一种基于注意力机制的拼接图像篡改检测方法及系统技术方案

本发明专利技术公开了一种基于注意力机制的拼接图像篡改检测方法及系统，包括：将拼接篡改数据集输入图像篡改检测模型；对篡改拼接图像提取篡改特征，获得特征图；基于带有注意力机制的特征融合网络对特征图进行特征提取，获得最终特征图，基于最终特征图获得拼接图像篡改检测结果。本发明专利技术在YOLOv4网络的末端添加注意力机制，以增强对图像中篡改特征的提取能力。将损失函数中的置信度损失替换为Focal loss，通过减少简单样本的权重，使模型在进行篡改检测任务训练时，专注于困难的样本，并有效改善在训练过程中正负样本不平衡的问题。利用COCO数据集制作合成拼接篡改数据集，解决了数据集不足无法充分训练神经网络的问题。足无法充分训练神经网络的问题。足无法充分训练神经网络的问题。

【技术实现步骤摘要】
一种基于注意力机制的拼接图像篡改检测方法及系统


[0001]本专利技术属于拼接图像篡改检测领域，特别是涉及一种基于注意力机制的拼接图像篡改检测方法及系统。

技术介绍

[0002]随着各种数码设备的飞速发展，数字图像在我们的生活中越来越常见，并且已经与我们的生活息息相关，各种各样的社交软件也加快了它们的传播。随之而来的还有图像处理软件，比如Photoshop、美图秀秀等，修图软件的普及使得虚假图像越来越常见。这些虚假图像若被人恶意使用，则会对社会造成严重危害。
[0003]目前最常见的篡改方法有三种，拼接、复制粘贴和移除，其中复制粘贴和移除都是在一张图片上完成操作的，复制粘贴是从图像中复制一部分并粘贴到同一张图片的另一区域，移除是对图像中的某一区域进行消除操作，拼接是从一幅图像中选取某一块区域，将其粘贴至另一幅图像中。其中的拼接篡改方式是目前在图像篡改检测领域中的一大难点。
[0004]传统图像篡改检测算法通常依据图像自身的信息和物理特性，根据篡改引起的图像特性变化进行检测，如CFA差值算法，JPEG量化表算法，模式噪声估计算法等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的拼接图像篡改检测方法，其特征在于，包括以下步骤：构建篡改拼接数据集和图像篡改检测模型，将所述篡改拼接数据集划分为训练集与测试集，将所述训练集中的篡改拼接图像输入所述图像篡改检测模型；对所述篡改拼接图像提取篡改特征，获得特征图；基于带有注意力机制的特征融合网络对所述特征图进行特征融合处理，获得最终特征图，基于所述最终特征图获得拼接图像篡改区域定位结果；基于所述测试集对训练完成的图像篡改检测模型进行测试，测试完成后获得检测结果。2.根据权利要求1所述的方法，其特征在于，构建拼接篡改数据集的过程中包括：S1.随机选取COCO数据集中的一张图片并读取其中的真值目标及真值目标所在区域；S2.将所述真值目标及真值目标所在区域截取，并随机粘贴到其他图片中的随机区域，得到合成图像；S3.重复S1
‑
S2过程，直到将所述COCO数据集中的所有图片均转化为所述合成图像，构成拼接篡改数据集。3.根据权利要求1所述的方法，其特征在于，构建所述图像篡改检测模型的过程中包括：采用改进的YOLOv4模型构建所述图像篡改模型；所述改进的YOLOv4模型中的损失函数采用了Focal loss损失函数。4.根据权利要求1所述的方法，其特征在于，对所述篡改拼接图像提取篡改特征的过程中包括：基于CSPDarknet53特征提取网络提取出图像中的篡改特征，输出三个不同大小的特征图。5.根据权利要求1所述的方法，其特征在于，基于带有注意力机制的特征融合网络对所述特征图进行特征融合处理，获得最终特征图的过程中包括：通过通道注意力使用平均池化与最大池化缩小所述特征图的空间信息；基于共享...

【专利技术属性】
技术研发人员：刘军清，韩志奇，李菁，康维，
申请(专利权)人：三峡大学，
类型：发明
国别省市：