本发明专利技术公开了一种伪造图像的识别方法、装置及设备，其中，所述方法包括：获取待检测图像；获取所述待检测图像的频谱掩模与所述待检测图像对应的身份空间约束，所述身份空间约束是指所述待检测图像与对应的预设参考正确图像的关联性权重分布图；根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的高频分量和低频分量；通过所述频谱的高频分量和低频分量与所述身份空间约束，分别得到高频分量的伪造概率和低频分量的伪造概率；合并所述高频分量的伪造概率和所述低频分量的伪造概率，得到最终伪造概率。通过上述方式，本发明专利技术提高了识别系统对于不同造假技术的泛化能力，增强了识别器的性能。识别器的性能。识别器的性能。
【技术实现步骤摘要】
一种伪造图像的识别方法、装置及设备
[0001]本专利技术涉及图像识别
，具体涉及一种伪造图像的识别方法、装置及设备。
技术介绍
[0002]在图像识别领域中，现有的识别方法是通过深度卷积神经网络自动学习真伪图像得到真伪标签，没有充分考虑频域线索，所以学到的判别特征只能判别特定造假图像，无法应对其他的伪造图像，即泛化性很差。
技术实现思路
[0003]为解决上述问题，提出了本专利技术实施例的伪造图像的识别方法、装置及设备。
[0004]根据本专利技术实施例的一个方面，提供了一种伪造图像的识别方法，包括：获取待检测图像；获取所述待检测图像的频谱掩模与所述待检测图像对应的身份空间约束，所述身份空间约束是指所述待检测图像与对应的预设参考正确图像的关联性权重分布图；根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的高频分量和低频分量；通过所述频谱的高频分量和低频分量与所述身份空间约束，分别得到高频分量的伪造概率和低频分量的伪造概率；合并所述高频分量的伪造概率和所述低频分量的伪造概率，得到最终伪造概率。
[0005]可选的，获取所述待检测图像的频谱掩模，包括：获取所述待检测图像的分频半径参数；根据所述分频半径参数，按预设规则生成所述待检测图像的频谱掩模。
[0006]可选的，根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的高频分量和低频分量，包括：对所述待检测图像进行快速傅里叶变换，得到所述待检测图像的第一频率响应；对所述第一频率响应进行平移和变换，得到直流分量位于中心的第二频率响应；根据算法得到所述频谱的第C通道的高频分量，其中，是指第二频率响应，是指逐元素相乘，M是指频谱掩模；对所述频谱的第C通道的高频分量进行快速傅里叶逆变换，得到所述待检测图像的高频分量；根据算法得到所述频谱的第C通道的低频分量；对所述频谱的第C通道的低频分量进行快速傅里叶逆变换，得到所述待检测图像的低频分量。
[0007]可选的，获取所述待检测图像对应的身份空间约束，包括：
提取所述待检测图像的第一特征信息和所述预设参考正确图像的第二特征信息；根据所述第一特征信息和所述第二特征信息确定所述待检测图像与所述预设参考正确图像的关联性权重分布图，得到所述身份空间约束。
[0008]可选的，通过所述频谱的高频分量和低频分量与所述身份空间约束，分别得到高频分量的伪造概率和低频分量的伪造概率，包括：获取所述高频分量和低频分量分别对应的主干网络；根据算法得到所述高频分量的伪造概率，其中，是指所述高频分量对应的主干网络，是指所述待检测图像的高频分量，为所述身份空间约束；根据算法得到所述低频分量的伪造概率，其中，是指所述低频分量对应的主干网络，是指所述待检测图像的低频分量。
[0009]可选的，合并所述高频分量的伪造概率和所述低频分量的伪造概率，得到最终伪造概率，包括：通过算法得到所述最终伪造概率，其中，α为权重参数。
[0010]根据本专利技术实施例的另一方面，提供了一种伪造图像的识别装置，所述装置包括：获取模块，用于获取待检测图像；处理模块，用于获取所述待检测图像的频谱掩模与所述待检测图像对应的身份空间约束，所述身份空间约束是指所述待检测图像与对应的预设参考正确图像的关联性权重分布图；根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的高频分量和低频分量；通过所述频谱的高频分量和低频分量与所述身份空间约束，分别得到高频分量的伪造概率和低频分量的伪造概率；输出模块，用于合并所述高频分量的伪造概率和所述低频分量的伪造概率，得到最终伪造概率。
[0011]根据本专利技术实施例的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述伪造图像的识别方法对应的操作。
[0012]根据本专利技术实施例的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述伪造图像的识别方法对应的操作。
[0013]根据本专利技术上述实施例提供的方案，通过获取待检测图像；获取所述待检测图像的频谱掩模与所述待检测图像对应的身份空间约束，所述身份空间约束是指所述待检测图像与对应的预设参考正确图像的关联性权重分布图；根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的高频分量和低频分量；通过所述频谱的高频分量和低频分量与
所述身份空间约束，分别得到高频分量的伪造概率和低频分量的伪造概率；合并所述高频分量的伪造概率和所述低频分量的伪造概率，得到最终伪造概率。提高了识别系统对于不同造假技术的泛化能力，增强了识别器的性能。
[0014]上述说明仅是本专利技术实施例技术方案的概述，为了能够更清楚了解本专利技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术实施例的具体实施方式。
附图说明
[0015]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本专利技术实施例提供的伪造图像的识别方法的方法流程图；图2示出了本专利技术实施例提供的一种基于赋权分频身份空间约束的身份交换型伪造人脸鉴别方法流程示意图；图3示出了图2中身份语义编码器与主干网络的流程示意图；图4示出了本专利技术实施例提供的伪造图像的识别装置的结构示意图；图5示出了本专利技术实施例提供的计算设备的结构示意图。
具体实施方式
[0016]下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
[0017]图1示出了本专利技术实施例提供的伪造图像的识别方法的方法流程图。如图1所示，该方法包括以下步骤：步骤11，获取待检测图像；步骤12，获取所述待检测图像的频谱掩模与所述待检测图像对应的身份空间约束，所述身份空间约束是指所述待检测图像与对应的预设参考正确图像的关联性权重分布图；步骤13，根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的高频分量和低频分量；步骤14，通过所述频谱的高频分量和低频分量与所述身份空间约束，分别得到高频分量的伪造概率和低频分量的伪造概率；步骤15，合并所述高频分量的伪造概率和所述低频分量的伪造概率，得到最终伪造概率。
[0018]该实施例中，通过获取待检测图像；获取所述待检测图像的频谱掩模与所述待检测图像对应的身份空间约束，所述身份空间约束是指所述待检测图像与对应的预设参考正确图像的关联性权重分布图；根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种伪造图像的识别方法，其特征在于，所述方法包括：获取待检测图像；获取所述待检测图像的频谱掩模与所述待检测图像对应的身份空间约束，所述身份空间约束是指所述待检测图像与对应的预设参考正确图像的关联性权重分布图；根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的高频分量和低频分量；通过所述频谱的高频分量和低频分量与所述身份空间约束，分别得到高频分量的伪造概率和低频分量的伪造概率；合并所述高频分量的伪造概率和所述低频分量的伪造概率，得到最终伪造概率。2.根据权利要求1所述的伪造图像的识别方法，其特征在于，获取所述待检测图像的频谱掩模，包括：获取所述待检测图像的分频半径参数；根据所述分频半径参数，按预设规则生成所述待检测图像的频谱掩模。3.根据权利要求1所述的伪造图像的识别方法，其特征在于，根据所述频谱掩模对所述待检测图像进行分频，分别得到频谱的高频分量和低频分量，包括：对所述待检测图像进行快速傅里叶变换，得到所述待检测图像的第一频率响应；对所述第一频率响应进行平移和变换，得到直流分量位于中心的第二频率响应；根据算法得到所述频谱的第C通道的高频分量，其中，是指第二频率响应，是指逐元素相乘，M是指频谱掩模；对所述频谱的第C通道的高频分量进行快速傅里叶逆变换，得到所述待检测图像的高频分量；根据算法得到所述频谱的第C通道的低频分量；对所述频谱的第C通道的低频分量进行快速傅里叶逆变换，得到所述待检测图像的低频分量。4.根据权利要求1所述的伪造图像的识别方法，其特征在于，获取所述待检测图像对应的身份空间约束，包括：提取所述待检测图像的第一特征信息和所述预设参考正确图像的第二特征信息；根据所述第一特征信息和所述第二特征信息确定所述待检测图像与所述预设参考正确图像的关联性权重分布图，得到所述身份空间约束。5.根据权利要求1所述的伪造图像的识别方法，...
【专利技术属性】
技术研发人员：王博，姜君，李兵，胡卫明，
申请(专利权)人：人民中科济南智能技术有限公司，
类型：发明
国别省市：
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。