一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法技术

本发明专利技术涉及一种密集多尺度特征提取与注意力机制的数字图像修复取证方法，属于多媒体取证技术领域。现有技术一般欠缺对修复区域捕获多尺度特征的能力，且由于修复痕迹比较隐蔽以及浅层和深层特征难以有效融合，导致提取的修复取证特征表达能力有限，从而限制了取证方案的定位性能。本发明专利技术所述的方法构建了一种密集预测网络，通过滤波残差模块为深度网络提供更丰富的取证线索，同时使用多通路密集连接模块和密集尺度特征金字塔模块提取多尺度上下文信息，并利用注意力机制实现浅层和深层特征融合，改善取证特征表达能力，最终通过IoU感知的混合损失函数监督取证网络模型训练，达到进一步挖掘网络性能的目的。采用本发明专利技术所述的方法，构建检测网络训练的模型能够定位多种类型的图像修复操作，并且对JPEG压缩和加噪后处理操作具有一定的鲁棒性。

【技术实现步骤摘要】

本专利技术属于图像处理与模式识别，具体涉及一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法。

技术介绍

1、随着计算机与互联网技术的飞速发展，作为一种多媒体信息传播与交互的重要载体，数字图像在现代社会中被广泛的应用于各个领域，并发挥着重要的作用。同时，移动智能设备的普及，以及各种先进图像编辑软件的推广，使得传播和编辑数字图像变的更加简单便捷，在给人们生活增添了更多的乐趣同时，也为别有用心之人恶意篡改数字图像提供了极大的便利。含有虚假信息的篡改图像在网络中传播，不仅误导人们对客观事实的判断，甚至对社会秩序和国家安全构成了威胁。

2、近年来，一种新型的图像编辑技术——图像修复(image inpainting)给数字信息安全带来了严峻威胁，也对数字图像取证构成了新的挑战。对此，开发图像修复取证技术对检测图像篡改、保护信息安全乃至维护社会稳定有着积极的作用和重要的意义。

3、该领域最早的研究是wu等针对基于样例的图像修复所提出的取证方案[wu q,suns-j,zhu w,et al.detection of digital 本文档来自技高网...

【技术保护点】

1.一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法，包括以下步骤：

2.如权利要求1所述的一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法，其特征在于：数据集中的修复图像样本经过多种类型的修复方法进行修复，包括基于样例和基于扩散的传统修复方法，以及两种先进的深度修复方法；另外，样本图像中修复区域的位置是随机的，并且修复区域的形状和尺度是丰富多样的。

3.如权利要求1所述的一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法，其特征在于：通过本专利所设计的多通路密集连接模块和密集尺度特征金字塔模块构成提取修复操作特征的编码器网络，并...

【技术特征摘要】

1.一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法，包括以下步骤：

2.如权利要求1所述的一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法，其特征在于：数据集中的修复图像样本经过多种类型的修复方法进行修复，包括基于样例和基于扩散的传统修复方法，以及两种先进的深度修复方法；另外，样本图像中修复区域的位置是随机的，并且修复区域的形状和尺度是丰富多样的。

3.如权利要求1所述的一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法，其特征在于：通过本专利所设计的多通路密集连接模块和密集尺度特征金字塔模块构成提取修复操作特征的编码器网络，并通过减少降采样操作来提取具有较高分辨率的特征响应，以减少空间细节信息的损失；同时在解码器中利用设计的全局重要性注意力模块(globalimportance attention module，giam)来促进深层和浅层特征的有效融合，从而改善上采样后特征响应的表达能力，并最终直接输出关于图像中修复区域的定位预测结果。

4.如权利要求3所述的一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法，其特征在于：采用3个多通路密集连接模块和1个密集尺度特征金字塔模块构造编码器网络，以上模块皆包含局部特征通路、全局特征通路和残差学习通路。

5.如权利要求4所述的一种基于密集多尺度特征提取与注意力机制的数字图像修复取证方法...

【专利技术属性】
技术研发人员：朱新山，王洪泉，马书根，孙浩，王瑞蓓泽，
申请(专利权)人：天津大学，
类型：发明
国别省市：