買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉吉林大學(xué)申請的專利一種基于邊緣引導(dǎo)的多模態(tài)圖像篡改定位方法和系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120451483B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510954670.5，技術(shù)領(lǐng)域涉及：G06V10/24；該發(fā)明授權(quán)一種基于邊緣引導(dǎo)的多模態(tài)圖像篡改定位方法和系統(tǒng)是由陳海鵬;劉宏昕;石澤男;賈一新;司尚坤設(shè)計研發(fā)完成，并于2025-07-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于邊緣引導(dǎo)的多模態(tài)圖像篡改定位方法和系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于邊緣引導(dǎo)的多模態(tài)圖像篡改定位方法和系統(tǒng)，包括以下步驟：獲取RGB空間域圖像和噪聲域圖像；利用金字塔視覺變換器作為編碼器，對RGB空間域圖像和噪聲域圖像進行特征提取，得到多層級的編碼特征圖，將多層級的編碼特征圖進行融合得到多模態(tài)融合特征圖；對多層級的編碼特征圖進行邊緣先驗特征提取，得到邊界先驗特征圖；將邊界先驗特征圖與多模態(tài)融合特征圖進行融合，提取語義特征，得到多層級顯著性特征編碼圖；將多層級顯著性特征編碼圖輸入到多級多尺度特征聚合模塊中，采用逐組交互機制和通道注意機制，挖掘來自不同通道的判別性和有價值的語義信息，最后輸出得到圖像篡改定位結(jié)果圖像。

本發(fā)明授權(quán)一種基于邊緣引導(dǎo)的多模態(tài)圖像篡改定位方法和系統(tǒng)在權(quán)利要求書中公布了：1.一種基于邊緣引導(dǎo)的多模態(tài)圖像篡改定位方法，其特征在于，包括以下步驟： 獲取RGB空間域圖像和噪聲域圖像； 利用金字塔視覺變換器作為編碼器，對所述RGB空間域圖像和所述噪聲域圖像進行特征提取，得到多層級的編碼特征圖，將所述多層級的編碼特征圖進行融合得到多模態(tài)融合特征圖； 對所述多層級的編碼特征圖進行邊緣先驗特征提取，得到邊界先驗特征圖； 將所述邊界先驗特征圖與所述多模態(tài)融合特征圖進行融合，提取語義特征，得到多層級顯著性特征編碼圖； 將所述多層級顯著性特征編碼圖輸入到多級多尺度特征聚合模塊中，采用逐組交互機制和通道注意機制，挖掘來自不同通道的判別性和有價值的語義信息，最后輸出得到圖像篡改定位結(jié)果圖像； 其中，所述將所述邊界先驗特征圖與所述多模態(tài)融合特征圖進行融合，提取語義特征，得到多層級顯著性特征編碼圖，包括： 根據(jù)所述邊界先驗特征圖與所述多模態(tài)融合特征圖得到顯著邊界信息圖； 將所述顯著邊界信息圖輸入到由兩個平行的殘差通道注意模塊組成的基于分離注意力引導(dǎo)的邊緣引導(dǎo)模塊，分別提取前景圖和背景圖； 將所述前景圖和所述背景圖進行融合后輸入到多尺度通道注意力模塊中得到合成圖； 將所述合成圖與所述前景圖進行交互得到第一分支特征圖，將所述合成圖與所述背景圖進行交互后經(jīng)過密集組合塊得到第二分支特征圖，再將第一分支特征圖與所述第二分支特征圖進行融合，經(jīng)過密集組合塊，得到多層級顯著性特征編碼圖。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人吉林大學(xué)，其通訊地址為：130000 吉林省長春市朝陽區(qū)前進大街2699號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。