一种基于信息交互的图像鲁棒来源取证方法技术

本发明专利技术公开了一种基于信息交互的图像鲁棒来源取证方法，涉及人工智能技术领域，主要是以基于多头自注意力机制的Vision Transformer为基本框架，结合权值共享扩展孪生分支训练深度学习算法模型，利用Vision Transformer的全局建模能力，结合自注意机制模拟卷积操作通过图像内容特征相关性提取局部特征信息，实现全局特征信息指导局部特征信息提取大大提高模型鲁棒性。然后通过权值共享机制扩展孪生分支，利用双分支信息共享来实现类残差训练策略。最终得到的图像源取证模型能够更好地应对经过社交网络传输后的干扰畸变图像下的图像鲁棒来源取证任务。

【技术实现步骤摘要】

本专利技术涉及人工智能，特别是涉及一种基于信息交互的图像鲁棒来源取证方法。

技术介绍

1、在传统的原始场景设置中，图像来源取证(sci)算法主要提取图像在成像过程中留下有辨识度的指纹特征(例如颜色直方图、纹理特征、形状描述子等)进行源识别。这些指纹特征需要经过特征工程的过程来人工提取，然后使用分类器(如支持向量机、随机森林等)进行训练和分类。该方法的关键在于设计有效的特征和选择合适的分类器。传统机器学习方法通常适用于较小规模的数据集和简单的特征表达方式，对于特征工程的要求较高。它在数据量不大、特征较为明确时表现良好，并且可以提供可解释性较强的结果。然而，对于复杂图像任务和大规模数据集，传统机器学习方法的表现有限。目前主流的基于机器学习手动提取特征的方法有：

2、基于光响应不均匀性噪声(prnu)等指纹特征的图像来源取证方案，prnu是由于硬件缺陷无法被消除而产生的相机指纹，也是最常被使用的指纹，在sci领域有着举足轻重的地位。很多算法都是利用prnu的不可磨灭性和唯一性来分辨不同来源图像简的差异。其中主要用到的方法就是构建残差图用于训练。...

【技术保护点】

1.一种基于信息交互的图像鲁棒来源取证方法，其特征在于，包括：

2.根据权利要求1所述的基于信息交互的图像鲁棒来源取证方法，其特征在于，两条分支基于孪生网络的权值共享机制进行信息交互，得到双支路整合后的类光响应不均匀性噪声特征PRNU，包括：

3.根据权利要求2所述的基于信息交互的图像鲁棒来源取证方法，其特征在于，通过梯度反传更新分支网络的共享权值参数。

4.根据权利要求2所述的基于信息交互的图像鲁棒来源取证方法，其特征在于，所述对比损失函数为：

5.根据权利要求1所述的基于信息交互的图像鲁棒来源取证方法，其特征在于，每个高分时空表征学习模...

【技术特征摘要】

1.一种基于信息交互的图像鲁棒来源取证方法，其特征在于，包括：

2.根据权利要求1所述的基于信息交互的图像鲁棒来源取证方法，其特征在于，两条分支基于孪生网络的权值共享机制进行信息交互，得到双支路整合后的类光响应不均匀性噪声特征prnu，包括：

3.根据权利要求2所述的基于信息交互的图像鲁棒来源取证方法，其特征在于，通过梯度反传更新分支网络的共享权值参数。

4.根据权利要求2所述的基于信息交互的图像鲁棒来源取证方法，其特征在于，所述对比损失函数为：

5.根据权利要求1所述的基于信息交互的图像鲁棒来源取证方法，其特征在于，每个高分时空表征学习模型分支包括：局部特征注意力模块和全局特征注意力模块；局部特征注意力模块和全局特征注意力模块的结构相同，包括：动态位置编码、多头注意力块和前馈神经网络。

6.根据权利...

【专利技术属性】
技术研发人员：郑伟明，王波，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：