道;根据第一子图像和第二子图像,生成第一隐藏图像和三通道图像;根据待检测图像,生成第二隐藏图像;第二隐藏图像的背景颜色为与第一颜色不同的第二颜色;根据三通道图像、第一隐藏图像和第二隐藏图像,检测待检测图像是否为包含隐藏信息的图像。根据本申请的技术方案,能够降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及人工智能及计算机视觉领域,特别涉及一种图像检测方法、装置、电子设备及存储介质。
背景技术
为逃避审核,违规图像可能通过技术手段隐藏在常规图像中,并只在特定情况下显现。为避免这种类型的图像在网络上传播,而对网络环境造成破坏,需要对相关场景中的图像进行检测,以判断该图像是否包含隐藏的违规图像。
发明内容
本申请提供了一种图像检测方法、装置、设备以及存储介质。
根据本申请的第一方面,提供了一种图像检测方法,包括:获取待检测图像;所述待检测图像为带透明通道且背景颜色为第一颜色的图像;对所述待检测图像进行通道分离,获得第一子图像和第二子图像,其中,所述第一子图像对应的图像通道为颜色通道,所述第二子图像对应的图像通道为所述透明通道;根据所述第一子图像和所述第二子图像,生成第一隐藏图像和三通道图像;根据所述待检测图像,生成第二隐藏图像;所述第二隐藏图像的背景颜色为与所述第一颜色不同的第二颜色;根据所述三通道图像、所述第一隐藏图像和所述第二隐藏图像,检测所述待检测图像是否为包含隐藏信息的图像。
在一种实现方式中,所述根据所述第一子图像和所述第二子图像,生成第一隐藏图像和三通道图像,包括:根据所述第一子图像和所述第二子图像,基于透明通道提取第一隐藏图像;根据所述第一子图像和所述第二子图像,结合颜色通道和透明通道提取三通道图像。
在一种实现方式中,所述根据所述待检测图像,生成第二隐藏图像,包括:生成一张颜色为所述第二颜色的四通道图像;其中,所述四通道图像的尺寸大小和图像通道与所述待检测图像的尺寸大小和图像通道相同;采用图像处理库中的粘贴paste函数,结合所述待检测图像中的透明通道,将所述待检测图像粘贴到所述四通道图像中,得到所述第二隐藏图像。
在一种实现方式中,所述根据所述三通道图像、所述第一隐藏图像和所述第二隐藏图像,检测所述待检测图像是否为包含隐藏信息的图像,包括:计算所述三通道图像与所述第一隐藏图像之间的第一结构相似度;计算所述待检测图像与所述第二隐藏图像之间的第二结构相似度;将所述第一结构相似度和所述第二结构相似度分别与第一阈值进行大小比较;响应于所述第一结构相似度和/或所述第二结构相似度大于所述第一阈值,检测所述待检测图像为未包含隐藏信息的图像。
在一种可选地实现方式中,所述的方法,还包括:响应于所述第一结构相似度和所述第二结构相似度均小于或等于所述第一阈值,提取所述第一隐藏图像中的第一特征信息,并提取所述三通道图像中的第二特征信息;计算所述第一特征信息与所述第二特征信息之间的相似度;响应于所述相似度大于第二阈值,检测所述待检测图像为包含隐藏信息的图像。
可选地,所述的方法,还包括:响应于检测所述待检测图像为包含隐藏信息的图像,对所述第一隐藏图像进行内容检测,以识别所述第一隐藏图像是否属于目标图像。
在一种实现方式中,所述对所述待检测图像进行通道分离,获得第一子图像和第二子图像,包括:确定所述待检测图像的图像模式;响应于所述图像模式为带透明通道的RGB模式,对所述待检测图像进行通道分离,获得第一子图像和第二子图像;或者,响应于所述图像模式为带透明通道的灰度模式,将所述待检测图像从所述灰度模式转换成所述RGB模式,并对转换成所述RGB模式的待检测图像进行通道分离,获得第一子图像和第二子图像。
在一种实现方式中,所述第一颜色为黑色;所述第二颜色为白色。
根据本申请的第二方面,提供了一种图像检测装置,包括:获取模块,用于获取待检测图像;所述待检测图像为带透明通道且背景颜色为第一颜色的图像;第一处理模块,用于对所述待检测图像进行通道分离,获得第一子图像和第二子图像,其中,所述第一子图像对应的图像通道为颜色通道,所述第二子图像对应的图像通道为所述透明通道;第二处理模块,用于根据所述第一子图像和所述第二子图像,生成第一隐藏图像和三通道图像;第三处理模块,用于根据所述待检测图像,生成第二隐藏图像;所述第二隐藏图像的背景颜色为与所述第一颜色不同的第二颜色;第四处理模块,用于根据所述三通道图像、所述第一隐藏图像和所述第二隐藏图像,检测所述待检测图像是否为包含隐藏信息的图像。
在一种实现方式中,所述第二处理模块具体用于:根据所述第一子图像和所述第二子图像,基于透明通道提取第一隐藏图像;根据所述第一子图像和所述第二子图像,结合颜色通道和透明通道提取三通道图像。
在一种实现方式中,所述第三处理模块具体用于:生成一张颜色为所述第二颜色的四通道图像;其中,所述四通道图像的尺寸大小和图像通道与所述待检测图像的尺寸大小和图像通道相同;采用图像处理库中的粘贴paste函数,结合所述待检测图像中的透明通道,将所述待检测图像粘贴到所述四通道图像中,得到所述第二隐藏图像。
在一种实现方式中,所述第四处理模块具体用于:计算所述三通道图像与所述第一隐藏图像之间的第一结构相似度;计算所述待检测图像与所述第二隐藏图像之间的第二结构相似度;将所述第一结构相似度和所述第二结构相似度分别与第一阈值进行大小比较;响应于所述第一结构相似度和/或所述第二结构相似度大于所述第一阈值,检测所述待检测图像为未包含隐藏信息的图像。
在一种可选地实现方式中,所述的装置,还包括:第五处理模块,用于响应于所述第一结构相似度和所述第二结构相似度均小于或等于所述第一阈值,提取所述第一隐藏图像中的第一特征信息,并提取所述三通道图像中的第二特征信息;第六处理模块,用于计算所述第一特征信息与所述第二特征信息之间的相似度;第七处理模块,用于响应于所述相似度大于第二阈值,检测所述待检测图像为包含隐藏信息的图像。
可选地,所述的装置,还包括:第八处理模块,用于响应于检测所述待检测图像为包含隐藏信息的图像,对所述第一隐藏图像进行内容检测,以识别所述第一隐藏图像是否属于目标图像。
在一种实现方式中,所述第一处理模块具体用于:确定所述待检测图像的图像模式;响应于所述图像模式为带透明通道的RGB模式,对所述待检测图像进行通道分离,获得第一子图像和第二子图像;或者,响应于所述图像模式为带透明通道的灰度模式,将所述待检测图像从所述灰度模式转换成所述RGB模式,并对转换成所述RGB模式的待检测图像进行通道分离,获得第一子图像和第二子图像。
在一种实现方式中,所述第一颜色为黑色;所述第二颜色为白色。
根据本申请的第三方面,提供一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述第一方面所述的方法。
根据本申请的第四方面,提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行前述第一方面所述的方法。
根据本申请的第五方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现前述第一方面所述的方法。
根据本申请的技术能够降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并且不会出现和待检测图像相关的信息。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是根据本申请第三实施例的示意图;
图4是根据本申请第四实施例的示意图;
图5是根据本申请第五实施例的示意图;
图6是根据本申请第六实施例的示意图;
图7是本申请提供的一种图像检测装置的结构示意图;
图8是本申请提供的另一种图像检测装置的结构示意图;
图9是本申请提供的又一种图像检测装置的结构示意图;
图10是用来实现本申请实施例的图像检测方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。其中,在本申请的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;本文中的“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。
需要说明的是,本申请实施例提供的图像检测方法,可以用于对网页或者通讯聊天等场景中出现的图像进行检测,以判断上述图像是否为幻影坦克图像。其中,幻影坦克图像是指在正常情况下显示的内容,与在进行特定操作后(例如,放大、查看原图或调整显示模式)后显示的内容不同的图像。因这种图像的表现形式类似某游戏中的幻影坦克而得名。这种图像的实质是一张有特殊透明度分布的图像,由于特殊的透明度分布,可以让这种图像在不同的背景色下显示不同的内容。
请参见图1,图1是根据本申请第一实施例的图像检测方法的示意图。如图1所示,该方法可以包括但不限于以下步骤:
步骤S101,获取待检测图像。
其中,在本申请的实施例中,待检测图像为带透明通道且背景颜色为第一颜色的图像。
需要说明的是,在本申请的实施例中,第一颜色为黑色。
举例而言,可获取网页或者通讯聊天界面中的图像作为待检测图像。
步骤S102,对待检测图像进行通道分离,获得第一子图像和第二子图像。
其中,在本申请的实施例中,第一子图像对应的图像通道为颜色通道,第二子图像对应的图像通道为透明通道。
举例而言,使用预设的第一子图像获取公式和预设的第二子图像获取公式,对待检测图像进行通道分离,获得图像通道为颜色通道的第一子图像及图像通道为透明通道的第二子图像。上述第一子图像获取公式可表示为:
rgb=image[∶,∶,∶3]
其中,rgb为第一子图像中每个像素的颜色通道的信息,image[∶,∶,∶3]为预设的第一图像处理函数。
上述第二子图像获取公式可表示为:
alpha=image[∶,∶,3∶]
其中,alpha为第二子图像中每个像素的透明通道的信息,image[∶,∶,3∶]为预设的第二图像处理函数。
步骤S103,根据第一子图像和第二子图像,生成第一隐藏图像和三通道图像。
可选地,可以根据第一子图像和第二子图像,提取待检测图像中基于透明alpha通道的第一隐藏图像。可以从待检测图像中提取出结合透明通道和颜色通道之后的三通道图像。
步骤S104,根据待检测图像,生成第二隐藏图像。
其中,在本申请的实施例中,第二隐藏图像的背景颜色为与第一颜色不同的第二颜色。
可选地,利用预设的图像处理函数,从待检测图像中提取出添加了以第二颜色为背景颜色的隐藏图,将该添加了以第二颜色为背景颜色的隐藏图称为第二隐藏图像。
步骤S105,根据三通道图像、第一隐藏图像和第二隐藏图像,检测待检测图像是否为包含隐藏信息的图像。
可选地,计算三通道图像和第一隐藏图像的第一相似度,并计算待检测图像与第二隐藏图像的第二相似度;当第一相似度,和/或第二相似度大于预设的相似度阈值时,则检测待检测图像不是包含隐藏信息的图像;当第一相似度和第二相似度均小于预设的相似度阈值时,则检测待检测图像为包含隐藏信息的图像。
其中,在本申请的实施例中,上述相似度阈值为判定三通道图像和第一隐藏图像是否相似,及判定待检测图像与第二隐藏图像是否相似的阈值。
可以理解的是,本申请的实施例在对待检测图像进行通道分离后得到不同通道的子图像,并基于上述不同通道的子图像生成隐藏图像,由前述的幻影坦克图像的原理可知,本申请实施例生成的隐藏图像中,不会带有待检测图像的相关信息,从而能够更加准确的检测待检测图像是否为包含隐藏信息的图像。
通过实施本申请实施例,可以对获取的待检测图像进行处理,以获取当检测图像中包含的隐藏图像,并基于上述隐藏图像检测待检测图像是否为包含隐藏信息的图像,从而降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并且不会出现和待检测图像相关的信息。
请参见图2,图2是根据本申请第二实施例的图像检测方法的示意图。该方法可根据对待检测图像进行通道分离得到的第一子图像和第二子图像,提取第一隐藏图像和三通道图像,进而检测待检测图像是否为包含隐藏信息的图像。如图2所示,该方法可以包括但不限于以下步骤:
步骤S201,获取待检测图像。
在本申请的实施例中,步骤S201可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S202,对待检测图像进行通道分离,获得第一子图像和第二子图像。
在本申请的实施例中,步骤S202可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S203,根据第一子图像和第二子图像,基于透明通道提取第一隐藏图像。
举例而言,可根据第一子图像的颜色通道信息和第二子图像的透明通道信息,使用预设的第一隐藏图像的像素值提取公式,提取待检测图像中基于透明通道的第一隐藏图像的每个像素的像素值,从而得到第一隐藏图像。上述第一隐藏图像的像素值提取公式可表达如下:
其中,pt为第一隐藏图像中像素的像素值,alpha为第二子图像的透明通道信息,rgb为第一子图像的颜色通道信息。
步骤S204,根据第一子图像和第二子图像,结合颜色通道和透明通道提取三通道图像。
举例而言,可采用预设的三通道图像提取公式,提取三通道图像。上述三通道图像提取公式可表示为:
其中,img_new代表三通道图像,alpha为第二子图像的透明通道信息,rgb为第一子图像的颜色通道信息。
步骤S205,根据待检测图像,生成第二隐藏图像。
在本申请的实施例中,步骤S205可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S206,根据三通道图像、第一隐藏图像和第二隐藏图像,检测待检测图像是否为包含隐藏信息的图像。
在本申请的实施例中,步骤S206可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
通过实施本申请实施例,可以根据对待检测图像进行通道分离得到的第一子图像和第二子图像,提取第一隐藏图像和三通道图像,从而检测待检测图像是否为包含隐藏信息的图像,降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并且不会出现和待检测图像相关的信息。
请参见图3,图3是根据本申请第三实施例的图像检测方法的示意图。该方法可以对待检测图像进行处理,生成第二隐藏图像,从而检测待检测图像是否为包含隐藏信息的图像。如图3所示,该方法可以包括但不限于以下步骤:
步骤S301,获取待检测图像。
在本申请的实施例中,步骤S301可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S302,对待检测图像进行通道分离,获得第一子图像和第二子图像。
在本申请的实施例中,步骤S302可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S303,生成一张颜色为第二颜色的四通道图像。
举例而言,生成一张像素值为预设值(例如,255),底色为第二颜色,大小与待检测图像相同的带有透明通道的RGB(red-green-blue-alpha,红-绿-蓝)模式的图像。
步骤S304,采用图像处理库中的粘贴paste函数,结合待检测图像中的透明通道,将待检测图像粘贴到四通道图像中,得到第二隐藏图像。
举例而言,采用图像处理库中的粘贴paste函数,针对待检测图像和四通道图像中的每个对应像素点,基于待检测图像中该像素点位置的透明通道信息,确定四通道图像中相同像素点位置的像素值,以将待检测图像粘贴到四通道图像中,得到第二隐藏图像。上述步骤可表示为:
pt′=bg.paste(image,mask=alpha)
其中,pt′为第二隐藏图像,bg为四通道图像,paste()为paste函数,image为待检测图像,mask为掩膜,alpha为待检测图像中的透明通道信息。
作为一种示例,以待检测图像中某一像素点位置的透明通道信息为255例,则将待检测图像中该像素点位置的颜色通道信息和透明通道信息粘贴到四通道图像中的相同像素点位置。
作为另一种示例,以待检测图像中某一像素点位置的透明通道信息为0为,则对应的四通道图像中的相同像素点位置的颜色通道信息和透明通道信息保持不变。
作为又一种示例,当待检测图像中某一像素点位置的透明通道信息非255且非0时,则利用预设的像素值计算公式,计算四通道图像中的相同像素点位置的颜色通道信息。上述像素值计算公式可表示为:
其中,pixelvalues为四通道图像中的像素点位置的色彩通道信息,alpha为上述像素点对应的待检测图像中像素点位置的透明通道信息,rgb为上述像素点对应的待检测图像中像素点位置的颜色通道信息。
需要说明的是,在本申请的实施例中,第二颜色为白色。
可以理解的是,本申请利用生成的颜色为第二颜色的四通道图像得到第二隐藏图像,降低了待检测图像为浅色背景图像时,生成的隐藏图像因背景改变导致的与待检测图像的差异增大程度,有助于更为准确的判断待检测图像是否为包含隐藏信息的图像。
步骤S305,根据三通道图像、第一隐藏图像和第二隐藏图像,检测待检测图像是否为包含隐藏信息的图像。
在本申请的实施例中,步骤S305可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
通过实施本申请的实施例,可以对待检测图像进行处理,生成第二隐藏图像,从而检测待检测图像是否为包含隐藏信息的图像,降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并且不会出现和待检测图像相关的信息。
请参见图4,图4是根据本申请第四实施例的图像检测方法的示意图。该方法可以计算得到三通道图像与第一隐藏图像之间的第一结构相似度,及待检测图像与第二隐藏图像之间的第二结构相似度,并基于第一结构相似度和第二结构相似度检测待检测图像是否为包含隐藏信息的图像。如图4所示,该方法可以包括但不限于以下步骤:
步骤S401,获取待检测图像。
在本申请的实施例中,步骤S401可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S402,对待检测图像进行通道分离,获得第一子图像和第二子图像。
在本申请的实施例中,步骤S402可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S403,根据第一子图像和第二子图像,生成第一隐藏图像和三通道图像。
在本申请的实施例中,步骤S403可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S404,根据待检测图像,生成第二隐藏图像。
在本申请的实施例中,步骤S404可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S405,计算三通道图像与第一隐藏图像之间的第一结构相似度。
举例而言,使用预设的第一结构相似度计算公式,计算得到三通道图像与第一隐藏图像之间的第一结构相似度。上述第一结构相似度计算公式可表示为:
ssim1=structural_similarity(pt,img_new)
其中,ssim1为第一结构相似度,structural_similarity()为scikit-image库中的结构相似度计算函数,pt为第一隐藏图像,img_new为三通道图像。
步骤S406,计算待检测图像与第二隐藏图像之间的第二结构相似度。
举例而言,使用预设的第二结构相似度计算公式,计算待检测图像与第二隐藏图像之间的第二结构相似度。上述第二结构相似度计算公式可表示为:
ssim2=structural_similarity(pt′,image)
其中,ssim2为第一结构相似度,structural_similarity()为scikit-image库中的结构相似度计算函数,pt′为第二隐藏图像,image为待检测图像。
步骤S407,将第一结构相似度和第二结构相似度分别与第一阈值进行大小比较。
举例而言,将第一结构相似度与预设的第一阈值(例如,0.94)进行大小比较,并将第二结构相似度与上述第一阈值进行大小比较。
步骤S408,响应于第一结构相似度和/或第二结构相似度大于第一阈值,检测待检测图像为未包含隐藏信息的图像。
作为一种示例,响应于第一结构相似度大于第一阈值,第二结构相似度小于或等于第一阈值,检测待检测图像为未包含隐藏信息的图像。
作为另一种示例,响应于第一结构相似度小于或等于第一阈值,第二结构相似度大于第一阈值,检测待检测图像为未包含隐藏信息的图像。
作为又一种示例,响应于第一结构相似度大于第一阈值,第二结构相似度大于第一阈值,检测待检测图像为未包含隐藏信息的图像。
在本申请实施例的一种实现方式中,该图像检测方法还可包括以下步骤:响应于第一结构相似度和第二结构相似度均小于或等于第一阈值,提取第一隐藏图像中的第一特征信息,并提取三通道图像中的第二特征信息;计算第一特征信息与第二特征信息之间的相似度;响应于该相似度大于第二阈值,检测待检测图像为包含隐藏信息的图像。
举例而言,响应于第一结构相似度小于或等于预设的第一阈值,并且和第二结构相似度小于或等于第一阈值,采用梯度直方图提取第一隐藏图像中的第一特征信息,和三通道图像中的第二特征信息;并计算第一特征信息与第二特征信息之间的余弦相似度,将该余弦相似度与预设的第二阈值(例如,0.95)进行比较;响应于该余弦相似度大于第二阈值,则检测待检测图像为包含隐藏信息的图像;或者,响应于相似度小于或等于第二阈值,则检测待检测图像为不包含隐藏信息的图像。
通过上述实现方式,可以在第一结构相似度和第二结构相似度均小于或等于第一阈值时,基于从第一隐藏图像中提取的第一特征信息,和从三通道图像中提取的第二特征信息,计算得到余弦相似度。并基于该余弦相似度和预设的第二阈值检测待检测图像是否为包含隐藏信息的图像。从而进一步降低对包含隐藏图像的待检测图像的误检率。
可选地,响应于检测待检测图像为包含隐藏信息的图像,对第一隐藏图像进行内容检测,以识别第一隐藏图像是否属于目标图像。
举例而言,检测待检测图像为包含隐藏信息的图像,则对第一隐藏图像进行图像识别以获取该图像包含的信息,对上述信息进行内容检测,获取上述信息包含的具体内容,以识别第一隐藏图像是否属于目标图像。
其中,在本申请的实施例中,目标图像可以为违规图像(例如,不符合相关法律法规的图像)。
通过实施本申请实施例,可以计算得到三通道图像与第一隐藏图像之间的第一结构相似度,及待检测图像与第二隐藏图像之间的第二结构相似度,并基于第一结构相似度和第二结构相似度检测待检测图像是否为包含隐藏信息的图像,从而降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并且不会出现和待检测图像相关的信息。
请参见图5,图5是根据本申请第五实施例的图像检测方法的示意图。该方法可在待检测图像的图像模式为带透明通道的RGB模式时,对待检测图像进行相应处理。如图5所示,该方法可以包括但不限于以下步骤:
步骤S501,获取待检测图像。
在本申请的实施例中,步骤S501可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S502,确定待检测图像的图像模式。
举例而言,可读取待检测图像的图像属性信息,以确定待检测图像的图像模式。
步骤S503,响应于图像模式为带透明通道的RGB模式,对待检测图像进行通道分离,获得第一子图像和第二子图像。
举例而言,响应于待检测图像的图像模式为带透明通道的RGB模式,直接对待检测图像进行通道分离,获得第一子图像和第二子图像。
步骤S504,根据第一子图像和第二子图像,生成第一隐藏图像和三通道图像。
在本申请的实施例中,步骤S504可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S505,根据待检测图像,生成第二隐藏图像。
在本申请的实施例中,步骤S505可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S506,根据三通道图像、第一隐藏图像和第二隐藏图像,检测待检测图像是否为包含隐藏信息的图像。
在本申请的实施例中,步骤S506可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
通过实施本申请实施例,可在待检测图像的图像模式为带透明通道的RGB模式时对待检测图像进行相应处理,以检测待检测图像是否为包含隐藏信息的图像,从而降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并且不会出现和待检测图像相关的信息。
请参见图6,图6是根据本申请第六实施例的图像检测方法的示意图。该方法可在待检测图像的图像模式为带透明通道的灰度模式时对待检测图像进行图像模式转换,以便于后续检测待检测图像是否为包含隐藏信息的图像。如图6所示,该方法可以包括但不限于以下步骤:
步骤S601,获取待检测图像。
在本申请的实施例中,步骤S601可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S602,确定待检测图像的图像模式。
在本申请的实施例中,步骤S602可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S603,响应于图像模式为带透明通道的灰度模式,将待检测图像从灰度模式转换成RGB模式,并对转换成RGB模式的待检测图像进行通道分离,获得第一子图像和第二子图像。
举例而言,响应于待检测图像的图像模式为带透明通道的灰度模式,则可使用图像处理软件,将待检测图像的图像模式从灰度模式转换为RGB模式,并保留原有的透明通道,从而将待检测图像的图像模式转换为带透明通道的RGB模式,对转换后的待检测图像进行通道分离,获得第一子图像和第二子图像。
需要说明的是,在本申请的一些实施例中,当待检测图像的图像模式为带透明通道的灰度模式时,也可不对该待检测图像进行图像模式转换,直接对该检测图像进行处理。采用这种处理方式时,需将前述任一实施例的相关步骤中的色彩通信信息替换为待检测图像的亮度通道信息,即可对待检测图像进行检测。本申请在此不再赘述。
步骤S604,根据第一子图像和第二子图像,生成第一隐藏图像和三通道图像。
在本申请的实施例中,步骤S604可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S605,根据待检测图像,生成第二隐藏图像。
在本申请的实施例中,步骤S605可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S606,根据三通道图像、第一隐藏图像和第二隐藏图像,检测待检测图像是否为包含隐藏信息的图像。
在本申请的实施例中,步骤S606可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
通过实施本申请实施例,可在待检测图像的图像模式为带透明通道的灰度模式时对待检测图像进行图像模式转换,以便于后续检测待检测图像是否为包含隐藏信息的图像,从而降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并且不会出现和待检测图像相关的信息。
请参见图7,图7是本申请提供的一种图像检测装置的结构示意图。如图7所示,该装置包括获取模块701、第一处理模块702、第二处理模块703、第三处理模块704及第四处理模块705。
其中,获取模块701,用于获取待检测图像;待检测图像为带透明通道且背景颜色为第一颜色的图像;第一处理模块702,用于对待检测图像进行通道分离,获得第一子图像和第二子图像,其中,第一子图像对应的图像通道为颜色通道,第二子图像对应的图像通道为透明通道;第二处理模块703,用于根据第一子图像和第二子图像,生成第一隐藏图像和三通道图像;第三处理模块704,用于根据待检测图像,生成第二隐藏图像;第二隐藏图像的背景颜色为与第一颜色不同的第二颜色;第四处理模块705,用于根据三通道图像、第一隐藏图像和第二隐藏图像,检测待检测图像是否为包含隐藏信息的图像。
在一种实现方式中,第二处理模块703具体用于:根据第一子图像和第二子图像,基于透明通道提取第一隐藏图像;根据第一子图像和第二子图像,结合颜色通道和透明通道提取三通道图像。
在一种实现方式中,第三处理模块704具体用于:生成一张颜色为第二颜色的四通道图像;其中,四通道图像的尺寸大小和图像通道与待检测图像的尺寸大小和图像通道相同;采用图像处理库中的粘贴paste函数,结合待检测图像中的透明通道,将待检测图像粘贴到四通道图像中,得到第二隐藏图像。
在一种实现方式中,第四处理模块705具体用于:计算三通道图像与第一隐藏图像之间的第一结构相似度;计算待检测图像与第二隐藏图像之间的第二结构相似度;将第一结构相似度和第二结构相似度分别与第一阈值进行大小比较;响应于第一结构相似度和/或第二结构相似度大于第一阈值,检测待检测图像为未包含隐藏信息的图像。
在一种可选地实现方式中,该装置还包括第五处理模块,第六处理模块及第七处理模块,作为一种示例,请参见图8,图8是本申请提供的另一种图像监测装置的结构示意图。如图8所示,该装置还可包括第五处理模块806、第六处理模块807及第七处理模块808。其中,第五处理模块806,用于响应于第一结构相似度和第二结构相似度均小于或等于第一阈值,提取第一隐藏图像中的第一特征信息,并提取三通道图像中的第二特征信息;第六处理模807,用于计算第一特征信息与第二特征信息之间的相似度;第七处理模块808,用于响应于相似度大于第二阈值,检测待检测图像为包含隐藏信息的图像。其中,图8中801-805和图7中701-705具有相同功能和结构。
可选地,该装置还包括第八处理模块。作为一种示例,请参见图9,图9是本申请提供的另一种图像监测装置的结构示意图。如图9所示,该装置还可包括第八处理模块909,用于响应于检测待检测图像为包含隐藏信息的图像,对第一隐藏图像进行内容检测,以识别第一隐藏图像是否属于目标图像。其中,图9中901-908和图8中801-808具有相同功能和结构。
在一种实现方式中,第一处理模块702具体用于:确定待检测图像的图像模式;响应于图像模式为带透明通道的RGB模式,对待检测图像进行通道分离,获得第一子图像和第二子图像;或者,响应于图像模式为带透明通道的灰度模式,将待检测图像从灰度模式转换成RGB模式,并对转换成RGB模式的待检测图像进行通道分离,获得第一子图像和第二子图像。
在一种实现方式中,第一颜色为黑色;第二颜色为白色。
通过本申请实施例的装置,可以对获取的待检测图像进行处理,以获取当检测图像中包含的隐藏图像,并基于上述隐藏图像检测待检测图像是否为包含隐藏信息的图像,从而降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并且不会出现和待检测图像相关的信息。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图10所示,是根据本申请实施例的图像检测方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图10所示,该电子设备包括:一个或多个处理器1001、存储器1002,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器1001为例。
存储器1002即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的图像检测方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的图像检测方法。
存储器1002作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的图像检测方法对应的程序指令/模块(例如,附图7所示的获取模块701、第一处理模块702、第二处理模块703、第三处理模块704及第四处理模块705;附图8所示的第五处理模块806、第六处理模块807及第七处理模块808;附图9所示的第八处理模块909)。处理器1001通过运行存储在存储器1002中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的图像检测方法。
存储器1002可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据图像检测电子设备的使用所创建的数据等。此外,存储器1002可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器1002可选包括相对于处理器1001远程设置的存储器,这些远程存储器可以通过网络连接至图像检测电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像检测方法的电子设备还可以包括:输入装置1003和输出装置1004。处理器1001、存储器1002、输入装置1003和输出装置1004可以通过总线或者其他方式连接,图10中以通过总线连接为例。
输入装置1003可接收输入的数字或字符信息,以及产生与图像检测的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1004可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
根据本申请实施例的技术方案,能够降低对包含隐藏图像的待检测图像的误检率,且能够清晰的还原隐藏图像,并不会出现和待检测图像相关的信息。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (19)
1.一种图像检测方法,包括:
获取待检测图像;所述待检测图像为带透明通道且背景颜色为第一颜色的图像;
对所述待检测图像进行通道分离,获得第一子图像和第二子图像,其中,所述第一子图像对应的图像通道为颜色通道,所述第二子图像对应的图像通道为所述透明通道;
根据所述第一子图像和所述第二子图像,生成第一隐藏图像和三通道图像;
根据所述待检测图像,生成第二隐藏图像;所述第二隐藏图像的背景颜色为与所述第一颜色不同的第二颜色;
根据所述三通道图像、所述第一隐藏图像和所述第二隐藏图像,检测所述待检测图像是否为包含隐藏信息的图像。
2.如权利要求1所述的方法,其中,所述根据所述第一子图像和所述第二子图像,生成第一隐藏图像和三通道图像,包括:
根据所述第一子图像和所述第二子图像,基于透明通道提取第一隐藏图像;
根据所述第一子图像和所述第二子图像,结合颜色通道和透明通道提取三通道图像。
3.如权利要求1所述的方法,其中,所述根据所述待检测图像,生成第二隐藏图像,包括:
生成一张颜色为所述第二颜色的四通道图像;其中,所述四通道图像的尺寸大小和图像通道与所述待检测图像的尺寸大小和图像通道相同;
采用图像处理库中的粘贴paste函数,结合所述待检测图像中的透明通道,将所述待检测图像粘贴到所述四通道图像中,得到所述第二隐藏图像。
4.如权利要求1所述的方法,其中,所述根据所述三通道图像、所述第一隐藏图像和所述第二隐藏图像,检测所述待检测图像是否为包含隐藏信息的图像,包括:
计算所述三通道图像与所述第一隐藏图像之间的第一结构相似度;
计算所述待检测图像与所述第二隐藏图像之间的第二结构相似度;
将所述第一结构相似度和所述第二结构相似度分别与第一阈值进行大小比较;
响应于所述第一结构相似度和/或所述第二结构相似度大于所述第一阈值,检测所述待检测图像为未包含隐藏信息的图像。
5.如权利要求4所述的方法,还包括:
响应于所述第一结构相似度和所述第二结构相似度均小于或等于所述第一阈值,提取所述第一隐藏图像中的第一特征信息,并提取所述三通道图像中的第二特征信息;
计算所述第一特征信息与所述第二特征信息之间的相似度;
响应于所述相似度大于第二阈值,检测所述待检测图像为包含隐藏信息的图像。
6.如权利要求5所述的方法,还包括:
响应于检测所述待检测图像为包含隐藏信息的图像,对所述第一隐藏图像进行内容检测,以识别所述第一隐藏图像是否属于目标图像。
7.如权利要求1至6中任一项所述的方法,其中,所述对所述待检测图像进行通道分离,获得第一子图像和第二子图像,包括:
确定所述待检测图像的图像模式;
响应于所述图像模式为带透明通道的RGB模式,对所述待检测图像进行通道分离,获得第一子图像和第二子图像;
或者,响应于所述图像模式为带透明通道的灰度模式,将所述待检测图像从所述灰度模式转换成所述RGB模式,并对转换成所述RGB模式的待检测图像进行通道分离,获得第一子图像和第二子图像。
8.如权利要求1至6中任一项所述的方法,其中,所述第一颜色为黑色;所述第二颜色为白色。
9.一种图像检测装置,包括:
获取模块,用于获取待检测图像;所述待检测图像为带透明通道且背景颜色为第一颜色的图像;
第一处理模块,用于对所述待检测图像进行通道分离,获得第一子图像和第二子图像,其中,所述第一子图像对应的图像通道为颜色通道,所述第二子图像对应的图像通道为所述透明通道;
第二处理模块,用于根据所述第一子图像和所述第二子图像,生成第一隐藏图像和三通道图像;
第三处理模块,用于根据所述待检测图像,生成第二隐藏图像;所述第二隐藏图像的背景颜色为与所述第一颜色不同的第二颜色;
第四处理模块,用于根据所述三通道图像、所述第一隐藏图像和所述第二隐藏图像,检测所述待检测图像是否为包含隐藏信息的图像。
10.如权利要求9所述的装置,其中,所述第二处理模块具体用于:
根据所述第一子图像和所述第二子图像,基于透明通道提取第一隐藏图像;
根据所述第一子图像和所述第二子图像,结合颜色通道和透明通道提取三通道图像。
11.如权利要求9所述的装置,其中,所述第三处理模块具体用于:
生成一张颜色为所述第二颜色的四通道图像;其中,所述四通道图像的尺寸大小和图像通道与所述待检测图像的尺寸大小和图像通道相同;
采用图像处理库中的粘贴paste函数,结合所述待检测图像中的透明通道,将所述待检测图像粘贴到所述四通道图像中,得到所述第二隐藏图像。
12.如权利要求9所述的装置,其中,所述第四处理模块具体用于:
计算所述三通道图像与所述第一隐藏图像之间的第一结构相似度;
计算所述待检测图像与所述第二隐藏图像之间的第二结构相似度;
将所述第一结构相似度和所述第二结构相似度分别与第一阈值进行大小比较;
响应于所述第一结构相似度和/或所述第二结构相似度大于所述第一阈值,检测所述待检测图像为未包含隐藏信息的图像。
13.如权利要求12所述的装置,还包括:
第五处理模块,用于响应于所述第一结构相似度和所述第二结构相似度均小于或等于所述第一阈值,提取所述第一隐藏图像中的第一特征信息,并提取所述三通道图像中的第二特征信息;
第六处理模块,用于计算所述第一特征信息与所述第二特征信息之间的相似度;
第七处理模块,用于响应于所述相似度大于第二阈值,检测所述待检测图像为包含隐藏信息的图像。
14.如权利要求13所述的装置,还包括:
第八处理模块,用于响应于检测所述待检测图像为包含隐藏信息的图像,对所述第一隐藏图像进行内容检测,以识别所述第一隐藏图像是否属于目标图像。
15.如权利要求9至14中任一项所述的装置,其中,所述第一处理模块具体用于:
确定所述待检测图像的图像模式;
响应于所述图像模式为带透明通道的RGB模式,对所述待检测图像进行通道分离,获得第一子图像和第二子图像;
或者,响应于所述图像模式为带透明通道的灰度模式,将所述待检测图像从所述灰度模式转换成所述RGB模式,并对转换成所述RGB模式的待检测图像进行通道分离,获得第一子图像和第二子图像。
16.如权利要求9至14中任一项所述的装置,其中,所述第一颜色为黑色;所述第二颜色为白色。
17.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1至8中任一项所述的方法。
19.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210561206.6A CN114863143B (zh) | 2022-05-20 | 2022-05-20 | 图像检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210561206.6A CN114863143B (zh) | 2022-05-20 | 2022-05-20 | 图像检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114863143A true CN114863143A (zh) | 2022-08-05 |
CN114863143B CN114863143B (zh) | 2023-03-21 |
Family
ID=82639946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210561206.6A Active CN114863143B (zh) | 2022-05-20 | 2022-05-20 | 图像检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863143B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110249813A1 (en) * | 2010-04-13 | 2011-10-13 | National Chiao Tung University | Method for embedding secret message into png image |
CN104820558A (zh) * | 2015-05-11 | 2015-08-05 | 北京白鹭时代信息技术有限公司 | 一种拾取被遮挡图像的方法及装置 |
CN109070620A (zh) * | 2016-02-26 | 2018-12-21 | 德拉鲁国际有限公司 | 制造安全装置的方法 |
CN109413508A (zh) * | 2018-10-26 | 2019-03-01 | 广州虎牙信息科技有限公司 | 图像混合的方法、装置、设备、推流方法及直播系统 |
CN110084735A (zh) * | 2019-04-26 | 2019-08-02 | 新华三云计算技术有限公司 | 水印添加方法、解析方法、装置、电子设备及存储介质 |
CN110971839A (zh) * | 2019-11-18 | 2020-04-07 | 咪咕动漫有限公司 | 视频融合方法、电子设备及存储介质 |
CN111695107A (zh) * | 2020-05-29 | 2020-09-22 | 北京字节跳动网络技术有限公司 | 验证方法、装置和电子设备 |
CN111695106A (zh) * | 2020-05-29 | 2020-09-22 | 北京字节跳动网络技术有限公司 | 验证方法、装置和电子设备 |
CN112789650A (zh) * | 2019-09-06 | 2021-05-11 | 谷歌有限责任公司 | 检测半透明图像水印 |
CN113112472A (zh) * | 2021-04-09 | 2021-07-13 | 百度在线网络技术(北京)有限公司 | 图像处理方法及装置 |
CN113645469A (zh) * | 2020-05-11 | 2021-11-12 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、智能终端及计算机可读存储介质 |
CN114331796A (zh) * | 2021-12-29 | 2022-04-12 | 北京明朝万达科技股份有限公司 | 屏幕水印显示方法、装置、电子设备及存储介质 |
CN114418825A (zh) * | 2022-03-10 | 2022-04-29 | 太平金融科技服务(上海)有限公司深圳分公司 | 图像处理方法、装置、计算机设备和存储介质 |
-
2022
- 2022-05-20 CN CN202210561206.6A patent/CN114863143B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110249813A1 (en) * | 2010-04-13 | 2011-10-13 | National Chiao Tung University | Method for embedding secret message into png image |
CN104820558A (zh) * | 2015-05-11 | 2015-08-05 | 北京白鹭时代信息技术有限公司 | 一种拾取被遮挡图像的方法及装置 |
CN109070620A (zh) * | 2016-02-26 | 2018-12-21 | 德拉鲁国际有限公司 | 制造安全装置的方法 |
CN109413508A (zh) * | 2018-10-26 | 2019-03-01 | 广州虎牙信息科技有限公司 | 图像混合的方法、装置、设备、推流方法及直播系统 |
CN110084735A (zh) * | 2019-04-26 | 2019-08-02 | 新华三云计算技术有限公司 | 水印添加方法、解析方法、装置、电子设备及存储介质 |
US20210334929A1 (en) * | 2019-09-06 | 2021-10-28 | Google Llc | Detecting semi-transparent image watermarks |
CN112789650A (zh) * | 2019-09-06 | 2021-05-11 | 谷歌有限责任公司 | 检测半透明图像水印 |
CN110971839A (zh) * | 2019-11-18 | 2020-04-07 | 咪咕动漫有限公司 | 视频融合方法、电子设备及存储介质 |
CN113645469A (zh) * | 2020-05-11 | 2021-11-12 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、智能终端及计算机可读存储介质 |
CN111695107A (zh) * | 2020-05-29 | 2020-09-22 | 北京字节跳动网络技术有限公司 | 验证方法、装置和电子设备 |
CN111695106A (zh) * | 2020-05-29 | 2020-09-22 | 北京字节跳动网络技术有限公司 | 验证方法、装置和电子设备 |
CN113112472A (zh) * | 2021-04-09 | 2021-07-13 | 百度在线网络技术(北京)有限公司 | 图像处理方法及装置 |
CN114331796A (zh) * | 2021-12-29 | 2022-04-12 | 北京明朝万达科技股份有限公司 | 屏幕水印显示方法、装置、电子设备及存储介质 |
CN114418825A (zh) * | 2022-03-10 | 2022-04-29 | 太平金融科技服务(上海)有限公司深圳分公司 | 图像处理方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114863143B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11710215B2 (en) | Face super-resolution realization method and apparatus, electronic device and storage medium | |
EP3819820B1 (en) | Method and apparatus for recognizing key identifier in video, device and storage medium | |
CN110659600B (zh) | 物体检测方法、装置及设备 | |
GB2596370A (en) | Model training method and apparatus, and prediction method and apparatus | |
CN111753701B (zh) | 应用程序的违规检测方法、装置、设备和可读存储介质 | |
CN110458826B (zh) | 环境亮度检测方法和装置 | |
CN112270745B (zh) | 一种图像生成方法、装置、设备以及存储介质 | |
KR102648760B1 (ko) | 이미지 생성 방법 및 장치 | |
KR20210036319A (ko) | 텍스트 콘텐츠의 식별 방법, 장치 및 전자 기기 | |
CN112380566A (zh) | 用于对文档图像进行脱敏的方法、装置、电子设备及介质 | |
CN111814628B (zh) | 陈列立柜识别方法、装置、设备以及存储介质 | |
CN112184837A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN111967490A (zh) | 用于地图检测的模型训练方法和地图检测方法 | |
CN111191619A (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
CN111353419A (zh) | 图像比对方法、装置、电子设备及存储介质 | |
CN114863143B (zh) | 图像检测方法、装置、电子设备及存储介质 | |
CN112508027A (zh) | 用于实例分割的头部模型、实例分割模型、图像分割方法及装置 | |
CN112016523A (zh) | 跨模态人脸识别的方法、装置、设备和存储介质 | |
CN111523292A (zh) | 用于获取图像信息的方法和装置 | |
CN113038184B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN113220927A (zh) | 图像检测方法、装置、设备及存储介质 | |
CN112560678A (zh) | 表情识别方法、装置、设备及计算机存储介质 | |
CN113988294A (zh) | 训练预测网络的方法、图像处理方法和装置 | |
CN113419915A (zh) | 云终端桌面静止确定方法和装置 | |
CN112733879A (zh) | 针对不同场景的模型蒸馏方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |