【技术实现步骤摘要】
基于双流边界感知神经网络的图像篡改区域定位方法
本专利技术涉及深度学习与图像取证
,具体涉及一种基于双流边界感知神经网络的图像篡改区域定位方法。
技术介绍
随着多媒体采集设备的快速发展和使用,人们已经迎来了一个多媒体信息爆炸的时代。几乎每个人都有能力制作和传输大量的数字图像。同时,图像编辑软件的简单操作使得图像操作变得越来越容易,普通人也可以很容易的对图像内容进行处理和修改。随着技术的发展,伪造图像越来越不易被发现。如果恶意篡改的图像传播开来,会影响人们对客观事物的判断,有时甚至会对社会和国家产生负面影响。在基于局部噪声特征的方法中,使用手工设计的高频残差滤波器(如SRM滤波器),将图像预处理为高频信息敏感的残差图像再提取噪声不一致特征来区分区域是否发生篡改。但使用手工设计滤波器来去除低频信息,这导致了一些频率信息的丢失,这些频率信息也包含了识别被篡改部分的线索,制约了现有方法的性能。如何有效的选择并利用这些被忽略掉的频率统计信息,成为提高篡改检测算法的关键。基于成像设备固有属性一致性方法从成像设备入手,比对不同图像的固有属性(如CFA特性、JPEG量表等),当统一图像中出现与图像整体属性不一致的区域时,判定此区域被篡改。这类方法通常被用来进行图像溯源取证,局限性大,比如不能应对复制移动的篡改方式,且表现效果不好。图像局部篡改总是在操作的边缘留下细微的痕迹。基于边界伪影的检测方法是利用卷积网络提取图像的边界信息,挖掘真实边界和篡改区域边界的不一致性。基于区域边界伪影的方法虽然更符合人类视 ...
【技术保护点】
1.一种基于双流边界感知神经网络的图像篡改区域定位方法,其特征在于,包括如下步骤:/na)将RGB图像I从空域图像转换到频率域数据,将转换的频域数据与RGB图像组成成对的空频数据作为神经网络的输入,使用参数不共享的两个骨架网络分别提取RGB图像和频率域数据的多层次特征;/nb)将RGB域多层次特征和频率域数据的多层次特征进行特征融合;/nc)对融合后的特征进行篡改区域定位和篡改边界定位;/nd)利用复合损失函数约束网络优化训练篡改区域定位和篡改边界定位。/n
【技术特征摘要】 【专利技术属性】
1.一种基于双流边界感知神经网络的图像篡改区域定位方法,其特征在于,包括如下步骤:
a)将RGB图像I从空域图像转换到频率域数据,将转换的频域数据与RGB图像组成成对的空频数据作为神经网络的输入,使用参数不共享的两个骨架网络分别提取RGB图像和频率域数据的多层次特征;
b)将RGB域多层次特征和频率域数据的多层次特征进行特征融合;
c)对融合后的特征进行篡改区域定位和篡改边界定位;
d)利用复合损失函数约束网络优化训练篡改区域定位和篡改边界定位。
2.根据权利要求1所述的基于双流边界感知神经网络的图像篡改区域定位方法,其特征在于,步骤a)包括如下步骤:
a-1)将RGB图像I,I∈R3×H×W转换到YCbCr颜色空间,通道数为3,H为图RGB图像I的长度,W为图RGB图像I的宽度,对转换后的YCbCr颜色空间的Y、Cb、Cr三个分量分别进行P×P大小的切块,P≥1且,并对每个切块进行离散余弦变换,得到P×P个频率系数;
a-2)根据Y、Cb、Cr三个分量的每个分量,根据位置关系将相同频率的频域系数放置在同一通道中,第k个通道频率表示为k∈{1,2,...,K},K为通道的总数量,K=3×P×P;
a-3)为每个频率dk减去所有空间位置上频率系数的均值后再除以所有空间位置上频率系数的标准差得到的归一化频道矩阵,将K个归一化频道矩阵沿通道方向组合成一个三维张量
a-4)通过公式计算的潜力系数α,α={α1,α2,...αK},αk∈[0,1],k∈{1,2,...,K},式中δ为ReLU函数,β为BN函数,σ为Sigmoid函数,Conv2与Conv1均为卷积计算,Conv1核大小为K/r×K×1×1,Conv2核大小为K×K/r×1×1,r为超参数,K≥r≥1;
a-5)使用频率自适应调质模块,其由自适应频率选择模块和频率调制模块构成,通过公式k∈[1,K]计算自适应频率选择模块计算后的加权频道矩阵αk为第k个通道的潜力系数,通过建立频率自适应模块的三维张量的输出利用公式计算频率自适应模块中的频率调制模块的输出Ofam,Conv4与Conv4均为卷积计算,Conv3为3×3的组卷积,其组数等于的通道数,Conv4核大小为C×K×1×1,C的值为频率数据需要嵌入的backbone的首层卷积的输入通道数,C≥1,
a-6)使用删除Conv1-x的Resnet101网络作为频率域数据的骨架网络提取多层次特征,得到Resnet101网络中Conv2-x层的输出f2、Resnet101网络中Conv3-x层的输出f3、Resnet101网络中Conv4-x层的输出f4及Resnet101网络中Conv5-x层的输出f5,将原始的RGB图像I输入至Resnet101网络提取多层次特征,得到Resnet101网络中Conv2-x层的输出r2、Resnet101网络中Conv3-x层的输出r3、Resnet101网络中Conv4-x层的输出r4及Resnet101网络中Conv5-x层的输出r5。
3.根据权利要求1所述的基于双流边界感知神经网络的图像篡改区域定位方法,其特征在于:步骤a)中的骨架网络为Resnet101骨架网络。
4.根据权利要求2所述的基于双流边界感知神经网络的图像篡改区域定位方法,其特征在于:P取值为8,K取值为192,r的取值为8,C的取值为64。
技术研发人员:程志勇,孙超,高赞,陈达,舒明雷,聂礼强,
申请(专利权)人:山东省人工智能研究院,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。