一种基于注意力机制与边缘引导的图像深度修复取证方法技术

本发明专利技术涉及一种基于注意力机制与边缘引导的图像深度修复取证方法，属于多媒体取证技术领域。现有技术中，基于卷积神经网络的取证重点关注图像内容信息，而且，对修复区域进行像素级定位存在边缘定位失真的问题。本发明专利技术所述的方法构建了一种基于深度修复操作的图像取证网络，使用带有注意力机制的残差密集块和边缘引导模块，并通过多链路并联的思想实现基于深度修复操作的取证。采用本发明专利技术所述的方法有效的提升了网络的取证性能，并且定位出来的修复区域的边界和真实修复区域更加接近，大大降低了边界失真率，最终使得网络取得了良好的取证效果。取证效果。

【技术实现步骤摘要】
一种基于注意力机制与边缘引导的图像深度修复取证方法


[0001]本专利技术属于图像处理与模式识别
，具体涉及一种基于注意力机制与边缘引导的图像深度修复取证方法。

技术介绍

[0002]随着计算机技术、互联网技术、多媒体技术的快速发展，数字图像被广泛应用于工作、学习和生活中的各个方面，并且发挥着越来越重要的作用。数字图像和文字信息同样作为传播信息的媒介，相比与文字信息而言，数字图像传递的信息更为直观，图像可以让人们更加方便、快速地了解其所要描述地内容。并且随着科技的发展，数字图像获取的方式变得容易。数字图像凭借着这些显著的优点，在军事、新闻、教育、医学、社交以及法庭证据等方面发挥着不可替代的作用。
[0003]Wu提出了一种针对样本合成修复的图像取证方法[Wu Qiong et al.Detection of digital doctoring in exemplar
‑
based inpainted images.International Conference on Machine Learning&a本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制与边缘引导的图像深度修复取证方法，包括以下步骤：(1)选择深度修复方法，构建基于深度修复的多媒体数据集；(2)采用基于编码
‑
解码结构的基础网络，并引入残差密集块、注意力机制以及边缘引导模块，并通过多链路并联的思想构建了一种图像深度修复操作取证网络。(3)使用构建的数据集对所述的检测网络进行训练，得到优化的检测网络模型。2.如权利要求1所述的一种基于注意力机制与边缘引导的图像深度修复取证方法，其特征在于，图像修复数据集是经过基于深度学习的修复方法制作的。修复的区域和面积是任意的，区域分为规则区域和不规则区域，修复区域面积可以设置为不同的比例大小，例如1％、5％和10％。并且经过深度修复的图像相比于传统的修复方法更加真实，在视觉上难以分辨。3.如权利要求1所述的一种基于注意力机制与边缘引导的图像深度修复取证方法，其特征在于，网络可以由多个链路组成，本发明中的网络采用了三个链路，并且上一个链路解码后经过第一个卷积后处理层输出的16个通道的特征图会送入中间链路的编码器中，以此和中间链路卷积预处理层后输出的16个通道的特征图拼接在一起作为中间链路的输入。同时，每个链路的结构是一致的。4.如权利要求3所述的一种基于注意力机制与边缘引导的图像深度修复取证方法，其特征在于，每一个链路中，首先通过卷积预处理层，再通过下采样层，接着通过带有注意力机制的残差密集块，然后通过上采样和卷积后处理操作。上采样包含两个支路，一个支路上关注的是修复区域的边缘...

【专利技术属性】
技术研发人员：李岳楠，孙浩，朱新山，甘永东，王佳宇，王洪泉，
申请(专利权)人：天津大学，
类型：发明
国别省市：