CN117390600B - 用于深度合成信息的检测方法 - Google Patents
用于深度合成信息的检测方法 Download PDFInfo
- Publication number
- CN117390600B CN117390600B CN202311681169.3A CN202311681169A CN117390600B CN 117390600 B CN117390600 B CN 117390600B CN 202311681169 A CN202311681169 A CN 202311681169A CN 117390600 B CN117390600 B CN 117390600B
- Authority
- CN
- China
- Prior art keywords
- picture
- detected
- divided
- light source
- brightness
- 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.)
- Active
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 15
- 238000003786 synthesis reaction Methods 0.000 title claims abstract description 15
- 238000001514 detection method Methods 0.000 title abstract description 6
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000035945 sensitivity Effects 0.000 claims description 26
- 239000002131 composite material Substances 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 9
- 230000004075 alteration Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/95—Pattern authentication; Markers therefor; Forgery detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及信息识别技术领域，尤其涉及一种用于深度合成信息的检测方法，包括：获取待测图片，并确定待测图片的交界线；根据交界线将待测图片分解为若干分割图片；根据交界颜色判定对应的图片类别；根据亮度对待测图片的颜色饱和度进行调节以形成调整图片；根据光源数据以及调整图片对待测图片的图片类别进行判断；利用对待测图片进行分割并分别识别的方式，对图片的类别进行判断，并根据分割图片、分界线以及亮度对图片进行分类，在有效提升了对于图片的识别能力的同时，有效提升了对于深度合成图片的分辨性能。
Description
技术领域
本发明涉及信息识别技术领域，尤其涉及一种用于深度合成信息的检测方法。
背景技术
深度合成信息作为一种能够以假乱真的技术，对于信息真实性的识别有着极大的干扰，对深度合成信息的检测是分辨信息真实性的极为重要的步骤。
中国专利申请公开号：CN114461986B公开了一种训练识别标识模型的方法、图像识别的方法和装置；该训练识别标识模型的方法包括：获取背景图片和前景图片，其中，背景图片为初始样本图片；前景图片为待识别标识图片；依据背景图片和前景图片进行合成，生成标定样本；对标定样本添加对应标签，其中，标签用于表示待识别标识的类别，以及待识别标识在图片中的位置；将添加标签的标定样本和背景图片输入待训练识别模型进行训练，得到目标识别模型，目标识别模型用于识别输入的图片中是否包含待识别标识。该发明可以提升LOGO检测准确率。
但是，上述方法存在以下问题：无法分辨深度合成图片，且无法识别应对经过和谐处理的图片。
发明内容
为此，本发明提供一种用于深度合成信息的检测方法，用以克服现有技术中无法分辨深度合成图片，且无法识别应对经过和谐处理的图片，从而导致对图片的分类不准确的问题。
为实现上述目的，本发明提供一种用于深度合成信息的检测方法，包括：
获取待测图片，并确定待测图片的交界线；
根据所述交界线将所述待测图片分解为若干分割图片；
确定各交界线的交界对比度，并根据交界颜色判定对应的图片类别；
根据各分割图片的亮度确定所述待测图片的光源数据，并根据亮度对待测图片的颜色饱和度进行调节以形成调整图片；
根据所述光源数据以及所述调整图片对所述待测图片的图片类别进行判断；
其中，所述交界对比度为交界线与相邻分割区域的明显程度，其与交界线的颜色有关；
所述图片类别包括合成图片、自然图片；
所述待测图片的图片类别与待测图片的场景有关。
进一步地，所述待测图片由若干不同颜色的区域组成，对于单张待测图片，其对应单个识别灵敏度，
若任意相邻区域的色差大于所述识别灵敏度，判定该相邻区域的交界位置为所述交界线；
若任意相邻区域的色差不大于所述识别灵敏度，判定该相邻区域为相同的所述分割图片；
其中，所述交界线由所述相邻区域中亮度较小一侧的所述分割图片的像素组成，设定该分割图片为该交界线的主图片。
进一步地，在确定所述单张待测图片对应的识别灵敏度时，根据该待测图片的对比度确定最小分割数，并对识别灵敏度进行调整，若所述分割图片的数量小于所述最小分割数，将所述识别灵敏度的数值调大。
进一步地，对于所述待测图片中的单张分割图片，将该分割图片的亮度以预设亮度调整值进行步进调整，直至交界线或与交界线相邻的所述分割图片中的任一像素被识别为白色，
若交界线上任一像素被识别为白色，且与交界线相邻的任一像素不为白色，判定该待测图片为合成图片；
若与交界线相邻的所述分割图片中的任一像素被识别为白色，且交界线不为白色，判定该待测图片为合成图片。
进一步地，对于所述待测图片，将相邻的所述分割图片设定为第一分割图片以及第二分割图片，其中，第一分割图片的亮度低于第二分割图片的亮度；
以所述第一分割图片的中心向所述第二分割图片的中心进行连线，并对连线经过路径的各像素的颜色饱和度进行判定，若路径上的各像素的颜色饱和度的连线存在突变值，判定所述待测图片为合成图片；
其中，所述突变值为连线颜色饱和度的导数的绝对值大于变化阈值的像素对应的颜色饱和度，其与所述光源数据有关。
进一步地，若所述待测图片未被判定为所述合成图片，根据该待测图片的各分割图片的亮度确定对应的光源方向以及光源亮度，其中，光源方向为确定各分割图片的中点，并根据各分割图片的亮度由低到高的连线的对应方向；
其中，所述光源亮度与各分割图片的亮度和亮度差有关。
进一步地，在对所述待测图片的图片类别进行判断时，
若所述待测图片的光源方向指向同一光源，判定该待测图片为自然图片；
若所述待测图片的光源方向指向不同的方向，根据该待测图片的光源亮度对待测图片的图片类别进行进一步判断；
其中，所述同一光源为各光源方向交于同一点。
进一步地，对于所述待测图片，将各光源的亮度调整为相同值，并根据所述各光源的亮度确定各光源的位置；
将各光源的位置连线，根据连线的形状对所述待测图片的图片类别进行判定，其中，
若任一光源的位置与所述待测图片的中点的连线距离大于最大光源距离，判定该待测图片为所述合成图片。
进一步地，在确定所述交界对比度时，若所述交界线中包含所述合成图片，将该合成图片识别为单个分割图片，并将该分割图片进行模糊；
其中，模糊为将所述分割图片的图像噪声以及细节层次降低。
进一步地，在对所述分割图片进行模糊时，若其包含所述分割线，将该分割线的颜色定义为黑色，并在进行识别时不对该分割线的任一像素进行识别。
与现有技术相比，本发明的有益效果在于，利用对待测图片进行分割并分别识别的方式，对图片的类别进行判断，并根据分割图片、分界线以及亮度对图片进行分类，在有效提升了对于图片的识别能力的同时，有效提升了对于深度合成图片的分辨性能。
进一步地，利用将待测图片根据色差进行分割的方式，将待测图片分割为若干区域，并设定对应的分界线，在有效提升了对于深度合成图片分解的针对性的同时，进一步提升了对于深度合成图片的分辨性能。
进一步地，通过设置识别灵敏度的方式，将待测图片分解为合适的尺寸，在有效提升了不同情况下待测图片的分辨效率的同时，进一步提升了对于深度合成图片的分辨性能。
进一步地，通过对待测图片中各部分分割图片的亮度进行调节的方式，对图片的类别进行判定，在有效提升了图片判定的合理性的同时，进一步提升了对于深度合成图片的分辨性能。
进一步地，通过对待测图片颜色饱和度以及光源的判断，确定待测图片是否被更改，从而进一步提升了对于深度合成图片的分辨性能。
进一步地，对于待测图片中存在的子图片，将子图片进行模糊以免对待测图片的判定产生干扰，在有效地避免了因检测到已完成判定的子图片带来的干扰的同时，进一步提升了对于深度合成图片的分辨性能。
附图说明
图1为本发明用于深度合成信息的检测方法的流程图；
图2为本发明实施例识别灵敏度示意图；
图3为本发明实施例的像素边界示意图；
图4为本发明实施例光源位置示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本发明用于深度合成信息的检测方法的流程图，基于一种用于深度合成信息的检测方法，包括：
获取待测图片，并确定待测图片的交界线；
根据交界线将待测图片分解为若干分割图片；
确定各交界线的交界对比度，并根据交界颜色判定对应的图片类别；
根据各分割图片的亮度确定待测图片的光源数据，并根据亮度对待测图片的颜色饱和度进行调节以形成调整图片；
根据光源数据以及调整图片对待测图片的图片类别进行判断；
其中，交界对比度为交界线与相邻分割区域的明显程度，其与交界线的颜色有关；
图片类别包括合成图片、自然图片；
待测图片的图片类别与待测图片的场景有关。
利用对待测图片进行分割并分别识别的方式，对图片的类别进行判断，并根据分割图片、分界线以及亮度对图片进行分类，在有效提升了对于图片的识别能力的同时，有效提升了对于深度合成图片的分辨性能。
具体而言，待测图片由若干不同颜色的区域组成，对于单张待测图片，其对应单个识别灵敏度，
若任意相邻区域的色差大于识别灵敏度，判定该相邻区域的交界位置为交界线；
若任意相邻区域的色差不大于识别灵敏度，判定该相邻区域为相同的分割图片；
其中，交界线由相邻区域中亮度较小一侧的分割图片的像素组成，设定该分割图片为该交界线的主图片。
利用将待测图片根据色差进行分割的方式，将待测图片分割为若干区域，并设定对应的分界线，在有效提升了对于深度合成图片分解的针对性的同时，进一步提升了对于深度合成图片的分辨性能。
具体而言，在确定单张待测图片对应的识别灵敏度时，根据该待测图片的对比度确定最小分割数，并对识别灵敏度进行调整，若分割图片的数量小于最小分割数，将识别灵敏度的数值调大。
通过设置识别灵敏度的方式，将待测图片分解为合适的尺寸，在有效提升了不同情况下待测图片的分辨效率的同时，进一步提升了对于深度合成图片的分辨性能。
请参阅图2所示，其为本发明实施例识别灵敏度示意图，其为一辆汽车在道路上的示意图。
请参阅图2中的（a）图，其为本发明实施例识别灵敏度为20像素对应的示意图，图中，汽车轮廓、树木轮廓以及道路轮廓范围较大；
请参阅图2中的（b）图，其为本发明实施例识别灵敏度为10像素对应的示意图，图中，汽车轮廓、树木轮廓以及道路轮廓范围相较于图2中的（a）图较小；
可以理解的是，对于相同的待测图片，图2中（a）图相较于图2中的（b）图，其对应的分割图片面积较大，此时，在进行判定时，图2中的（a）的判定精度较低，但对其进行判定时的算力运用较少，故将灵敏度调低能够有效节约资源。
识别灵敏度与待测图片的内容对应，如图2所示，其包括的元素较少，且仅包含路面、天空、汽车、两棵不同的树，对于该场景，利用较为精细的识别，会将天空中非重点部位进行识别，从而导致识别算力的浪费。
具体而言，对于待测图片中的单张分割图片，将该分割图片的亮度以预设亮度调整值进行步进调整，直至交界线或与交界线相邻的分割图片中的任一像素被识别为白色，
若交界线上任一像素被识别为白色，且与交界线相邻的任一像素不为白色，判定该待测图片为合成图片；
若与交界线相邻的分割图片中的任一像素被识别为白色，且交界线不为白色，判定该待测图片为合成图片。
通过对待测图片中各部分分割图片的亮度进行调节的方式，对图片的类别进行判定，在有效提升了图片判定的合理性的同时，进一步提升了对于深度合成图片的分辨性能。
可以理解的是，上述白色为颜色的RBG为（0,0,0）的对应白色，并非广义的白色；对于识别为白色的像素，其对应的亮度为该像素的最大值，无法再进行提升。
在实施中，对于单张待测图片，在提升其亮度时可以以一个亮度为起点步进式提升，单次提升固定的亮度值，直至任一像素为白色。
请参阅图3所示，其为本发明实施例的像素边界示意图；
其中，对于交界线2，其掠过的各像素点为交界线像素点1，分割图片中的图片像素点3被交界线像素点1环绕，此时，对各交界线像素点1以及各图片像素点3的亮度进行调整，使其亮度同步增加至最大值，
若交界线像素点1中任一点变为白色RGB（0,0,0），且图片像素点3中与该点相邻的点不为白色RGB（0,0,0），则判定该图片为合成图片；
若且图片像素点3中与该点相邻的点为白色RGB（0,0,0），交界线像素点1中的点不为白色RGB（0,0,0），则判定该图片为合成图片。
具体而言，对于待测图片，将相邻的分割图片设定为第一分割图片以及第二分割图片，其中，第一分割图片的亮度低于第二分割图片的亮度；
以第一分割图片的中心向第二分割图片的中心进行连线，并对连线经过路径的各像素的颜色饱和度进行判定，若路径上的各像素的颜色饱和度的连线存在突变值，判定待测图片为合成图片；
其中，突变值为连线颜色饱和度的导数的绝对值大于变化阈值的像素对应的颜色饱和度，其与光源数据有关。
可以理解的事，若待测图片为自然图片，其颜色饱和度组成的曲线在连线经过路径的任一像素上连续且可导，变化阈值的设定与光源的位置及亮度有关，当光源距离待测图片较近且亮度较大时，则该待测图片对应的颜色饱和度差异会增大，即变化阈值可以设置得较大。
在实施中，变化阈值可以设定为亮度值的30%。
通过对待测图片颜色饱和度的判断，确定待测图片是否被更改，从而进一步提升了对于深度合成图片的分辨性能。
具体而言，若待测图片未被判定为合成图片，根据该待测图片的各分割图片的亮度确定对应的光源方向以及光源亮度，其中，光源方向为确定各分割图片的中点，并根据各分割图片的亮度由低到高的连线的对应方向；
其中，光源亮度与各分割图片的亮度和亮度差有关。
在对待测图片的图片类别进行判断时，
若待测图片的光源方向指向同一光源，判定该待测图片为自然图片；
若待测图片的光源方向指向不同的方向，根据该待测图片的光源亮度对待测图片的图片类别进行进一步判断；
其中，同一光源为各光源方向交于同一点。
具体而言，对于待测图片，将各光源的亮度调整为相同值，并根据各光源的亮度确定各光源的位置；
将各光源的位置连线，根据连线的形状对待测图片的图片类别进行判定，其中，
若任一光源的位置与待测图片的中点的连线距离大于最大光源距离，判定该待测图片为合成图片。
通过对待测图片颜色饱和度以及光源的判断，确定待测图片是否被更改，从而进一步提升了对于深度合成图片的分辨性能。
请参阅图4所示，其为本发明实施例光源位置示意图，在实施中，该图中由三个光源4组成，将各光源与待测图片的相对距离标注在图上，若各光源如图4的分布较为均匀，即可判定该待测图片为自然图片；
若各光源分布差异较大且不均匀，即可判定该待测图片为合成图片；
其中，各光源均匀与否可以根据各光源中心的连线进行判断，若连线平滑且无任何较大的凸起或凹陷，即可判定各光源均匀。
具体而言，在确定交界对比度时，若交界线中包含合成图片，将该合成图片识别为单个分割图片，并将该分割图片进行模糊；
其中，模糊为将分割图片的图像噪声以及细节层次降低。
具体而言，在对分割图片进行模糊时，若其包含分割线，将该分割线的颜色定义为黑色，并在进行识别时不对该分割线的任一像素进行识别。
将待测图片中的合成图片设定为该待测图片的子图片，并将该子图片作为一个只存有亮度的区域；
对于待测图片中存在的子图片，将子图片进行模糊以免对待测图片的判定产生干扰，在有效地避免了因检测到已完成判定的子图片带来的干扰的同时，进一步提升了对于深度合成图片的分辨性能。
在实施中，模糊的方式可以是高斯模糊，能够将子图片中的信息消除，并保留亮度信息即可，模糊手段不唯一。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种用于深度合成信息的检测方法，其特征在于，包括：
获取待测图片，并确定待测图片的交界线；
根据所述交界线将所述待测图片分解为若干分割图片；
确定各交界线的交界对比度，并根据交界颜色判定对应的图片类别；
根据各分割图片的亮度确定所述待测图片的光源数据，并根据亮度对待测图片的颜色饱和度进行调节以形成调整图片；
根据所述光源数据以及所述调整图片对所述待测图片的图片类别进行判断；
其中，所述交界对比度为交界线与相邻分割区域的明显程度，其与交界线的颜色有关；
所述图片类别包括合成图片、自然图片；
所述待测图片的图片类别与待测图片的场景有关。
2.根据权利要求1所述的用于深度合成信息的检测方法，其特征在于，所述待测图片由若干不同颜色的区域组成，对于单张待测图片，其对应单个识别灵敏度，
若任意相邻区域的色差大于所述识别灵敏度，判定该相邻区域的交界位置为所述交界线；
若任意相邻区域的色差不大于所述识别灵敏度，判定该相邻区域为相同的所述分割图片；
其中，所述交界线由所述相邻区域中亮度较小一侧的所述分割图片的像素组成，设定该分割图片为该交界线的主图片。
3.根据权利要求2所述的用于深度合成信息的检测方法，其特征在于，在确定所述单张待测图片对应的识别灵敏度时，根据该待测图片的对比度确定最小分割数，并对识别灵敏度进行调整，若所述分割图片的数量小于所述最小分割数，将所述识别灵敏度的数值调大。
4.根据权利要求2所述的用于深度合成信息的检测方法，其特征在于，对于所述待测图片中的单张分割图片，将该分割图片的亮度以预设亮度调整值进行步进调整，直至交界线或与交界线相邻的所述分割图片中的任一像素被识别为白色，
若交界线上任一像素被识别为白色，且与交界线相邻的任一像素不为白色，判定该待测图片为合成图片；
若与交界线相邻的所述分割图片中的任一像素被识别为白色，且交界线不为白色，判定该待测图片为合成图片。
5.根据权利要求2所述的用于深度合成信息的检测方法，其特征在于，对于所述待测图片，将相邻的所述分割图片设定为第一分割图片以及第二分割图片，其中，第一分割图片的亮度低于第二分割图片的亮度；
以所述第一分割图片的中心向所述第二分割图片的中心进行连线，并对连线经过路径的各像素的颜色饱和度进行判定，若路径上的各像素的颜色饱和度的连线存在突变值，判定所述待测图片为合成图片；
其中，所述突变值为连线颜色饱和度的导数的绝对值大于变化阈值的像素对应的颜色饱和度，其与所述光源数据有关。
6.根据权利要求3-5任一项所述的用于深度合成信息的检测方法，其特征在于，若所述待测图片未被判定为所述合成图片，根据该待测图片的各分割图片的亮度确定对应的光源方向以及光源亮度，其中，光源方向为确定各分割图片的中点，并根据各分割图片的亮度由低到高的连线的对应方向；
其中，所述光源亮度与各分割图片的亮度和亮度差有关。
7.根据权利要求6所述的用于深度合成信息的检测方法，其特征在于，在对所述待测图片的图片类别进行判断时，
若所述待测图片的光源方向指向同一光源，判定该待测图片为自然图片；
若所述待测图片的光源方向指向不同的方向，根据该待测图片的光源亮度对待测图片的图片类别进行进一步判断；
其中，所述同一光源为各光源方向交于同一点。
8.根据权利要求7所述的用于深度合成信息的检测方法，其特征在于，对于所述待测图片，将各光源的亮度调整为相同值，并根据所述各光源的亮度确定各光源的位置；
将各光源的位置连线，根据连线的形状对所述待测图片的图片类别进行判定，其中，
若任一光源的位置与所述待测图片的中点的连线距离大于最大光源距离，判定该待测图片为所述合成图片。
9.根据权利要求1所述的用于深度合成信息的检测方法，其特征在于，在确定所述交界对比度时，若所述交界线中包含所述合成图片，将该合成图片识别为单个分割图片，并将该分割图片进行模糊；
其中，模糊为将所述分割图片的图像噪声以及细节层次降低。
10.根据权利要求9所述的用于深度合成信息的检测方法，其特征在于，在对所述分割图片进行模糊时，若其包含分割线，将该分割线的颜色定义为黑色，并在进行识别时不对该分割线的任一像素进行识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311681169.3A CN117390600B (zh) | 2023-12-08 | 2023-12-08 | 用于深度合成信息的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311681169.3A CN117390600B (zh) | 2023-12-08 | 2023-12-08 | 用于深度合成信息的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117390600A CN117390600A (zh) | 2024-01-12 |
| CN117390600B true CN117390600B (zh) | 2024-02-13 |
Family
ID=89463406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311681169.3A Active CN117390600B (zh) | 2023-12-08 | 2023-12-08 | 用于深度合成信息的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117390600B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1656516A (zh) * | 2002-03-26 | 2005-08-17 | 皇家飞利浦电子股份有限公司 | 将像素分类为自然或合成图像内容 |
| CN102194124A (zh) * | 2010-09-16 | 2011-09-21 | 天津大学 | 一种基于图像搜索的合成图像检测方法 |
| CN105760884A (zh) * | 2016-02-22 | 2016-07-13 | 北京小米移动软件有限公司 | 图片类型的识别方法及装置 |
| CN115797236A (zh) * | 2021-09-08 | 2023-03-14 | 海信集团控股股份有限公司 | 一种图像和谐化处理的方法及设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050002566A1 (en) * | 2001-10-11 | 2005-01-06 | Riccardo Di Federico | Method and apparatus for discriminating between different regions of an image |
| US6996277B2 (en) * | 2002-01-07 | 2006-02-07 | Xerox Corporation | Image type classification using color discreteness features |
| US8903186B2 (en) * | 2013-02-28 | 2014-12-02 | Facebook, Inc. | Methods and systems for differentiating synthetic and non-synthetic images |
-
2023
- 2023-12-08 CN CN202311681169.3A patent/CN117390600B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1656516A (zh) * | 2002-03-26 | 2005-08-17 | 皇家飞利浦电子股份有限公司 | 将像素分类为自然或合成图像内容 |
| CN102194124A (zh) * | 2010-09-16 | 2011-09-21 | 天津大学 | 一种基于图像搜索的合成图像检测方法 |
| CN105760884A (zh) * | 2016-02-22 | 2016-07-13 | 北京小米移动软件有限公司 | 图片类型的识别方法及装置 |
| CN115797236A (zh) * | 2021-09-08 | 2023-03-14 | 海信集团控股股份有限公司 | 一种图像和谐化处理的方法及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117390600A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7227990B2 (en) | Color image processing device and color image processing method | |
| US7620251B2 (en) | Apparatus for selecting image of specific scene, program therefor, and recording medium storing the program | |
| KR100339691B1 (ko) | 코드인식을 위한 장치 및 그 방법 | |
| US20100195902A1 (en) | System and method for calibration of image colors | |
| CN109495731B (zh) | 由图像信号处理器执行的用于自动白平衡方法 | |
| Zakir et al. | Road sign segmentation based on colour spaces: A Comparative Study | |
| CN107423735B (zh) | 一种利用水平梯度和饱和度的车牌定位方法 | |
| US11929019B2 (en) | Method for processing static pattern in an image and circuit system | |
| US20050013502A1 (en) | Method of improving image quality | |
| CN112862832B (zh) | 一种基于同心圆分割定位的脏污检测方法 | |
| CN113873229A (zh) | 一种图像坏点检测方法、系统及装置 | |
| JP2006201975A (ja) | 色識別装置及び色識別プログラム | |
| CN110910394A (zh) | 影像模组的解像力测量方法 | |
| CN117390600B (zh) | 用于深度合成信息的检测方法 | |
| CN113989771A (zh) | 一种基于数字图像处理的交通信号灯识别方法 | |
| WO2007072548A1 (ja) | 画像判別装置 | |
| CN101425143A (zh) | 一种图像定位的方法及装置 | |
| CN114926661B (zh) | 一种纺织品表面颜色数据处理、识别方法及系统 | |
| FI107412B (fi) | Menetelmä ja laite sähköisessä muodossa olevan kuvan visuaalisen laadun maksimoimiseksi | |
| JP2012185810A (ja) | 画像処理装置及び画像処理プログラム | |
| CN113610940B (zh) | 基于海洋矢量文件和影像通道阈值的临海区域匀色方法 | |
| CN113516595A (zh) | 图像处理方法、图像处理装置、电子设备及存储介质 | |
| CN107506686B (zh) | 一种基于显著性检测的夜间车辆检测方法 | |
| CN107578044B (zh) | 一种基于车牌边缘纹理特征的车牌定位方法 | |
| CN112364795B (zh) | 一种号灯自动识别及两船会遇态势感知方法 |
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 |