一种高鲁棒性的图像篡改检测方法技术

本发明专利技术属于信息安全领域，提供了一种高鲁棒性的图像篡改检测方法，包括以下步骤：1)利用空洞卷积来获得多尺度特征提取，使用Concat可以得到全局特征表示，既可防止多次卷积后丢失浅层特征，又能得到更大的感受野，提高小目标篡改检测的效果。2)利用BayarConv进行噪声提取，该噪声器提取方法优于SRM滤波器，Bayarconv是为了增强给定图像中操纵区域和真实区域之间的噪声不一致性而开发的。3)利用残差块、批归一化和激活函数来捕获空间特征，该构造是一个常规的编码器，主要目的是与语义特征进行交叉融合。4)使用交叉注意力机制融合空间特征与语义特征，融合后的特征再输入到上采样层和卷积层进行检测，并利用混合损失函数训练此模型。本文提出的交叉注意力机制在大量的在多个公开的数据集上的实验数据表明此发明专利技术不仅可以精确的预测篡改位置还可以更准确的识别篡改的类型。识别篡改的类型。识别篡改的类型。

【技术实现步骤摘要】
一种高鲁棒性的图像篡改检测方法
[0001]本专利技术涉及信息安全领域，具体来说，涉及了一种高鲁棒性的图像篡改检测方法。

技术介绍
：
[0002]本部分的陈述仅仅是涉及到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]高鲁棒性的图像篡改检测方法在信息安全领域中处于重要地位，不是针对某一种篡改类型进行定位，而是针对常见的篡改类型复制
‑
移动(Copy
‑
move)，拼接(Splicing)，修复(Inpainting)对篡改内容进行定位和判断篡改类型。
[0004]近年来，随着图像编辑技术和图像编辑软件的进步，低成本的篡改或操纵图像生成过程已经变得广泛可用。在篡改技术中，拼接、复制移动和删除是最常见的操作。图像拼接从真实图像复制区域并将其粘贴到其他图像，复制
‑
移动复制和粘贴同一图像中的区域，以及移除从真实图像中消除区域，它能任意地修改图像或视频，从而生成人眼真假难辨的伪造图像。尽管该技术给数字图像处理领域带来了明显的进步，但也有人将此技术恶意地用在了政治、色情等领域，给社会带本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高鲁棒性的图像篡改检测，其特征在于，该方法包括以下步骤：1)利用空洞卷积来获得多尺度特征提取，使用Concat可以得到全局特征表示，既可防止多次卷积后丢失浅层特征，又能得到更大的感受野，提高小目标篡改检测的效果；2)利用BayarConv进行噪声提取，该噪声器提取方法优于SRM滤波器，Bayarconv是为了增强给定图像中操纵区域和真实区域之间的噪声不一致性而开发的；3)利用残差块、批归一化和激活函数来捕获空间特征，该构造是一个常规的编码器，主要目的是与语义特征进行交叉融合；4)使用交叉注意力机制融合空间特征与语义特征，融合后的特征再输入到上采样层和卷积层进行检测，并利用混合损失函数训练此模型。2.根据权利要求1所述的一种高鲁棒性的图像篡改检测方法，其特征在于：所述步骤1)具体方法是：2.1)首先设置卷积核为3
×
3并且设置每层的空洞卷积率d＝{1,3,5}，不同的空洞卷积率可以用来从不同的角度探索图像伪造信息。2.2)其次每一层采用ResNet101学习多尺度语义篡改特征，利用ResNet最后卷积层的输出特征进行操作分类。3.根据权利要求1所述的一种高鲁棒性的图像篡改检测方法，其特征在于：所述步骤2)具体方法是：3.1)首先，给定一个以ω(0,0)为中心元素的以ω为参数的卷积滤波器，Bayarconv施加了两个约束，即ω(0,0)＝
‑
1和∑
i,j！＝0
ω(i,j)＝1在每次训练迭代后，约束被应用于ω。3.2)其次，将给定的图像X通过核大小为5
×5×
3的Bayarconv层，得到它的全尺寸噪声视图为Bayarconv(x)，经过编码器后输出是来自其主干的最后一个ResNet块的K个特征映射的阵列。4.根据权利要求1所述的一种高鲁棒性的图像篡改检测方法，其特征在于：所述步...

【专利技术属性】
技术研发人员：夏晨星，曹慧贞，葛斌，王慧玲，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：