[发明专利]基于分割和深度卷积网络的图像复制-粘贴篡改检测方法

说明书

本公开提供了一种基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，包括以下步骤：获取待检测图像；搭建图像分割模型，对所述待检测图像进行训练和分割处理，得到分割权重参数和图像的边界像素方向信息，获取分割图像；基于深度卷积网络进行所述待检测图像的特征提取，输出图像特征；结合所述分割图像和所述图像特征，进行自相关匹配，得到图像匹配特征；将所述图像匹配特征输入分类模型，得到初步篡改区域检测图像；通过所述图像的边界像素方向信息提取边缘信息图像；构建细节优化模型，输入所述初步篡改区域检测图像和所述边缘信息图像，输出篡改检测图像。

技术领域

本公开属于图像篡改检测技术领域，具体涉及一种基于分割和深度卷积网络的图像复制-粘贴篡改检测方法。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

随着图像编辑软件的普及与易操作，篡改图像层出不穷。若篡改图像出现在新闻媒体、医疗诊断、军事侦察、司法取证等领域，必将给信息安全带来巨大隐患，严重威胁社会的和谐和政治的稳定。因此，图像的真伪性鉴定十分重要，复制-粘贴篡改检测是真伪性鉴定的一大重要方向，可根据图像内容对图像篡改情况及定位做出鉴定。然而，目前复制-粘贴篡改检测方法在检测准确度和定位精确度方面仍有不足，性能有待进一步提高。

卷积网络用于提取图像特征，可避免人工设计特征的局限性，被广泛应用于图像领域。目前基于卷积网络的图像复制-粘贴篡改检测方法大多是利用卷积网络提取图像特征，利用相关匹配得到图像内相似度极高区域，检测复制-粘贴篡改。

现有文献Wu Y,Abd-Almageed W,Natarajan P.BusterNet:Detecting copy-moveimage forgery with source/target localization[C].Proceedings of the 15thEuropean Conference on Computer Vision(ECCV),Munich,Germany,2018:170–186.和Zhu Y,Chen CF,Yan G,Guo YC,Dong YF.AR-Net:Adaptive attention and residualrefinement network for copy-move forgery detection[J].IEEE Transactions onIndustrial Informatics,2020,16(10):6714–6723.提出了基于深度卷积的图像复制-粘贴篡改检测方法。然而，由于深度卷积后图像细节信息丢失，现有方法的检测结果精确度，特别是篡改边缘检测效果不佳。因此，如何有效利用图像细节信息提升篡改检测方法精确度，是目前所需解决的问题。

发明内容

为了解决现有技术的不足，本公开提出了一种基于分割和深度卷积网络的图像复制-粘贴篡改检测方法，利用图像分割结果的块分类信息与细节信息，提高了复制-粘贴篡改检测方法的检测准确度和定位精确度。

为了实现上述目的，本公开采用了如下的技术方案：

本公开的第一方面提供了一种基于分割和深度卷积网络的图像复制-粘贴篡改检测方法。

一种基于分割和深度卷积网络的图像复制-粘贴篡改检测方法，包括以下步骤：

获取待检测图像；

搭建图像分割模型，对所述图像分割模型进行训练，得到分割权重参数和图像的边界像素方向信息，对所述待检测图像进行分割处理，获取分割图像；

基于深度卷积网络进行所述待检测图像的特征提取，输出图像特征；

结合所述分割图像和所述图像特征，进行自相关匹配，得到图像匹配特征；

将所述图像匹配特征输入分类模型，得到初步篡改区域检测图像；

通过所述图像的边界像素方向信息提取边缘信息图像；