图像篡改检测方法及装置制造方法及图纸

本发明专利技术涉及图像篡改检测方法及装置，所述方法包括依据预设的细粒度图像描述模型，获取待检测图像的语义描述信息；对所获取的语义描述信息与预设的反常规则库进行匹配：若所述预设的反常规则库包含所述语义描述信息，则判断所述待检测图像为篡改图像；所述装置可以执行上述方法的各步骤。与现有技术相比，本发明专利技术提供的图像篡改检测方法及装置，可以更加准确的检测图像的真实性。

【技术实现步骤摘要】
图像篡改检测方法及装置
本专利技术涉及计算机视觉与图像识别
，具体涉及一种图像篡改检测方法及装置。
技术介绍
数字图像处理软件可以用于对图像进行编辑处理，相应地，也有利于图像的篡改和伪造，使得篡改图像大量增加，甚至篡改图像还会出现在新闻报道和法律证据中，降低新闻媒体和司法的公信力。目前，可以采用数字图像内容认证技术检测图像是否为篡改图像，数字图像内容认证技术主要包括主动认证方式和被动认证方式。其中：主动认证方式指的是在图像生成过程中或发布之前，嵌入水印或数字签名。但是，主动认证方式需要数字成像设备配备水印或数字签名的嵌入模型，使用较为不便。被动认证方式指的是直接依据图像内容判断图像是否为篡改图像。但是，被动认证方式极易受到图像的像素级、格式级和场景级等反篡改工具的制约，不能准确检测图像的真实性。
技术实现思路
为了解决现有技术中的上述问题，即为了解决图像篡改检测技术不易实施及检测准确性低的技术问题，本专利技术提供了一种图像篡改检测方法及装置。第一方面，本专利技术中一种图像篡改检测方法的技术方案是：所述方法包括：依据预设的细粒度图像描述模型，获取待检测图像的语义描述信息；对所获取的语义描述信息与预设的反常规则库进行匹配：若所述预设的反常规则库包含所述语义描述信息，则判断所述待检测图像为篡改图像；其中：所述预设的细粒度图像描述模型的输出包括预设的真实图像对应的语义描述信息、预设的篡改图像对应的语义描述信息；所述反常规则库包括预设的多个语义描述信息，且所述的多个语义描述信息所包含的信息内容为异常信息。进一步地，本专利技术提供的一个优选技术方案为：所述对所获取的语义描述信息与预设的反常规则库进行匹配之前，包括：判断所获取的语义描述信息中是否存在包含同一信息内容的多个语义描述信息：若存在，则去除包含该同一信息内容的一个或多个语义描述信息，且保留一个包含该同一信息内容的语义描述信息；依据所获取的语义描述信息的置信度由高到低的顺序，选择预设数量的语义描述信息；对所获取的语义描述信息进行标准化处理，包括：去除所述语义描述信息中包含的冠词和形容词，并将去除冠词和形容词后语义描述信息中的各单词转换为对应的预设单词。进一步地，本专利技术提供的一个优选技术方案为：所述语义描述信息还包括与其包含的信息内容对应的图像区域坐标。进一步地，本专利技术提供的一个优选技术方案为：所述获取待检测图像的语义描述信息之前，包括采用深度卷积神经网络算法、细粒度图像分类方法构建细粒度图像描述模型。进一步地，本专利技术提供的一个优选技术方案为：所述获取待检测图像的语义描述信息之前，包括采用递归神经网络算法，并依据预设的真实图像、预设的篡改图像依次对细粒度图像描述模型进行第一数据训练和第二数据训练；其中：所述第一数据训练包括：依据预设的细粒度图像描述模型、预设的真实图像，获取所述预设的真实图像的第一语义描述信息；获取对所述预设的真实图像进行人工标注后，得到的第二语义描述信息；计算所述第一语义描述信息和第二语义描述信息之间的第一损失函数值，依据所述第一损失函数值、反向传播算法优化所述细粒度图像描述模型；所述第二数据训练包括：依据预设的细粒度图像描述模型、预设的篡改图像，获取所述预设的篡改图像的第三语义描述信息；获取对所述预设的篡改图像进行人工标注后，得到的第四语义描述信息；计算所述第三语义描述信息和第四语义描述信息之间的第二损失函数值，依据所述第二损失函数值、反向传播算法优化所述细粒度图像描述模型。第二方面，本专利技术中一种图像篡改检测装置的技术方案是：所述装置包括：信息获取模块，配置为依据预设的细粒度图像描述模型，获取待检测图像的语义描述信息；信息匹配模块，配置为对所获取的语义描述信息与预设的反常规则库进行匹配：若所述预设的反常规则库包含所述语义描述信息，则判断所述待检测图像为篡改图像；其中：所述预设的细粒度图像描述模型包括预设的真实图像对应的语义描述信息、预设的篡改图像对应的语义描述信息；所述反常规则库包括预设的多个语义描述信息，且所述的多个语义描述信息所包含的信息内容为异常信息。进一步地，本专利技术提供的一个优选技术方案为：所述装置还包括：信息去重模块，配置为判断所述信息获取模块所获取的语义描述信息中是否存在包含同一信息内容的多个语义描述信息：若存在，则去除包含该同一信息内容的一个或多个语义描述信息，且保留一个包含该同一信息内容的语义描述信息；信息选择模块，配置为依据所述信息获取模块所获取的语义描述信息的置信度由高到低的顺序，选择预设数量的语义描述信息；信息处理模块，配置为对所述信息获取模块所获取的语义描述信息进行标准化处理，包括：去除所述语义描述信息中包含的冠词和形容词，并将去除冠词和形容词后语义描述信息中的各单词转换为对应的预设单词。进一步地，本专利技术提供的一个优选技术方案为：所述信息获取模块所获取的语义描述信息还包括与其包含的信息内容对应的图像区域坐标。进一步地，本专利技术提供的一个优选技术方案为：所述装置还包括模型构建模块；所述模型构建模块，配置为采用深度卷积神经网络算法、细粒度图像分类方法构建细粒度图像描述模型。进一步地，本专利技术提供的一个优选技术方案为：所述装置还包括模型训练模块；所述模型训练模块包括第一模型训练单元和第二模型训练单元；所述模型训练模块，配置为采用递归神经网络算法，并依据预设的真实图像、预设的篡改图像依次对细粒度图像描述模型进行第一数据训练和第二数据训练；所述第一模型训练单元包括第一信息获取子单元、第二信息获取子单元和第一模型优化子单元；所述第一信息获取子单元，配置为依据预设的细粒度图像描述模型、预设的真实图像，获取所述预设的真实图像的第一语义描述信息；所述第二信息获取子单元，配置为获取对所述预设的真实图像进行人工标注后，得到的第二语义描述信息；所述第一模型优化子单元，配置为计算所述第一语义描述信息和第二语义描述信息之间的第一损失函数值，依据所述第一损失函数值、反向传播算法优化所述细粒度图像描述模型；所述第二模型训练单元包括第三信息获取子单元、第四信息获取子单元和第二模型优化子单元；所述第三信息获取子单元，配置为依据预设的细粒度图像描述模型、预设的篡改图像，获取所述预设的篡改图像的第三语义描述信息；所述第四信息获取子单元，配置为获取对所述预设的篡改图像进行人工标注后，得到的第四语义描述信息；所述第二模型优化子单元，配置为计算所述第三语义描述信息和第四语义描述信息之间的第二损失函数值，依据所述第二损失函数值、反向传播算法优化所述细粒度图像描述模型。第三方面，本专利技术中另一种图像篡改检测装置的技术方案是：所述装置包括：处理器，用于执行各指令；存储设备，用于存储多条指令；所述指令适用于由处理器加载并执行权利要求1-5所述图像篡改检测方法中的各步骤。与现有技术相比，上述技术方案至少具有以下有益效果：1、本专利技术提供的一种图像篡改检测方法，可以依据预设的细粒度图像描述模型获取待检测图像的语义描述信息，并将所获取的语义描述信息与预设的反常规则库进行匹配，依据匹配结果判断待检测图像是否为篡改图像，该方法不受底层像素级、格式级、场景级等反篡改工具的制约，可以更加准确的检测图像的真实性。2、本专利技术提供的一种图像篡改检测装置，其信息获取模块可以依据预设的细粒度图像描述模本文档来自技高网...

【技术保护点】
一种图像篡改检测方法，其特征在于，所述方法包括：依据预设的细粒度图像描述模型，获取待检测图像的语义描述信息；对所获取的语义描述信息与预设的反常规则库进行匹配：若所述预设的反常规则库包含所述语义描述信息，则判断所述待检测图像为篡改图像；其中：所述预设的细粒度图像描述模型的输出包括预设的真实图像对应的语义描述信息、预设的篡改图像对应的语义描述信息；所述反常规则库包括预设的多个语义描述信息，且所述的多个语义描述信息所包含的信息内容为异常信息。

【技术特征摘要】
1.一种图像篡改检测方法，其特征在于，所述方法包括：依据预设的细粒度图像描述模型，获取待检测图像的语义描述信息；对所获取的语义描述信息与预设的反常规则库进行匹配：若所述预设的反常规则库包含所述语义描述信息，则判断所述待检测图像为篡改图像；其中：所述预设的细粒度图像描述模型的输出包括预设的真实图像对应的语义描述信息、预设的篡改图像对应的语义描述信息；所述反常规则库包括预设的多个语义描述信息，且所述的多个语义描述信息所包含的信息内容为异常信息。2.根据权利要求1所述的方法，其特征在于，所述对所获取的语义描述信息与预设的反常规则库进行匹配之前，包括：判断所获取的语义描述信息中是否存在包含同一信息内容的多个语义描述信息：若存在，则去除包含该同一信息内容的一个或多个语义描述信息，且保留一个包含该同一信息内容的语义描述信息；依据所获取的语义描述信息的置信度由高到低的顺序，选择预设数量的语义描述信息；对所获取的语义描述信息进行标准化处理，包括：去除所述语义描述信息中包含的冠词和形容词，并将去除冠词和形容词后语义描述信息中的各单词转换为对应的预设单词。3.根据权利要求1或2所述的方法，其特征在于，所述语义描述信息还包括与其包含的信息内容对应的图像区域坐标。4.根据权利要求1或2所述的方法，其特征在于，所述获取待检测图像的语义描述信息之前，包括采用深度卷积神经网络算法、细粒度图像分类方法构建细粒度图像描述模型。5.根据权利要求1或2所述的方法，其特征在于，所述获取待检测图像的语义描述信息之前，包括采用递归神经网络算法，并依据预设的真实图像、预设的篡改图像依次对细粒度图像描述模型进行第一数据训练和第二数据训练；其中：所述第一数据训练包括：依据预设的细粒度图像描述模型、预设的真实图像，获取所述预设的真实图像的第一语义描述信息；获取对所述预设的真实图像进行人工标注后，得到的第二语义描述信息；计算所述第一语义描述信息和第二语义描述信息之间的第一损失函数值，依据所述第一损失函数值、反向传播算法优化所述细粒度图像描述模型；所述第二数据训练包括：依据预设的细粒度图像描述模型、预设的篡改图像，获取所述预设的篡改图像的第三语义描述信息；获取对所述预设的篡改图像进行人工标注后，得到的第四语义描述信息；计算所述第三语义描述信息和第四语义描述信息之间的第二损失函数值，依据所述第二损失函数值、反向传播算法优化所述细粒度图像描述模型。6.一种图像篡改检测装置，其特征在于，所述装置包括：信息获取模块，配置为依据预设的细粒度图像描述模型，获取待检测图像的语义描述信息；信息匹配模块，配置为对所获取的语义描述信息与预设的反常规则库进行匹配：若所述预设的反常规则库包含所述语义描述信息，则判断所述待检测图像为篡改图像；其中：所述预设的细粒度图像描述模型包括预设的真实图像对应的...

【专利技术属性】
技术研发人员：谭铁牛，董晶，王伟，叶奎，徐金东，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京,11