【技术实现步骤摘要】
一种基于多任务和对比学习的鲁棒篡改图像定位方法
[0001]本专利技术涉及多媒体信息安全与取证
，尤其涉及的是一种基于多任务和对比学习的鲁棒篡改图像定位方法、装置、智能终端及存储介质。
技术介绍
[0002]随着图像处理和人工智能等技术的发展，越来越多的篡改图像被制作并用于非法目的。这些伪造的图像一旦被广泛传播，势必会造成严重的社会影响。因此，现阶段迫切需要开发能够识别篡改图像并定位篡改区域的篡改定位方法。
[0003]现有技术中已经有一些篡改定位方法被提出来，尽管这些方法在实验室环境中取得了良好的性能，但对经过后处理(JPEG压缩、缩放、模糊和社交媒体传输等)的数据集进行测试时，它们的定位性能会严重下降。原因在于，这些方法在模型设计和训练过程中很少对实际场景进行考虑，这导致提取的特征缺乏足够的鲁棒性和泛化性。
[0004]因此，现有技术还有待改进和发展。
技术实现思路
[0005]本专利技术要解决的技术问题在于，针对现有技术的篡改定位提取的特征缺乏足够的鲁棒性和泛化性，导致篡改定位准确...
【技术保护点】
【技术特征摘要】
1.一种基于多任务和对比学习的鲁棒篡改图像定位方法，其特征在于，所述方法包括：预先构建基于多任务学习和对比学习的篡改定位神经网络；通过预先构建基于多任务学习和对比学习的篡改定位神经网络的数据增强模块，在线生成多个接近真实场景的篡改训练样本；将所述篡改训练样本，输入所构建基于多任务学习和对比学习的篡改定位神经网络进行训练，训练整个篡改定位网络,得到训练后的篡改定位神经网络；将对待测的图像输入训练后的篡改定位神经网络，对待测的图像进行篡改定位，并输出定位结果。2.根据权利要求1所述的基于多任务和对比学习的鲁棒篡改图像定位方法，其特征在于，所述预先构建基于多任务学习和对比学习的篡改定位神经网络的步骤包括：预先构建基于多任务学习和对比学习的篡改定位神经网络；其中，所述基于多任务学习和对比学习的篡改定位神经网络包括：数据增强模块、特征提取模块、对比学习模块、定位解码器和复原解码器；所述数据增强模块用于模拟实际场景中可能的篡改操作和后处理操作；所述特征提取模块与所述数据增强模块连接，所述特征提取模块用于接收所述数据增强模块输出的图像，并对输入的图像提取与图像复原和篡改定位两个任务相关的特征；所述对比学习模块与所述特征提取模块连接，所述对比学习模块用于在特征层面，使用对比学习约束学习到的特征，使得篡改区域和篡改区域，原始区域和原始区域的同类特征集中，同时，篡改区域和原始区域的异类特征远离；所述定位解码器与所述特征提取模块连接，所述定位解码器用于生成篡改定位的结果；所述复原解码器与所述特征提取模块连接，所述复原解码器用于生成复原的图像。3.根据权利要求2所述的基于多任务和对比学习的鲁棒篡改图像定位方法，其特征在于，所述将所述篡改训练样本，输入所构建基于多任务学习和对比学习的篡改定位神经网络进行训练，训练整个篡改定位网络,得到训练后的篡改定位神经网络的步骤包括：在训练阶段，通过数据增强模块模拟实际场景中可能的篡改操作和后处理操作；通过特征提取模块接收数据增强模块输出的图像，并对输入的图像提取与图像复原和篡改定位两个任务相关的特征；通过对比学习模块使用对比学习的方式，对特征提取模块学习到的特征进行约束，使得篡改区域和篡改区域，原始区域和原始区域的同类特征集中，同时，篡改区域和原始区域的异类特征远离；通过复原解码器模块接收经过对比学习模块约束后的特征，使用复原损失进行训练，从而输出复原的图像，同时将复原图像充当特征提取模块的输入，作为另一个版本的图像，用于对特征提取模块的训练，得到训练后的篡改定位神经网络。4.根据权利要求1所述的基于多任务和对比学习的鲁棒篡改图像定位方法，其特征在于，所述通过预先构建基于多任务学习和对比学习的篡改定位神经网络的数据增强模块，在线生成多个接近真实场景的篡改训练样本的步骤包括：通过预先构建基于多任务学习和对比学习的篡改定位神经网络的数据增强模块在线模拟篡改操作生成更多的篡改训练样本；
同时，在线模拟各种实际中可能出现的后处理链，对篡改图像进一步...
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。