[发明专利]图像篡改识别模型训练方法、图像篡改识别方法及装置

权利要求书

1.一种图像篡改识别模型训练方法，其特征在于，所述方法包括：

获取训练图像集以及所述训练图像集中每个训练图像的标签，其中，在所述训练图像为篡改图像时，所述训练图像的标签包括篡改位置信息和篡改类型；

以所述训练图像作为输入，通过待训练的图像篡改识别模型的特征提取网络层提取所述训练图像的RGB特征、纹理特征以及隐写特征；

将所述训练图像的RGB特征、纹理特征以及隐写特征输入到所述图像篡改识别模型的检测网络层中，获取所述训练图像的篡改识别结果，包括通过深度学习网络层提取所述RGB特征对应的目标深度特征、以及所述纹理特征与所述隐写特征对应的篡改特征，通过特征融合层对所述目标深度特征和所述篡改特征进行融合，得到融合特征，通过输出层对所述融合特征进行篡改识别，输出所述训练图像的篡改识别结果，其中所述图像篡改识别模型的检测网络层包括深度学习网络层、特征融合层以及输出层；

对所述篡改识别结果与所述标签进行差异比较，根据差异比较结果优化所述图像篡改识别模型的参数并继续训练，直至满足预定条件时结束训练。

2.根据权利要求1所述的方法，其特征在于，所述训练图像集中包括数字图像篡改样本，所述数字图像篡改样本通过如下方式获取得到：

获取多对图像样本，其中，每对图像样本中包括原始图像以及从所述原始图像中随机提取的并经灰度处理后的图像块；

通过深度卷积生成对抗网络对所述多对图像样本进行训练，生成用于自动补充图像的图像补全模型；

随机选取所述原始图像中的区域并进行掩码；

采用所述图像补全模型对掩码后的所述区域进行补全，获得所述数字图像篡改样本。

3.根据权利要求1所述的方法，其特征在于，所述以所述训练图像作为输入，通过待训练的图像篡改识别模型的特征提取网络层提取所述训练图像的RGB特征、纹理特征以及隐写特征，包括：

通过所述特征提取网络层中预设的RGB通道提取所述训练图像的RGB特征；

通过所述特征提取网络层中预设的多个卷积核对所述训练图像进行卷积，得到所述训练图像的纹理特征，所述多个卷积核是通过对多个纹理特征算子以及所述多个纹理特征算子的转置进行两两相乘得到的多个矩阵，其中所述多个纹理特征算子包括：

L5＝[1,4,6,4,1]；E5＝[-1,-2,0,2,1]；S5＝[-1,0,2,0,-1]；W5＝[-1,2,0,-2,1]；R5＝[1,-4,6,-4,1]；

通过所述特征提取网络层中预设的多个隐写特征算子对所述训练图像进行卷积，得到所述训练图像的隐写特征，其中多个隐写特征算子包括：

4.根据权利要求1所述的方法，其特征在于，所述深度学习网络层中包括两个并行的Darknet神经网络，其中一个Darknet神经网络用于对所述RGB特征进行深度学习得到所述目标深度特征，另外一个Darknet神经网络用于对所述纹理特征与所述隐写特征进行深度学习得到所述篡改特征。

5.根据权利要求1所述的方法，其特征在于，所述输出层包括YOLOv3网络。

6.一种图像篡改识别方法，其特征在于，所述方法包括：

获取待识别图像；

将所述待识别图像输入到训练好的图像篡改识别模型中进行篡改识别，得到所述待识别图像的篡改识别结果，所述篡改识别结果包括在所述待识别图像为篡改图像时所对应的篡改位置信息和篡改类型；

其中，所述训练好的图像篡改识别模型基于如权利要求1至5任一所述的方法训练得到。