[发明专利]图像篡改检测方法及装置

权利要求书

1.一种图像篡改检测方法，其特征在于，所述方法包括：

依据预设的细粒度图像描述模型，获取待检测图像的语义描述信息；

对所获取的语义描述信息与预设的反常规则库进行匹配：若所述预设的反常规则库包含所述语义描述信息，则判断所述待检测图像为篡改图像；

其中：

所述预设的细粒度图像描述模型的输出包括预设的真实图像对应的语义描述信息、预设的篡改图像对应的语义描述信息；

所述反常规则库包括预设的多个语义描述信息，且所述的多个语义描述信息所包含的信息内容为异常信息；

所述对所获取的语义描述信息与预设的反常规则库进行匹配之前，包括：

判断所获取的语义描述信息中是否存在包含同一信息内容的多个语义描述信息：若存在，则去除包含该同一信息内容的一个或多个语义描述信息，且保留一个包含该同一信息内容的语义描述信息；

依据所获取的语义描述信息的置信度由高到低的顺序，选择预设数量的语义描述信息；

对所获取的语义描述信息进行标准化处理，包括：去除所述语义描述信息中包含的冠词和形容词，并将去除冠词和形容词后语义描述信息中的各单词转换为对应的预设单词。

2.根据权利要求1所述的方法，其特征在于，

所述语义描述信息还包括与其包含的信息内容对应的图像区域坐标。

3.根据权利要求1所述的方法，其特征在于，

所述获取待检测图像的语义描述信息之前，包括采用深度卷积神经网络算法、细粒度图像分类方法构建细粒度图像描述模型。

4.根据权利要求1所述的方法，其特征在于，

所述获取待检测图像的语义描述信息之前，包括采用递归神经网络算法，并依据预设的真实图像、预设的篡改图像依次对细粒度图像描述模型进行第一数据训练和第二数据训练；

其中：

所述第一数据训练包括：

依据预设的细粒度图像描述模型、预设的真实图像，获取所述预设的真实图像的第一语义描述信息；获取对所述预设的真实图像进行人工标注后，得到的第二语义描述信息；计算所述第一语义描述信息和第二语义描述信息之间的第一损失函数值，依据所述第一损失函数值、反向传播算法优化所述细粒度图像描述模型；

所述第二数据训练包括：

依据预设的细粒度图像描述模型、预设的篡改图像，获取所述预设的篡改图像的第三语义描述信息；获取对所述预设的篡改图像进行人工标注后，得到的第四语义描述信息；计算所述第三语义描述信息和第四语义描述信息之间的第二损失函数值，依据所述第二损失函数值、反向传播算法优化所述细粒度图像描述模型。

5.一种图像篡改检测装置，其特征在于，所述装置包括：

信息获取模块，配置为依据预设的细粒度图像描述模型，获取待检测图像的语义描述信息；

信息匹配模块，配置为对所获取的语义描述信息与预设的反常规则库进行匹配：若所述预设的反常规则库包含所述语义描述信息，则判断所述待检测图像为篡改图像；

其中：

所述预设的细粒度图像描述模型包括预设的真实图像对应的语义描述信息、预设的篡改图像对应的语义描述信息；

所述反常规则库包括预设的多个语义描述信息，且所述的多个语义描述信息所包含的信息内容为异常信息；

所述装置还包括：

信息去重模块，配置为判断所述信息获取模块所获取的语义描述信息中是否存在包含同一信息内容的多个语义描述信息：若存在，则去除包含该同一信息内容的一个或多个语义描述信息，且保留一个包含该同一信息内容的语义描述信息；

信息选择模块，配置为依据所述信息获取模块所获取的语义描述信息的置信度由高到低的顺序，选择预设数量的语义描述信息；

信息处理模块，配置为对所述信息获取模块所获取的语义描述信息进行标准化处理，包括：去除所述语义描述信息中包含的冠词和形容词，并将去除冠词和形容词后语义描述信息中的各单词转换为对应的预设单词。

6.根据权利要求5所述的装置，其特征在于，

所述信息获取模块所获取的语义描述信息还包括与其包含的信息内容对应的图像区域坐标。