一种被拼接篡改的图像的检测方法技术

本发明专利技术一种被拼接篡改的图像的检测方法，涉及图像分析，是基于光源图和金字塔特征图的被拼接篡改的图像的检测方法，利用两个结构相同的卷积神经网络分别提取被拼接篡改图像及其对应光源图的多阶段特征，结合多尺度信息，将两组多阶段特征进行融合和上采样，得到金字塔特征图，将金字塔特征图不同层分别经过区域生成网络，得到篡改候选区域,经过ROI Align生成固定尺寸特征图，对固定尺寸特征图进行分类、边界框回归和掩码预测，最后得到篡改区域的边界框和像素级定位，完成对被拼接篡改的图像的检测，克服了现有技术提取的图像篡改特征单一不全面，容易忽略区域较小的篡改目标，不能实现端到端的像素级定位的缺陷。

A detection method of spliced and tampered image

【技术实现步骤摘要】
一种被拼接篡改的图像的检测方法
本专利技术的技术方案涉及图像分析，具体地说是一种被拼接篡改的图像的检测方法。
技术介绍
近年来，图像编辑软件如Photoshop等得到了迅速的发展，使人们可以按着自己的意愿对图像进行篡改，甚至达到了以假乱真的程度，若这些篡改图片被别有用心的人应用于军事政治，法庭作证，科学研究等严肃的场合，便会扭曲真相，误导大众，对社会产生不利的影响。因此，研究数字图像是否被经过篡改的图像取证技术具有十分重要的意义。拼接是一种最常见的图像篡改手段，它是将一幅图像或多幅图像的某一部分拼接到另一幅图像，以达到伪造事实的目的，若再经过一些后处理操作，如用模糊、噪声、压缩等后处理方法来隐藏篡改的痕迹，则会更加不易分辨所拼接篡改的图像的真伪。被拼接篡改的图像的检测方法主要分为两种：传统方法和基于深度学习的方法。传统方法主要提取拼接区域和真实区域之间的特征差异，以达到检测和定位拼接篡改的目的，如：基于噪声特征、基于整体特征和基于光源一致性特征的被拼接篡改的图像的检测方法，但这些方法都是基于某一特定假设，提取的特征不能全本文档来自技高网...

【技术保护点】
1.一种被拼接篡改的图像的检测方法，其特征在于：是基于光源图和金字塔特征图的图像拼接检测方法，具体步骤如下：/n第一步，将输入图像生成对应的光源图：/n首先将输入图像分割成相似的区域，即超像素，然后在每个超像素上对光源颜色进行估计，用广义灰色世界估计方法生成包含不同光源颜色估计的GGE光源图，或用逆强度色度估计方法生成包含不同光源颜色估计的IIC光源图，/n由此完成将输入图像生成对应的光源图；/n第二步，使用特征提取网络对篡改图像和其对应的光源图进行特征提取：/n特征提取网络由以下支路A和支路B两个支路组成，/n支路A，是在篡改图像上进行提取特征，提取篡改线索明显的特征，包括对比度差异和不自然...

【技术特征摘要】
1.一种被拼接篡改的图像的检测方法，其特征在于：是基于光源图和金字塔特征图的图像拼接检测方法，具体步骤如下：
第一步，将输入图像生成对应的光源图：
首先将输入图像分割成相似的区域，即超像素，然后在每个超像素上对光源颜色进行估计，用广义灰色世界估计方法生成包含不同光源颜色估计的GGE光源图，或用逆强度色度估计方法生成包含不同光源颜色估计的IIC光源图，
由此完成将输入图像生成对应的光源图；
第二步，使用特征提取网络对篡改图像和其对应的光源图进行特征提取：
特征提取网络由以下支路A和支路B两个支路组成，
支路A，是在篡改图像上进行提取特征，提取篡改线索明显的特征，包括对比度差异和不自然的篡改边界，具体操作如下：
将篡改图像调整到512×512像素大小，输入支路A的ResNet-101网络，ResNet-101网络共有五个阶段，在每个阶段中，包含一组分辨率大小相同的特征图，每个阶段在经过池化层后得到下个阶段，大小变为原来的二分之一，分别取每个阶段的最后一个层的输出，获得不同分辨率的篡改图像特征图：C1、C2、C3、C4和C5，其对应的大小分别为256×256像素、128×128像素、64×64像素、32×32像素和16×16像素，至此，篡改图像经过支路A的ResNet-101网络后得到了不同分辨率的五个篡改图像特征图，不同分辨率的篡改图像特征图包含了不同尺度的信息，
支路B，是对与上述支路A中的篡改图像对应的上述第一步中得到的光源图进行提取特征，提取光源图中篡改区域的光源不一致特征，具体操作如下：
将与上述支路A中的篡改图像对应的光源图调整到512×512像素大小，输入该支路B.的ResNet-101网络，ResNet-101网络共有五个阶段，在每个阶段中，包含一组分辨率大小相同的特征图，每个阶段在经过池化层后得到下个阶段，大小变为原来的二分之一，分别取每个阶段的最后一个层的输出，获得不同分辨率的光源特征图：IM_C1、IM_C2、IM_C3、IM_C4和IM_C5，其对应的大小分别为256×256像素、128×128像素、64×64像素、32×32像素和16×16像素，至此，光源图经过支路B的ResNet-101网络后得到了不同分辨率的五个光源特征图，不同分辨率的光源特征图包含了不同尺度的信息，
至此，完成使用特征提取网络对篡改图像和其对应的光源图的特征提取；
第三步，生成金字塔特征图M：
将上述第二步支路A得到的篡改图像特征图C1、C2、C3、C4、C5和支路B得到的光源特征图IM_C1、IM_C2、IM_C3、IM_C4、IM_C5进行融合，具体操作如下，
将C5和IM_C5通过1×1×256的卷积层，其中，1×1是为了改变通道数，256是卷积核的数量，然后融合相加得到大小为16×16像素的特征图P5，将特征图P5进行步长为2的最大池化操作，生成大小为8×8像素的特征图P6，同时将特征图P5进行两倍上采样操作，与同样通过1×1×256卷积层的C4和IM_C4三者融合，生成大小为32×32像素的特征...

【专利技术属性】
技术研发人员：于明，刘世坤，朱叶，刘依，郭迎春，郝小可，于洋，师硕，阎刚，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津;12