基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法技术

本发明专利技术公开了一种基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法。包括如下步骤：1：将输入图像进行重采样操作，划分为不交叠的图像块；2：对图像块进行不同的颜色空间变换；3：将从不同颜色空间提取的颜色分量输入到完成训练的三通道卷积神经网络中，将卷积神经网络第一个全连接层的输出作为高维特征表达；4：将高维特征表达输入完成训练的随机森林分类器，得到每个图像块的分类结果；5：将分类结果使用多数投票法判断输入图像是否为计算机生成图像。本发明专利技术方法避免了神经网络对于图像内容的过拟合问题，有效提升检测算法对添加高斯噪声或平滑滤波等后处理操作的鲁棒性。此外，随机森林分类器显著增强了算法对于不同测试样本的泛化能力。

【技术实现步骤摘要】
基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法
本专利技术涉及图像篡改检测方法
，具体地，涉及一种基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法。
技术介绍
随着信息技术的高速发展，数字图像等多媒体信息载体已经在人们日常生活中得到广泛应用，包括金融，教育和医疗等领域。然而，近年来计算机生成图片技术取得空前发展，已经能够自动生成高清晰度的数字图像，并且效果逼真难以通过肉眼区分。与传统基于计算机图形图像学的图像生成算法不同，最新的计算机图片生成算法采用生成对抗网络技术(GenerativeAdversarialNetwork，简称GAN)从大量图像样本中学习自然图像的局部模式，能够生成更加逼真的图像。如果上述计算机生成图片被用于非法用途，将对社会造成巨大的经济损失和安全隐患，例如将计算机生成图片用于伪造电子证据。因此，判断数字图像是否由计算机生成具有重要的实际应用价值。计算机生成图片检测方法已经受到了国内外学者的重视。现有的计算机生成图片检测手段大致分为基于手工特征和基于神经网络两个方面。基于手工特征的检测手段一般需要根据计算机生成图片在颜色和纹理等方面本文档来自技高网...

【技术保护点】
1.一种基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法，其特征在于，包括如下步骤：步骤1：将输入图像进行重采样操作，然后划分为不交叠的图像块；步骤2：对图像块进行不同的颜色空间变换，保留对应的颜色分量；步骤3：将从不同颜色空间提取的颜色分量输入到完成训练的三通道卷积神经网络中，将卷积神经网络第一个全连接层的输出作为高维特征表达；步骤4：将高维特征表达输入完成训练的随机森林分类器，得到每个图像块的分类结果；步骤5：将输入图像所有图像块的分类结果使用多数投票法，判断输入图像是否为计算机生成图像。

【技术特征摘要】
1.一种基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法，其特征在于，包括如下步骤：步骤1：将输入图像进行重采样操作，然后划分为不交叠的图像块；步骤2：对图像块进行不同的颜色空间变换，保留对应的颜色分量；步骤3：将从不同颜色空间提取的颜色分量输入到完成训练的三通道卷积神经网络中，将卷积神经网络第一个全连接层的输出作为高维特征表达；步骤4：将高维特征表达输入完成训练的随机森林分类器，得到每个图像块的分类结果；步骤5：将输入图像所有图像块的分类结果使用多数投票法，判断输入图像是否为计算机生成图像。2.根据权利要求1所述的基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法，其特征在于，所述步骤1包括如下步骤：步骤1.1：对输入彩色图片I＝{Ir，Ig，Ib}在RGB颜色空间中对每一个颜色通道进行重采样，空间尺寸重采样为N×N，重采样结果记为重采样方法可采用双线性插值算法，但不限于此；步骤1.2：将重采样后的图像划分为不交叠的图像块，每个图像块Bv的空间尺寸为b×b，一共获得个图像块；其中v是图像块序号，取值范围是v＝{1，2，...，V}。3.根据权利要求1所述的基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法，其特征在于，所述步骤2包括如下步骤：步骤2.1：将每个图像块Bv进行不同的颜色空间变换，包括RGB空间到HSV空间，RGB空间到YCbCr空间，以及RGB空间到La*b*空间；步骤2.2：图像块Bv经过HSV颜色空间变换，YCbCr颜色空间变换和La*b*颜色空间变换后分别得到：保留其色度分量保留其色度分量和保留其色度分量4.根据权利要求1所述的基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法，其特征在于，所述步骤3包括如下步骤：步骤3.1：构造三通道卷积神经网络，该网络包含三个输入通道，分别对应HSV，YCbCr和La*b*的颜色分量；每个通道的网络结构相同，均由dL个卷积模块级联构成；每个卷积模块中依次连接一个卷积层，一个非线性激活层和一个池化层；三个输入通道的输出向量进行拼接后输入全连接层；在卷积模块之后，该网络级联dF个全连接层；全连接层之间均包含非线性激活层，采用RectifiedLinearUnit函数，简称ReLU函数，其形式为f(x)＝max(x，0)；在最后一个全连接层之后级联一个softmax层，其形式为其中i′∈{1，2}；[x1，x2]表示最后一个全连接层的输出向量；softmax层用于将最后一个全连接层输出的二维向量归一化到[0，1]之间，分别作为输入样本属于计算机生成图片和自然图片的概率；步骤3.2：将步骤2.2中图像块Bv提取的颜色分量和输入完成训练的三通道卷积神经网络中；将卷积神经网络第一个全连接层的dz维输出向量z作为图像块Bv的特征表达。5.根据权利要求1所述的基于多颜色空间卷积神经网络及随机森林的计算机生成图片检测方法，其特征在于，所述步骤...

【专利技术属性】
技术研发人员：何沛松，王宏霞，刘嘉勇，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51