用于复制移动伪造的图像检测方法、装置、介质及设备制造方法及图纸

本发明专利技术公开了一种用于复制移动伪造的图像检测方法、装置、介质及设备，方法包括：获取待检测图像；将待检测图像输入构建的上下文多尺度交叉融合网络中，输出标记有伪造位置的定位图。本发明专利技术通过将待检测图像输入构建的上下文多尺度交叉融合网络中，输出标记有伪造位置的定位图，实现了复制移动伪造区域的定位；通过双流多尺度特征提取融合模块(DSSF)有效的提取了多尺度信息；而在解码器部分提出的残差冗余解码模块也通过利用相关性匹配图引导网络能够融合利用相关性信息；通过两者的灵活运用，提出的方案达到了实际的使用标准。提出的方案达到了实际的使用标准。提出的方案达到了实际的使用标准。

【技术实现步骤摘要】
用于复制移动伪造的图像检测方法、装置、介质及设备


[0001]本专利技术属于图像处理
，具体涉及一种用于复制移动伪造的图像检测方法、装置、介质及设备。

技术介绍

[0002]随着图像处理技术的发展，人们可以很容易的使用一些诸如Photoshop之类的图像编辑软件来对图像实现修改，从客观上来说方便了人们的使用，同时也推动了图片的进一步传播。而对于学术、犯罪取证等领域，图像的安全性必须得到保证。图像伪造可以大致分为三个方向，即拼接伪造、复制移动伪造和润饰伪造。复制移动伪造是指将图片的一部分剪切并复制粘贴到同一张图片上，由于粘贴的部分往往会经过旋转、缩放、模糊等后处理操作，因此复制移动伪造检测定位是一项有挑战性的取证难题。
[0003]传统的复制移动伪造检测定位方案主要包含三个步骤，分别是特征提取，特征匹配与后处理操作。根据特征提取方式的不同，可以将传统的复制移动伪造检测算法分为基于块的检测定位算法与基于关键点的检测定位算法。基于块的检测定位算法首先将图像分为重叠的图像块，对每个图像块提取如DCT、DWT等特征，再使用欧式距离计算相关性并使用字典排序对相关性进行排序。最后根据相关系阈值与距离等条件进行后处理操作后输出检测定位图。这种算法虽然可以很好的检测定位伪造部位，但其计算复杂度太高，很难应用于实际的检测之中，同时这种算法对于几何变换攻击的鲁棒性也较差。因此，研究者们为了弥补这些缺陷，探索了基于关键点的检测定位算法。具体来讲，首先计算图像的关键点，如SIFT、SURF等，之后使用KNN算法对关键点进行特征匹配，最后通过聚类等后处理操作输出检测定位图。相较于基于块的检测定位算法，基于关键点的检测定位算法的计算速度快，同时其检测精度相较于基于块的定位算法并没有明显的下降，基本满足的实际的使用需求。但基于关键点的算法对较小的伪造物体的检测性能较差，同时对于平滑的纹理块的检测也很容易会失败。

技术实现思路

[0004]为解决现有技术中的不足，本专利技术提供一种用于复制移动伪造的图像检测方法、装置、介质及设备，有效提高了伪造图像检测的准确率。
[0005]为达到上述目的，本专利技术所采用的技术方案是：
[0006]第一方面，提供一种用于复制移动伪造的图像检测方法，包括：获取待检测图像；将待检测图像输入构建的上下文多尺度交叉融合网络中，输出标记有伪造位置的定位图。
[0007]进一步地，所述上下文多尺度交叉融合网络，包括：双流多尺度特征提取融合模块，用于从待检测图像中提取图像的多尺度特征；特征相关性模块，用于利用皮尔森系数计算多尺度特征的相关性，并使用百分比池化去除冗余信息，获得相关性特征；多尺度融合
‑
空洞空间金字塔池化模块，用于交换多尺度特征，并再次计算相关性，同时，融合相关性特征，获得相关性匹配图；残差冗余解码模块，用于根据相关性匹配图，解码输出标记有伪造
位置的定位图。
[0008]进一步地，所述双流多尺度特征提取融合模块，包括：利用VGG16的前四个块提取特征，并将第四个块的池化层去除，第四个块的卷积改为深度可分离卷积；随后将第二、三、四个块的特征采用堆叠的方式输入双流多尺度特征提取融合模块提取并融合多尺度特征，得到三个不同尺度的特征向量，将三个不同尺度的特征向量输入通道注意力模块来引导网络重点关注对复制移动伪造检测任务有积极作用的通道特征；双流多尺度特征提取融合模块的最终输出为：
[0009]M
r,last
＝Sep(M
r,3
)+M
r,0 (3)
[0010]其中，r∈[h,l
‑
，h表示高分辨率流，l表示低分辨率流，Sep(
·
)表示卷积核大小为3的深度可分离卷积，M
r,0
表示双流多尺度特征提取融合模块的输入，M
r,3
表示经过了3组上下文多尺度交叉融合网络提取后的M
r,0
。
[0011]进一步地，所述特征相关性模块，包括：利用皮尔森系数计算特征张量空间方向的任意两个像素的相关性，将得到的特征张量在通道上从大到小排序后，取固定百分比维度的特征以减少冗余特征；使用皮尔森系数计算相关性的方法如下：
[0012][0013]其中，S
m
，
n
表示patch
‑
like特征F
m
与F
n
之间的相关性，是Fm通过减去均值除以方差后的归一化版本，是Fn通过减去均值除以方差后的归一化版本，Fc是通道维度。
[0014]进一步地，所述多尺度融合
‑
空洞空间金字塔池化模块，包括：将中间特征张量输入多尺度融合
‑
空洞空间金字塔池化模块，在提取多尺度特征的同时融合不同尺度的特征信息；多尺度融合
‑
空洞空间金字塔池化模块分别使用膨胀率为4、8、12、16的空洞卷积提取不同尺度的特征，然后使用卷积核为1
×
1的可分离卷积压缩通道数，并使用堆叠的双流多尺度特征提取融合模块对空洞空间金字塔池化模块的输出做不同尺度特征的融合；之后，将多尺度融合
‑
空洞空间金字塔池化模块的输出再次输入到所述特征相关性模块中计算空间相关性，从而正确定位图像伪造位置。
[0015]进一步地，所述残差冗余解码模块，包括：根据相关性匹配图的空间分布细化分割掩码，使用残差结构拼接到对应特征后，再使用拼接后的特征进行解码；最后，使用softmax激活得到最终的伪造掩码，在训练过程中，使用了交叉熵损失来优化网络参数，给定预测掩码h∈{0,1}和相对应的真实值y∈{0,1}，上下文多尺度交叉融合网络的损失可以使用以下公式计算：
[0016][0017]其中，m表示像素数量。
[0018]第二方面，提供一种用于复制移动伪造的图像检测装置，包括：图像获取模块，用于获取待检测图像；检测模块，用于将待检测图像输入构建的上下文多尺度交叉融合网络中，输出标记有伪造位置的定位图。
[0019]第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如第一方面所述的用于复制移动伪造的图像检测方法。
[0020]第四方面，提供一种计算机设备，包括：存储器，用于存储指令；处理器，用于执行所述指令，使得所述设备执行实现如第一方面所述的用于复制移动伪造的图像检测方法的操作。
[0021]与现有技术相比，本专利技术所达到的有益效果：本专利技术通过将待检测图像输入构建的上下文多尺度交叉融合网络中，输出标记有伪造位置的定位图，实现了复制移动伪造区域的定位；通过DSSF模块有效的提取了多尺度信息；而在解码器部分提出的残差冗余解码模块也通过利用相关性匹配图引导网络能够融合利用相关性信息；通过两者的灵活运用，提出的方案达到了实际的使用标准。
附图说明
[0022]图1是本专利技术实施例提供的一种用于复制移动伪造的图像检测方法的框架示意本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于复制移动伪造的图像检测方法，其特征在于，包括：获取待检测图像；将待检测图像输入构建的上下文多尺度交叉融合网络中，输出标记有伪造位置的定位图。2.根据权利要求1所述的用于复制移动伪造的图像检测方法，其特征在于，所述上下文多尺度交叉融合网络，包括：双流多尺度特征提取融合模块，用于从待检测图像中提取图像的多尺度特征；特征相关性模块，用于利用皮尔森系数计算多尺度特征的相关性，并使用百分比池化去除冗余信息，获得相关性特征；多尺度融合
‑
空洞空间金字塔池化模块，用于交换多尺度特征，并再次计算相关性，同时，融合相关性特征，获得相关性匹配图；残差冗余解码模块，用于根据相关性匹配图，解码输出标记有伪造位置的定位图。3.根据权利要求2所述的用于复制移动伪造的图像检测方法，其特征在于，所述双流多尺度特征提取融合模块，包括：利用VGG16的前四个块提取特征，并将第四个块的池化层去除，第四个块的卷积改为深度可分离卷积；随后将第二、三、四个块的特征采用堆叠的方式输入双流多尺度特征提取融合模块提取并融合多尺度特征，得到三个不同尺度的特征向量，将三个不同尺度的特征向量输入通道注意力模块来引导网络重点关注对复制移动伪造检测任务有积极作用的通道特征；双流多尺度特征提取融合模块的最终输出为：M
r,last
＝Sep(M
r,3
)+M
r,0 (3)其中，r∈[h,l]，h表示高分辨率流，l表示低分辨率流，Sep(
·
)表示卷积核大小为3的深度可分离卷积，M
r,0
表示双流多尺度特征提取融合模块的输入，M
r,3
表示经过了3组上下文多尺度交叉融合网络提取后的M
r,0
。4.根据权利要求3所述的用于复制移动伪造的图像检测方法，其特征在于，所述特征相关性模块，包括：利用皮尔森系数计算特征张量空间方向的任意两个像素的相关性，将得到的特征张量在通道上从大到小排序后，取固定百分比维度的特征以减少冗余特征；使用皮尔森系数计算相关性的方法如下：其中，S
m
，
n
表示...

【专利技术属性】
技术研发人员：熊礼治，许建华，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：