【技术实现步骤摘要】
本专利技术涉及图像识别，更具体的说是涉及一种融合边缘特征的可持续学习图像篡改定位方法及系统。
技术介绍
1、目前，图像取证技术致力于检测和定位图像中的篡改痕迹和区域；图像篡改是利用特定的图像编辑技术、工具对真实图像的内容进行更改、伪造；常见的图像篡改方式主要包括图像拼接、复制-移动和擦除，其中，图像拼接是指将图像中的某个区域粘贴到另外一幅图像中，复制-移动是指将图像中某个区域粘贴到该图像其它位置，擦除是指擦除指定的图像区域并根据图像背景估计该区域的新像素值。基于深度学习的图像取证方法可以自动学习图像不同层级的复杂特征，能够提取出更具判别力的特征，具有显著优于传统手工特征的性能，使得基于深度学习的图像取证方法逐渐成为图像取证领域的主流方法。
2、但是，基于深度学习的图像取证方法对图像中篡改区域的定位效果在一定程度上依赖于训练时所用的数据集，当测试数据集与训练数据集分布不一致或存在域偏移时则存在泛化能力不佳的问题。
3、对此，现有技术通过在训练好的图像篡改定位模型基础上进行微调，这样虽然有助于提升图像篡改定位模型在测...
【技术保护点】
1.一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，包括：
2.根据权利要求1所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述得到多个提取特征图，具体包括：
3.根据权利要求2所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述滤波模块包括四个结构相同的滤波层；
4.根据权利要求3所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述得到预测篡改区域边缘掩模，具体包括：
5.根据权利要求4所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述第一处...
【技术特征摘要】
1.一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，包括：
2.根据权利要求1所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述得到多个提取特征图，具体包括：
3.根据权利要求2所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述滤波模块包括四个结构相同的滤波层；
4.根据权利要求3所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述得到预测篡改区域边缘掩模，具体包括：
5.根据权利要求4所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述第一处理模块、所述第二处理模块、所述第三处理模块和所述第四处理模块结构相同，均包括：第二卷积层、第三卷积层、第四卷积层和第一上采样层；
6.根据权利要求4所述的一种融合边缘特征的可持续学习图像篡改定位方法，其特征在于，所述第一融合模块、所述第二融合模块和所述第三融合模块结构相...
【专利技术属性】
技术研发人员：刘亚奇，白雪松，金鑫，吕斌斌，李晓琳，
申请(专利权)人：北京电子科技学院，
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。