【技术实现步骤摘要】
本专利技术涉及图像检测，尤其涉及一种基于噪声增强的图像检测方法、装置、设备及存储介质。
技术介绍
1、随着图像载体在信息传播过程中占据的份量越来越重，对图像的攻击和篡改成为了不法行为者用来实现其目标的手段之一。与此同时，随着各种图像处理工具的迅速发展，图像操作与篡改的技术门槛不断降低，这使得恶意图像篡改已经对信息安全造成了不容忽视的影响。相较于那些在图像生成时便明确重要性并嵌入水印以进行版权保护的少数数字图像，现代信息传播过程中没有水印的数字图像数量更庞大。另一方面，带有水印的图像在遭受篡改时，其原始数据和完整性更容易被检测和保护。这些水印允许图像被篡改后进行自恢复，提供了篡改检测的可靠性。然而，篡改检测技术需要应对数字信息传播过程中大量无水印图像被篡改且无法自我恢复的威胁。这要求对篡改图片进行准确的判定，并对篡改区域进行精准的定位。这种技术可以被广泛应用于各种不同领域，适用于各种需要非闭环信息传播的业务场景。
2、有鉴于此，亟需一种基于噪声增强的图像检测方法，用于进行图像篡改检测。
3、上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本专利技术的主要目的在于提供一种基于噪声增强的图像检测方法、装置、设备及存储介质，旨在解决现有技术中对篡改图像检测准确度较低的技术问题。
2、为实现上述目的，本专利技术提供了一种基于噪声增强的图像检测方法，所述方法包括以下步骤：
3、将待检测图像输入到训练
4、对所述处理后的待检测图像进行高维度特征提取，得到待检测特征图像；
5、对所述待检测特征图像进行局部噪声增强处理，得到异常噪声增强后的待检测特征图像；
6、对所述异常噪声增强后的待检测特征图像进行检测，得到图像检测识别结果。
7、可选地，对所述待检测特征图像进行局部噪声增强处理，得到异常噪声增强后的待检测特征图像，具体步骤包括：
8、获取噪声特征图像块，并对所述噪声特征图像块进行平均池化处理，得到噪声卷积核；
9、通过所述噪声卷积核对所述待检测特征图像进行逐层遍历，并对待增强的共性特征图像区域进行特征激活，得到异常噪声增强后的待检测特征图像。
10、可选地，获取噪声特征图像块，并对所述噪声特征图像块进行平均池化处理，得到噪声卷积核，具体步骤包括：
11、对所述处理后的待检测图像进行随机切割，得到多个噪声特征图像块；
12、对所述噪声特征图像块进行平均池化处理，得到所述噪声卷积核。
13、可选地，对所述异常噪声增强后的待检测特征图像进行检测，得到图像检测识别结果，具体步骤包括：
14、对所述异常噪声增强后的待检测特征图像进行初始图像检测，得到第一图像检测结果；
15、对所述第一图像检测结果进行深度图像检测，得到所述图像检测识别结果。
16、可选地，对所述第一图像检测结果进行深度图像检测，得到所述图像检测识别结果，具体步骤包括：
17、对所述第一图像检测结果进行全局信息关注，得到全局信息识别结果；
18、对所述第一图像检测结果进行局部信息关注，得到局部信息识别结果；
19、对所述第一图像检测结果进行交叉信息关注，得到交叉信息识别结果；
20、对所述全局信息识别结果、所述局部信息识别结果以及所述交叉信息识别结果进行整合，得到所述图像检测识别结果。
21、可选地，所述训练后的图像篡改检测模型，具体训练过程包括：
22、获取训练图像数据集，并对所述训练图像数据集中的训练图像数据进行数据预处理得到处理后的训练图像数据集；
23、对所述处理后的训练图像数据集中处理后的训练图像数据分别进行数据特征提取，得到图像特征数据集；
24、对所述训练图像特征数据集进行分类，得到图像特征训练集和图像特征测试集；
25、将所述图像特征训练集导入待训练的图像篡改检测模型中进行模型训练，得到待检测的图像篡改检测模型；
26、将所述图像特征测试集导入所述待检测的图像篡改检测模型进行模型检测，并在模型检测结果为合格时，输出所述训练后的图像篡改检测模型。
27、可选地，获取训练图像数据集，并对所述训练图像数据集中的训练图像数据进行数据预处理得到处理后的训练图像数据集，具体步骤包括：
28、获取训练图像数据集，并对所述训练图像数据集中的每一训练图像数据分别进行篡改图像拆分，得到各自对应的篡改部分图像和多个未篡改部分图像；
29、对于每一所述训练图像数据，分别将每一所述篡改部分图像和与其对应的所述未篡改部分图像分别进行绑定，得到每一所述篡改部分图像对应的图像正负实例；
30、将所得的图像正负实例进行整合，得到所述处理后的训练图像数据集。
31、此外，为实现上述目的，本专利技术还提出一种基于噪声增强的图像检测装置，所述基于噪声增强的图像检测装置包括：
32、预处理模块：将待检测图像输入到训练后的图像篡改检测模型中，并对所述待检测图像进行全局噪声增强处理，得到处理后的待检测图像；
33、特征提取模块：对所述处理后的待检测图像进行高维度特征提取，得到待检测特征图像；
34、噪声增强模块：对所述待检测特征图像进行局部噪声增强处理，得到异常噪声增强后的待检测特征图像；
35、图像检测模块：对所述异常噪声增强后的待检测特征图像进行检测，得到图像检测识别结果。
36、此外，为实现上述目的，本专利技术还提出一种基于噪声增强的图像检测设备，所述基于噪声增强的图像检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于噪声增强的图像检测程序，所述基于噪声增强的图像检测程序配置为实现如上文所述的基于噪声增强的图像检测方法的步骤。
37、此外，为实现上述目的，本专利技术还提出一种存储有计算机程序的计算机可读存储介质，所述存储介质上存储有基于噪声增强的图像检测程序，所述基于噪声增强的图像检测程序被处理器执行时实现如上文所述的基于噪声增强的图像检测方法的步骤。
38、本专利技术将待检测图像输入到训练后的图像篡改检测模型中，并对所述待检测图像进行全局噪声增强处理，得到处理后的待检测图像；对所述处理后的待检测图像进行高维度特征提取，得到待检测特征图像；对所述待检测特征图像进行局部噪声增强处理，得到异常噪声增强后的待检测特征图像；对所述异常噪声增强后的待检测特征图像进行检测，得到图像检测识别结果。本专利技术基于训练后的图像篡改检测模型对待检测图像先进行全局噪声增强，从而强化图像篡改部分的噪声特征，进而再对其进行特征提取与局部噪声增强，得到待检测特征图像，最后再对其进行检测得到相应的检测结果，提高了对篡改图像的检测准确性。<本文档来自技高网...
【技术保护点】
1.一种基于噪声增强的图像检测方法，其特征在于，包括：
2.根据权利要求1所述的基于噪声增强的图像检测方法，其特征在于，对所述待检测特征图像进行局部噪声增强处理，得到异常噪声增强后的待检测特征图像，具体步骤包括：
3.根据权利要求2所述的基于噪声增强的图像检测方法，其特征在于，获取噪声特征图像块，并对所述噪声特征图像块进行平均池化处理，得到噪声卷积核，具体步骤包括：
4.根据权利要求1-3中任一项所述的基于噪声增强的图像检测方法，其特征在于，对所述异常噪声增强后的待检测特征图像进行检测，得到图像检测识别结果，具体步骤包括：
5.根据权利要求4所述的基于噪声增强的图像检测方法，其特征在于，对所述第一图像检测结果进行深度图像检测，得到所述图像检测识别结果，具体步骤包括：
6.根据权利要求1所述的基于噪声增强的图像检测方法，其特征在于，所述训练后的图像篡改检测模型，具体训练过程包括：
7.根据权利要求6所述的基于噪声增强的图像检测方法，其特征在于，获取训练图像数据集，并对所述训练图像数据集中的训练图像数据进行数据预
8.一种基于噪声增强的图像检测装置，其特征在于，所述基于噪声增强的图像检测装置包括：
9.一种基于噪声增强的图像检测设备，其特征在于，所述基于噪声增强的图像检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于噪声增强的图像检测程序，所述基于噪声增强的图像检测程序配置为实现根据权利要求1至7中任一项所述的基于噪声增强的图像检测方法。
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，计算机程序被处理器执行时能够实现权利要求1至7任一项所述的基于噪声增强的图像检测方法中的步骤。
...【技术特征摘要】
1.一种基于噪声增强的图像检测方法，其特征在于，包括：
2.根据权利要求1所述的基于噪声增强的图像检测方法，其特征在于，对所述待检测特征图像进行局部噪声增强处理，得到异常噪声增强后的待检测特征图像，具体步骤包括：
3.根据权利要求2所述的基于噪声增强的图像检测方法，其特征在于，获取噪声特征图像块，并对所述噪声特征图像块进行平均池化处理，得到噪声卷积核，具体步骤包括：
4.根据权利要求1-3中任一项所述的基于噪声增强的图像检测方法，其特征在于，对所述异常噪声增强后的待检测特征图像进行检测，得到图像检测识别结果，具体步骤包括：
5.根据权利要求4所述的基于噪声增强的图像检测方法，其特征在于，对所述第一图像检测结果进行深度图像检测，得到所述图像检测识别结果，具体步骤包括：
6.根据权利要求1所述的基于噪声增强的图像检测方法，其特征在...
【专利技术属性】
技术研发人员：袁小晨，谢芷瑶，林灿堂，严肇基，
申请(专利权)人：澳门理工大学，
类型：发明
国别省市：
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。