【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，具体涉及一种基于生成对抗网络的图像篡改检测方法。
技术介绍
1、社交媒体平台作为信息传播的主要渠道，图像在其中扮演着至关重要的角色。随着编辑工具和图像生成技术的不断发展，处理后的图像变得愈发逼真，使得通过肉眼难以辨别由编辑软件制作的篡改图像。这种逼真度的提高导致篡改图像更容易在网络上恶意传播。因此，验证图像的真实性和检测篡改行为变得至关重要，以减轻虚假图像带来的不良影响。
2、然而，传统的图像篡改检测技术在处理深度学习生成的图像时表现不佳。特别是在应对深度学习生成模型更为高级的图像篡改技术时，传统方法的准确性明显下降。这意味着当前的取证技术在检测和确认图像篡改方面存在缺陷，急需提升其鲁棒性。
技术实现思路
1、为了解决上述问题，本专利技术提供了一种基于对抗学习的图像篡改检测方法，以提高对虚假图像检测的准确度和鲁棒性。
2、本专利技术提供的一种基于对抗学习的图像篡改检测方法，包括如下步骤：
3、步骤一：构建多维度特征提取结构，...
【技术保护点】
1.一种基于对抗学习的图像篡改检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述的步骤二中，所述的两个判别器，设置其中一个判别器中的SRM预处理层的输出权重大于U-net边缘分割模块的输出权重；设置另一个判别器中的SRM预处理层的输出权重为0，U-net边缘分割模块的输出权重为1。
3.根据权利要求1或2所述的方法，其特征在于，所述的步骤二中，所述的两个判别器，对侧重提取噪声残差特征的判别器的多维度特征提取结构中，设置SRM预处理层的输出权重大于0.7，U-net边缘分割模块的输出权重小于0.3。
...
【技术特征摘要】
1.一种基于对抗学习的图像篡改检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述的步骤二中，所述的两个判别器，设置其中一个判别器中的srm预处理层的输出权重大于u-net边缘分割模块的输出权重；设置另一个判别器中的srm预处理层的输出权重为0，u-net边缘分割模块的输出权重为1。
3.根据权利要求1或2所述的方法，其特征在于，所述的步骤二中，所述的两个判别器，对侧重提取噪声残差特征的判别器的多维度特征提取结构中，设置srm预处理层的输出权重大于0.7，u-net边缘分割模块的输出权重小于0.3。
【专利技术属性】
技术研发人员：张继威，唐明轩，杨炼，牛少彰，
申请(专利权)人：北京邮电大学，
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。