[发明专利]图像篡改检测方法、装置以及计算机可读存储介质

说明书

本发明涉及图像处理技术领域，具体提供一种图像篡改检测方法、装置以及计算机可读存储介质，旨在解决如何提高图像篡改检测准确性的问题。为此目的，本发明的方法包括：采用双流卷积神经网络分别提取待检测图像的误差级别分析特征ELA和RGB特征；采用注意力模型对误差级别分析特征ELA与RGB特征进行特征融合，得到融合特征；根据融合特征判断待检测图像是否为篡改图像。通过误差级别分析特征ELA能够充分挖掘待检测图像中隐藏的篡改特征，提高图像篡改检测的准确性。

技术领域

本发明涉及图像处理技术领域，具体提供一种图像篡改检测方法、装置以及计算机可读存储介质。

背景技术

图像篡改检测主要是检测数字图像中是否存在对象删除、添加、复制和拼接等恶意处理。目前常规的图像篡改方法主要包括基于人工设计算子的方法和基于深度学习的方法。具体而言，基于人工设计算子的方法主要是根据预设的先验信息设置特征提取算子(包括但不限于：SRM(Spatial Rich Model)算子和DCT(Discrete Cosine Transform)变换算子)提取数字图像的图像特征，再使用分类器并根据图像特征判断数字图像是否为篡改图像，这种方法往往仅对单一的篡改方式具备较好的检测效果，而对删除、添加、复制和拼接等多种篡改方式的泛化性较低。基于深度学习的方法主要是采用深度卷积神经网络实现端到端的图像篡改检测，对不同的篡改方式具有较高的泛化性。但是，目前基于深度学习的方法仅仅是根据符合人类视觉观察习惯的RGB(Red，Green，Blue)特征进行图像篡改检测，无法充分挖掘数字图像中隐藏的篡改特征，导致图像篡改检测存在较大的误差。

相应地，本领域需要一种新的图像篡改检测方案来解决上述问题。

发明内容

为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决如何提高图像篡改检测准确性的技术问题的图像篡改检测方法、装置以及计算机可读存储介质。

在第一方面，本发明提供一种图像篡改检测方法，所述方法包括：

采用双流卷积神经网络分别提取待检测图像的误差级别分析特征ELA和RGB特征；

采用注意力模型对所述误差级别分析特征ELA与所述RGB特征进行特征融合，得到融合特征；

根据所述融合特征判断所述待检测图像是否为篡改图像。

在上述图像篡改检测方法的一个技术方案中，“提取待检测图像的误差级别分析特征ELA和RGB特征”的步骤具体包括：

对待检测图像进行图像分割得到多个子图像块；其中，每相邻的两个子图像块之间存在图像重叠区域；

采用双流卷积神经网络分别提取每个所述子图像块的误差级别分析特征ELA和RGB特征，以在执行“采用注意力模型对所述误差级别分析特征ELA与所述RGB特征进行特征融合，得到融合特征”时分别对每个子图像块的误差级别分析特征ELA与所述RGB特征进行特征融合，得到每个子图像块的融合特征，进而根据每个子图像块的融合特征判断所述待检测图像是否为篡改图像。

在上述图像篡改检测方法的一个技术方案中，“根据每个子图像块的融合特征判断所述待检测图像是否为篡改图像”的步骤具体包括：

根据每个子图像块的融合特征分别判断每个子图像块是否为篡改图像；若所有子图像块均不是篡改图像，则判定所述待检测图像不是篡改图像；否则，判定所述待检测图像是篡改图像。

在上述图像篡改检测方法的一个技术方案中，所述双流卷积神经网络中用于提取误差级别分析特征ELA的第一神经网络和用于提取RGB特征的第二神经网络均是基于EfficientNets网络构建的神经网络。

第二方面，提供一种图像篡改检测装置，所述装置包括：

特征提取模块，其被配置成采用双流卷积神经网络分别提取待检测图像的误差级别分析特征ELA和RGB特征；