一种基于颜色和纹理特性的风格迁移伪造图像检测方法和装置制造方法及图纸

本发明专利技术涉及一种基于颜色和纹理特性的风格迁移伪造图像检测方法和装置。该方法首先构建训练图像集的颜色统计分布图和训练图像集中所有训练图像的颜色统计分布图，然后根据差异最大化原则计算颜色检测特征参数，基于颜色检测特征参数计算每幅训练图像的颜色统计分布图的部分检测特征，计算每幅训练图像的颜色统计分布图的分布特性，提取每幅训练图像的纹理特征从而计算其纹理统计特性，从而构建完整的检测特征，最后利用训练图像的完整检测特征和对应的训练图像标签训练检测分类器。针对待检测图像提取其完整检测特征并利用训练好的检测分类器进行检测。本发明专利技术为风格迁移伪造图像地检测提供了有效的解决办法，也为伪造图像检测领域填补了空白。

A Style Transfer Forgery Image Detection Method and Device Based on Color and Texture Characteristics

The invention relates to a style migration forgery image detection method and device based on color and texture characteristics. Firstly, the color statistical distribution map of the training image set and the color statistical distribution map of all the training images in the training image set are constructed. Then, the color detection characteristic parameters are calculated according to the principle of maximum difference. Based on the color detection characteristic parameters, the partial detection features of the color statistical distribution map of each training image are calculated, and the scores of the color statistical distribution map of each training image are calculated. The texture features of each training image are extracted to calculate its texture statistical characteristics, and then a complete detection feature is constructed. Finally, the detection classifier is trained by using the complete detection features of the training image and the corresponding training image labels. For the image to be detected, the complete detection features are extracted and the trained detection classifier is used for detection. The invention provides an effective solution for the detection of forged images by style migration, and fills a gap in the field of forged images detection.

【技术实现步骤摘要】
一种基于颜色和纹理特性的风格迁移伪造图像检测方法和装置
本专利技术属于图像处理
，尤其涉及一种基于颜色和纹理特性的风格迁移伪造图像检测方法和装置。
技术介绍
在过去的20年中，图像处理技术获得了极大的发展，许多图像修改工具的诞生与改进使得现在的人们极易对图像进行修改，这也为攻击者伪造图像提供了极大的便利，有影响力的图像伪造事件亦于近年来层出不穷。当前，伪造图像可能存在于政治丑闻、武器装备宣传、办案证据等不同用途的图像之中，甚至网络上大量的个人照片也可能经过修改(伪造)，可见伪造图像已经危及到新闻公信度、公检法办案乃至人与人之间的信任。检测图像是否可信目前的主流方法可分为主动式和被动式两类。主动式检测方法首先对可信图像嵌入水印，随后，欲再次检测该图像可信度时可提取该图像中水印从而检测。被动式检测方法主要基于图像的不同特性如压缩效应、相机、物理、几何、区域相似度等，通过检测这些特性在图像被伪造时所受到的修改进行可信度检测。主动式方法由于需要对图像提前嵌入水印，因此在实际应用中存在局限性，可见被动式方法在实际应用中的潜力更大。随着人工智能技术的发展，新型图像处理(伪造)技术不断出现，为图像伪造提供了更多的选择。在过去的几年中，研究者在图像风格迁移伪造技术(Styletransfer)方面取得了较大的进展，基于风格迁移所伪造的部分图像与自然风格图像已难以用肉眼区分。而当前，已有的被动式检测方法主要针对通过复制移动(Copy-move)、拼接(Splicing)、图像修补(Imageretouching)等方式篡改伪造的图像进行检测研究。这些方法通常依赖于不同特性的假设，难以普适高效的检测风格迁移伪造图像，现今也并无针对风格迁移伪造图像的研究检测技术，而专家以人眼检测又过于耗时耗力，不适用于数据量较大的情况。因此，研究风格迁移伪造图像的检测方法可为伪造图像检测领域填补空白，为检测风格迁移伪造图像提供有效解决方案。
技术实现思路
本专利技术的目的在于提供一种基于颜色和纹理特性的风格迁移伪造图像检测方法和装置，从而对抗存在的多种图像风格迁移伪造方法。针对上述目的，本专利技术所采用的技术方案为：一种基于颜色和纹理特性的风格迁移伪造图像检测方法，其步骤包括：1)构建含有自然风格图像和风格迁移伪造图像的训练图像集的颜色统计分布图以及该训练图像集中所有训练图像的颜色统计分布图；2)根据差异最大化原则，基于上述训练图像集的颜色统计分布图计算颜色检测特征参数，基于所述颜色检测特征参数构建得到第一部分检测特征；并计算每幅训练图像的颜色统计分布图的分布特性，得到第二部分检测特征；3)提取每幅训练图像的纹理特征，从而计算每幅训练图像的纹理统计特性，根据纹理统计特性构建第三部分检测特征；4)合并步骤2)和步骤3)中所述第一部分、第二部分、第三部分的检测特征，得到完整检测特征，并将每幅训练图像的完整检测特征与其对应的训练图像标签进行模型训练得到检测分类器；5)构建待检测图像的颜色统计分布图；6)基于步骤2)中所述颜色检测特征参数提取待检测图像的第一部分检测特征；并计算待检测图像的颜色统计分布图的分布特性，提取第二部分检测特征；7)提取待检测图像的纹理特征，从而计算其纹理统计特性，根据纹理统计特性构建第三部分检测特征；8)合并步骤6)和步骤7)中所述第一部分、第二部分、第三部分检测特征得到待检测图像的完整检测特征，并将其输入步骤4)所述检测分类器进行检测。进一步地，步骤1)中所述训练图像集包括风格迁移伪造图像子集和自然风格图像子集。更进一步地，步骤2)中根据差异最大化原则，利用差异性计算度量分别计算风格迁移伪造图像子集与自然风格图像子集的每一对统计分布图中相应组之间的差异性，选取差异性最大的前k组作为第一部分检测特征；其中k由实验结果调试确定或由用户自由选取。更进一步地，所述差异性计算度量为但不仅仅限于欧式距离。进一步地，步骤2)和步骤6)中计算颜色统计分布图的分布特性，并利用不同的差异性计算度量构建第二部分检测特征。更进一步地，所述分布特性为但不仅仅限于1阶导数、2阶导数；所述差异性计算度量为但不仅仅限于总变分(TotalVariations)、总方差。进一步地，步骤3)和步骤7)中所述的图像纹理特征提取方法为但不仅仅限于方向梯度直方图(HistogramofOrientedGradient)、局部二值模式(LocalBinaryPatterns)。进一步地，步骤4)中所述模型训练的方法步骤包括：4-1)将训练图像标签表示为一个由0和1组成的标签向量；其中0代表自然风格图像，1代表风格迁移伪造图像；4-2)将每幅训练图像的完整检测特征构成特征矩阵；4-3)将每幅训练图像的特征矩阵和其对应的标签向量输入分类器进行训练得到检测分类器。更进一步地，步骤4-3)中所述检测分类器为但不仅仅限于支持向量机(SupportVectorMachine)、集成分类器(EnsembleClassifier)。进一步地，步骤1)和步骤5)中所述颜色统计分布图为但不仅仅限于hue(色调)通道统计分布图、saturation(饱和度)通道统计分布图。一种基于颜色和纹理特性的风格迁移伪造图像检测装置，其包括：颜色统计分布图构建模块，负责在训练阶段构建含有自然风格图像和风格迁移伪造图像的训练图像集的颜色统计分布图以及该训练图像集中所有训练图像的颜色统计分布图；并负责在检测阶段构建待检测图像的颜色统计分布图；第一部分检测特征构建模块，负责根据差异最大化原则，基于颜色统计分布图计算颜色检测特征参数，基于所述颜色检测特征参数构建得到训练图像或者待检测图像的第一部分检测特征；第二部分检测特征构建模块，负责计算每幅训练图像或待检测图像的颜色统计分布图的分布特性，得到训练图像或者待检测图像的第二部分检测特征；纹理特征提取模块，负责提取每幅训练图像或待检测图像的纹理特征；第三部分检测特征构建模块，负责计算每幅训练图像或待检测图像的纹理统计特性，根据纹理统计特性构建训练图像或者待检测图像的第三部分检测特征；模型训练模块，负责合并训练图像的第一部分、第二部分、第三部分的检测特征，得到完整检测特征，并将每幅训练图像的完整检测特征与其对应的训练图像标签进行模型训练得到检测分类器；图像检测模块，负责合并待检测图像的第一部分、第二部分、第三部分检测特征得到待检测图像的完整检测特征，并将其输入所述模型训练模块得到的检测分类器进行检测。本专利技术提出了一种基于颜色和纹理特性的风格迁移伪造图像检测方法和装置，为风格迁移伪造图像地检测提供了有效地解决办法，也为伪造图像检测领域填补了空白。该方法和装置首先构建训练图像集的颜色统计分布图以及训练图像集中所有训练图像的颜色统计分布图；之后根据差异最大化原则，基于上述训练图像集的颜色统计分布图计算颜色检测特征参数，基于所述颜色检测特征参数计算每幅训练图像的颜色统计分布图的部分检测特征，计算每幅训练图像的颜色统计分布图的分布特性，计算每幅训练图像的纹理特征从而计算其纹理统计特性，从而基于颜色与纹理特性构建训练图像的有效完整的检测特征；最后利用训练图像的完整检测特征和对应的训练图像标签训练分类器，从而得到有效的检测分类器，即可针对待检测图像提取其完整检测特征，从本文档来自技高网...

【技术保护点】
1.一种基于颜色和纹理特性的风格迁移伪造图像检测方法，其特征在于，包括以下步骤：1)构建含有自然风格图像和风格迁移伪造图像的训练图像集的颜色统计分布图以及该训练图像集中所有训练图像的颜色统计分布图；2)根据差异最大化原则，基于上述训练图像集的颜色统计分布图计算颜色检测特征参数，基于所述颜色检测特征参数构建得到第一部分检测特征；并计算每幅训练图像的颜色统计分布图的分布特性，得到第二部分检测特征；3)提取每幅训练图像的纹理特征，从而计算每幅训练图像的纹理统计特性，根据纹理统计特性构建第三部分检测特征；4)合并步骤2)和步骤3)中所述第一部分、第二部分、第三部分的检测特征，得到完整检测特征，并将每幅训练图像的完整检测特征与其对应的训练图像标签进行模型训练得到检测分类器；5)构建待检测图像的颜色统计分布图；6)基于步骤2)中所述颜色检测特征参数提取待检测图像的第一部分检测特征；并计算待检测图像的颜色统计分布图的分布特性，提取第二部分检测特征；7)提取待检测图像的纹理特征，从而计算其纹理统计特性，根据纹理统计特性构建第三部分检测特征；8)合并步骤6)和步骤7)中所述第一部分、第二部分、第三部分检测特征得到待检测图像的完整检测特征，并将其输入步骤4)所述检测分类器进行检测。...

【技术特征摘要】
1.一种基于颜色和纹理特性的风格迁移伪造图像检测方法，其特征在于，包括以下步骤：1)构建含有自然风格图像和风格迁移伪造图像的训练图像集的颜色统计分布图以及该训练图像集中所有训练图像的颜色统计分布图；2)根据差异最大化原则，基于上述训练图像集的颜色统计分布图计算颜色检测特征参数，基于所述颜色检测特征参数构建得到第一部分检测特征；并计算每幅训练图像的颜色统计分布图的分布特性，得到第二部分检测特征；3)提取每幅训练图像的纹理特征，从而计算每幅训练图像的纹理统计特性，根据纹理统计特性构建第三部分检测特征；4)合并步骤2)和步骤3)中所述第一部分、第二部分、第三部分的检测特征，得到完整检测特征，并将每幅训练图像的完整检测特征与其对应的训练图像标签进行模型训练得到检测分类器；5)构建待检测图像的颜色统计分布图；6)基于步骤2)中所述颜色检测特征参数提取待检测图像的第一部分检测特征；并计算待检测图像的颜色统计分布图的分布特性，提取第二部分检测特征；7)提取待检测图像的纹理特征，从而计算其纹理统计特性，根据纹理统计特性构建第三部分检测特征；8)合并步骤6)和步骤7)中所述第一部分、第二部分、第三部分检测特征得到待检测图像的完整检测特征，并将其输入步骤4)所述检测分类器进行检测。2.根据权利要求1所述的方法，其特征在于，步骤1)所述训练图像集包括风格迁移伪造图像子集和自然风格图像子集。3.根据权利要求1所述的方法，其特征在于，步骤2)根据差异最大化原则，利用差异性计算度量分别计算风格迁移伪造图像子集与自然风格图像子集的每一对统计分布图中相应组之间的差异性，选取差异性最大的前k组作为第一部分检测特征；其中k由实验结果调试确定或由用户自由选取。4.根据权利要求1所述的方法，其特征在于，步骤2)和步骤6)中计算颜色统计分布图的分布特性，并利用不同的差异性计算度量构建第二部分检测特征。5.根据权利要求4所述的方法，其特征在于，所述分布特性为但不限于1阶导数、2阶导数；所述差异性计算度量为但不限于总变分、总方差。6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：郭园方，操晓春，王蕊，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：北京,11