申请/专利权人：上海大学

申请日：2021-12-09

公开（公告）日：2024-06-21

公开（公告）号：CN114331974B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/11;G06T5/73;G06T5/20;G06V10/40;G06V10/774;G06V10/764;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.08.02#实质审查的生效;2022.04.12#公开

摘要：本发明公开了一种基于特征融合的图像篡改检测方法，目的在于解决复杂场景下图像篡改检测泛化能力不足的问题,在该场景下，每一类篡改方式的参数都是随机选择的，较于之前的场景仅检测使用固定参数的篡改难度加大且更符合日常生活，具有较大的实际应用价值。网络分为三部分：特征提取网络、特征融合模块和分类器。特征提取网络采用ResNetV2‑50为基础结构，灰度图像正向传播依次经过四个模块，提取四个阶段的特征图输入到特征融合模块中。在特征融合的过程中，按特征提取的顺序依次将低级的纹理特征迭代地与高级的语义特征相融合，加强篡改痕迹的特征信息，并将融合后的特征输入到分类器中，完成对目标图像篡改方式的预测。

主权项：1.一种基于特征融合的图像篡改检测方法，其特征在于，包括以下操作步骤：1首先需要对图像进行篡改，原始图像使用BossBaseV1.01数据集，篡改方式主要分为八种：JPEG压缩、重采样、中值滤波、高斯滤波、添加白噪声、锐化、均值滤波；为了模拟真实场景，每一类方式在进行篡改的时候所使用的参数都是随机选择的；BossBaseV1.01一共有10000张图像，对其进行篡改后共产生80000张图像，10000张×8类，篡改图像和原始图像共同构成数据集共90000张图像，10000张×9类；2目标图像的像素是1024×1024，需要将图像分块处理；使用上一步得到的数据集进行中心裁剪，每一张图像裁剪出两张32×32的图像；每一类使用6000张图像生成96000张图片，12000张×8类，用作训练集；使用2000张生成32000张图片，4000张×8类，用作验证集；使用剩下的2000张生成32000张图片，4000张×8类，用作测试集；3进行特征提取：特征提取网络以ResNetV2-50为基础结构，该模型由四个模块组成，每个模块由不同数量的残差单元所构成；ResNetV2改变了ResNet原有的残差结构，将BN层作为pre-activation，起到正则化的作用；灰度图像正向传播依次经过四个模块，提取四个阶段的特征图输入到特征融合模块中；4特征融合：在特征融合的过程中，按特征提取的顺序依次将低级的纹理特征迭代地与高级的语义特征相融合，加强篡改痕迹的特征信息；5篡改分类：对特征融合模块输出的特征执行全局平均池化的操作，将四维特征转换为二维特征，随之输入到分类器中进行分类；分类器由两层全连接层构成，最后一层全连接层由八个神经元组成，用以生成目标图像被识别为某一类篡改方式的概率值，取概率值最大的一类作为目标图像的篡改方式，然后进行输出。

全文数据：

权利要求：

百度查询： 上海大学 一种基于特征融合的图像篡改检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD