[发明专利]一种图像篡改检测方法和装置

权利要求书

1.一种图像篡改检测方法，其特征在于，包括：

根据待检测图像得到相同大小的多个标准图像，其中，对预处理后的待检测图像切分为相同大小的子图，将每个子图作为一个标准图像，或者，将预处理后的待检测图像任意切分，并将切分后得到的子图归一化，每一归一化后的子图作为一个标准图像；

对所述多个标准图像进行基础特征提取，得到所述多个标准图像的特征向量；

对所述多个标准图像的特征向量聚类，以得到所述待检测图像的一个或多个聚集区域，其中，对应同一聚集区域的所述特征向量的类别相同；

分析各所述聚集区域是否为篡改区域，若有所述聚集区域为篡改区域，则判定所述待检测图像为篡改图像；

分析所述聚集区域是否为篡改区域的步骤，包括：判断所述聚集区域对应的所述特征向量的个数是否小于预设的聚类个数；若是，则确定所述聚集区域为篡改区域，否则确定所述聚集区域不是篡改区域。

2.根据权利要求1所述的方法，其特征在于，根据待检测图像得到相同大小的多个标准图像的步骤，包括：

对所述待检测图像进行预处理操作，以得到预处理后的图像，所述预处理操作包括：对所述待检测图像进行颜色空间转换，以及对所述颜色空间转换之后的图像进行降噪处理。

3.根据权利要求1所述的方法，其特征在于，对于所述多个标准图像中的每个标准图像，所述进行基础特征提取的步骤，包括：

利用深度卷积神经网络提取所述标准图像的不同尺度的特征信息；

将所述不同尺度的特征信息输入特征融合网络进行处理，其中，所述处理包括上采样处理。

4.根据权利要求3所述的方法，其特征在于，所述深度卷积神经网络为残差神经网络，所述特征融合网络包括用于进行所述上采样处理的上采样层。

5.根据权利要求1所述的方法，其特征在于，利用K均值聚类算法对所述多个标准图像的特征向量聚类。

6.根据权利要求1所述的方法，其特征在于，通过对所述多个标准图像进行基础特征提取，还得到与每个所述标准图像的特征向量对应的置信度特征；

分析所述聚集区域是否为篡改区域的步骤，包括：

判断所述聚集区域对应的所述特征向量的个数是否小于预设的聚类个数，若是，则初始化所述聚集区域为待定篡改区域，否则确定所述聚集区域不是篡改区域；

在所述聚集区域为所述待定篡改区域的情况下，将所述待定篡改区域的各特征向量对应的所述置信度特征分别与置信度阈值进行比较，并统计其中大于所述置信度阈值的所述置信度特征的数量；判断所述数量是否大于预设的区域阈值，若是，则确定所述待定篡改区域是篡改区域，否则确定所述待定篡改区域不是篡改区域。

7.一种图像篡改检测装置，其特征在于，包括：

图像切分模块，用于根据待检测图像得到相同大小的多个标准图像，其中，对预处理后的待检测图像切分为相同大小的子图，将每个子图作为一个标准图像，或者，将预处理后的待检测图像任意切分，并将切分后得到的子图归一化，每一归一化后的子图作为一个标准图像；

特征提取模块，用于对所述多个标准图像进行基础特征提取，得到所述多个标准图像的特征向量；

聚类模块，用于对所述多个标准图像的特征向量聚类，以得到所述待检测图像的一个或多个聚集区域，其中，对应同一聚集区域的所述特征向量的类别相同；

分析检测模块，用于分析各所述聚集区域是否为篡改区域，若有所述聚集区域为篡改区域，则判定所述待检测图像为篡改图像；

分析检测模块具体用于对于每一聚集区域执行：判断聚集区域对应的特征向量的个数是否小于预设的聚类个数；若是，则确定该聚集区域为篡改区域，否则确定该聚集区域不是篡改区域。

8.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。