一种基于特征增强融合的社交媒体图像篡改检测方法技术

本发明专利技术涉及一种基于特征增强融合的社交媒体图像篡改检测方法，用于对经过社交媒体平台传播过的篡改图像进行取证检测。其发明专利技术内容主要包括：(1)提出一种多尺度感知上下文信息的金字塔特征增强模块；(2)提出一种基于特征增强融合的社交媒体图像篡改检测框架。与现有技术相比，本发明专利技术提供一种基于特征增强融合的社交媒体图像篡改检测方法，针对社交媒体平台传播的篡改图像进行定位检测。本发明专利技术的方法可行且有效，训练后的模型具有较高的检测性能和实时检测效率。实时检测效率。实时检测效率。

【技术实现步骤摘要】
一种基于特征增强融合的社交媒体图像篡改检测方法


[0001]本专利技术涉及多媒体安全
，具体涉及一种基于特征增强融合的社交媒体图像篡改检测方法。

技术介绍

[0002]随着移动互联网的快速普及和信息技术的迅猛发展，数字图像已经成为现如今人们传递信息的重要媒介之一。同时，多媒体信息技术飞速传播，各种各样的图像编辑软件也应时而生，例如美图秀秀，Photoshop等图像编辑软件的广泛应用，使得图像处理变得更加简单。无论是专业用户还是普通用户都可以利用这些图像编辑工具对图像进行编辑，并且编辑后的图像几乎用肉眼看不出篡改痕迹。尽管大多数人都只利用这些图像编辑软件来进行娱乐活动，但是也有一些不法分子对图像进行非法编辑以此来达到自己的某种目的。在信息技术飞速发展的时代，各种各样的社交媒体平台也呈爆炸式增长，如Facebook，微信，微博，Whatsapp等，这些社交软件的兴起简化了图片的分享和传播的流程。越来越多的人通过这些社交媒体软件学习，工作，和生活。社交媒体软件已经成为传播信息的主要平台，其中数字图像占据了重要部分。伪造之后的图像经过社交媒体平台本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征增强融合的社交媒体图像篡改检测方法，其特征在于，所述方法包括：编码器，多尺度感知上下文信息的金字塔特征增强模块，解码器；将骨干网络提取到的篡改图像特征划分为浅层特征和深层特征，利用浅层特征学习图像边缘信息，深层特征学习高级语义信息的特性，提取丰富的图像信息；然后将浅层特征和深层特征提取到的图像信息分别经过多尺度感知上下文信息的金字塔特征增强模块，用于捕获上下文感知的多尺度信息，最后融合浅层特征和深层特征提取到的图像信息并通过解码器上采样到图像尺寸大小。所述编码器采用resnet101作为骨干网络；将resnet101的第一个layer层作为浅层特征，后面三个layer层作为深层特征，同时对后面三个深层特征进行add操作，能够使得图像特征信息增多，从而获得更加丰富的图像特征。此外，在骨干网络中，本文分别采用空洞率为1，1，1，2的空洞卷积。其空洞卷积计算公式为，其中，x(m,n)表示输入，y(m,n)表示输出，w(i,j)表示长，宽分别为M，N的卷积核，r表示空洞率，相邻卷积核元素之间填充的零元素的数量为r
‑
1，且当r＝1时，相邻卷积核元素之间没有填充零元素，此时，空洞卷积即为普通卷积。2.根据权利要求1所述的基于特征增强融合的社交媒体图像篡改检测方法，其特征在于，所述多尺度感知上...

【专利技术属性】
技术研发人员：廖鑫，薛瑶，陈嘉欣，
申请(专利权)人：湖南大学，
类型：发明
国别省市：