一种基于卷积神经网络的图像生成方式分类方法
感知图像的类型有助于提高图像取证、隐写分析、失泄密监管等安全检测的精度.因此,按照生成方式对图像进行类型分类对后续的安全检测具有显著意义.本文提出一种采用卷积神经网络对自然图像和文档扫描图像进行分类的方法,通过卷积和池化操作提取两类图像具有高区分度的特征,融合后得到分类判决结果.实验结果表明,所提出的分类方法在”SKL”图像库上分类精度超过93％.图像预处理对于模型的精度以及模型训练收敛所需时间具有积极效果,经过图像预处理后训练的卷积神经网络模型对于图像文字大小和图像格式鲁棒.
图像生成 分类方法 鲁棒性 卷积神经网络
李巧玲 关晴骁 赵险峰
中国科学院信息工程研究所信息安全国家重点实验室,中国科学院大学,北京,100093
国内会议
合肥
中文
273-283
2016-10-15（万方平台首次上网日期，不代表论文的发表时间）