【技术实现步骤摘要】
本专利技术涉及数字图像取证，具体涉及基于双域融合的深度学习中值滤波取证方法。
技术介绍
1、数字图像因其直观传递信息的能力成为了不可或缺的信息媒介，数字图像编辑技术的普及也逐渐渗透到人们生活的方方面面。根据个人需求采用数字图像编辑软件进行个性化编辑，创造出满足期望的视觉效果图。图像篡改问题在时尚、新闻、社交媒体等领域普遍存在，使得数字图像的真实性受到威胁。
2、中值滤波法是一种非线性平滑技术，它将每个像素点的灰度值设置为其邻域窗口内所有像素点灰度值的中值，用于改变数字图像的外观或者隐藏特定信息。中值滤波操作可能被用于篡改、伪造或者隐藏图像中的关键信息，从而降低数字图像的可信度。中值滤波操作检测技术研究不仅能够识别虚假多媒体内容，还可以避免恶意信息的传播。传统的中值滤波取证研究方法依赖于人工特征提取，特征提取困难，分类器设计优化困难，导致取证性能受到限制。而现有的深度学习取证方法忽略了图像频域与空域的操作特征互补的性质，导致操作特征的信息丢失，进而使得取证结果可信度较低。
技术实现思路>
1、为了解决本文档来自技高网...
【技术保护点】
1.一种基于双域融合的深度学习中值滤波取证方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，对原始图像数据集中的每张原始图像进行预处理，包括：
3.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，所述将预处理后的原始图像数据集划分为训练数据集和测试数据集，包括：
4.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，所述四个模块包括：
5.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，...
【技术特征摘要】
1.一种基于双域融合的深度学习中值滤波取证方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，对原始图像数据集中的每张原始图像进行预处理，包括：
3.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，所述将预处理后的原始图像数据集划分为训练数据集和测试数据集，包括：
4.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，所述四个模块包括：
5.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，建立双流卷积神经网络取证模型，确定双流卷积神经网络取证模型的取证算法以及评估指标，还包括：
6.根据权利要求1所述的基于双域融合的深度学习中值滤波取证方法，其特征在于，所...
【专利技术属性】
技术研发人员：张磊，谈磊，牛亚坤，左宪禹，张延锋，
申请(专利权)人：河南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。