[发明专利]一种基于多域特征融合的图像篡改检测方法

说明书

本发明涉及一种基于多域特征融合的数字图像篡改检测方法。本方法使用目标检测流程进行图像篡改检测，首先通过卷积神经网络提取图像空间域和噪声域的篡改遗留特征，将这些特征输入到区域建议网络得到候选检测框。之后，将空间域特征及得到的检测框作为输入信息进行注意力区域识别，识别出图像中具备篡改判别力的篡改可疑区域，在这一过程中，提取图像的重采样特征，引入图像的频域信息。然后将全图空间域特征和可疑区域特征级联，并与噪声域特征通过双线性池化进行融合，应用融合后的特征进行分类和检测框的回归计算，得到篡改类型以及篡改区域的位置。与现有方法相比，本发明能够检测多种类型篡改并准确定位篡改区域，具有更高的检测准确率。

技术领域

本发明属于数字图像处理、计算机视觉、信息安全、数字图像取证等交叉领域，涉及一种基于多域特征融合的深度学习图像篡改检测方法。

背景技术

随着信息化、电子化技术的发展，数字图像在新闻、司法、文艺等各个领域大量使用，成为最主要的信息载体。数字图像的广泛使用极大促进了数字图像编辑工具的开发与应用，例如：Adobe Photoshop、CorelDRAW、美图秀秀等。利用这些工具修改后的图像在观感上与真实图像无异，极难辨别。一些不法篡改者，在未经授权的情况下对图像内容进行操作并发布，如违规编辑、扭曲图片内容、合成虚假图像等。这导致篡改图像在媒体报道、社会生活中泛滥成灾，甚至影响司法鉴定领域，危害极其严重。因此，如何判断数字图像内容的真实性、原始性，成为近年来信息内容安全领域的一项重要研究课题。

无需其他辅助信息的数字图像篡改盲取证技术是当前判断图像真伪的核心技术。此类篡改检测技术可分为两类。第一类通过区分图像中所有区域是否来自同一拍摄设备实现篡改检测，如Ferrara等人在“Image forgery localization via fine-grainedanalysis of cfa artifacts”中使用CFA特征来识别相机模式，通过检测图像不同区域拍摄相机的型号来进行篡改检测，这种方法使用人为设定的CFA模型，而当前图像采集设备种类繁多，难以建立全面的模型特征，同时这种方法只针对未压缩的图像有效，因为压缩过程混入的噪声会破坏图像遗留的相机模式信息，局限性较大。第二类通过寻找图像编辑的痕迹实现篡改检测，如Krawetz等人在“A picture’s worth”中根据真实图像与篡改图像不同的JPEG压缩痕迹进行篡改检测，这种方法存在格式限制，并且不能抵抗中值滤波、高斯模糊等消除痕迹的后处理操作，同时不能对篡改区域进行定位。而Mahdiand等人在“Usingnoise inconsistencies for blind image forensics”中使用局部模式噪声的不一致性来定位篡改，这种方法不能检测复制-粘贴操作，因为篡改区域与真实区域来自同一张图像，具有相似的噪声模式。另外，该方法同样不能抵抗痕迹消除操作且区域定位较为模糊。

无论哪种方式，都是从图像中提取特征进行分析，而无论是来源信息还是篡改痕迹信息都是视觉上不可见的、极其微小或隐匿性较高的，这对于特征的构建和提取提出了较高的要求。而另一方面，如今图像获取容易，篡改素材来源广泛，篡改者在进行图像修改伪造的过程中，常使用几何变换、锐化、对比度调整、图像拼接、克隆等操作处理。这些操作往往叠加使用，而篡改者为了去除某些篡改操作过程中引入的标志性特征，又会进一步处理以隐藏篡改痕迹，如进行中值滤波操作等，极大提高综合性篡改检测的难度。上述情况为图像篡改带来极大挑战，现有图像篡改检测算法尚有诸多局限：(1)所提取特征较为单一且细粒度不够，对于篡改信息的标示性不足，检测准确率较低。(2)能够检测的篡改类型较为单一，不能同时进行拼接、复制粘贴、消除等多种混合类型的篡改。(3)难以准确定位篡改区域在图像中的位置。