[发明专利]一种基于深度学习的篡改图像检测方法

摘要

一种基于深度学习的篡改图像检测方法，涉及图像被动取证领域。构造基于多尺度噪声约束的卷积层，用以获得图像中的高频噪声残差；使用双流网络进行篡改图像检测；使用多任务学习方法，同时实现图像区域是否篡改的分类，以及篡改区域的检测和分割任务；在网络优化时，提取感兴趣区域提取网络、篡改分类支路、篡改区域的检测支路以及分割支路这四部分的输出特征，计算网络的误差进行反向传播，进一步调整网络参数，使网络达到最优解。可实现对于图像是否篡改的识别，并对篡改图像中的篡改区域做出精确的检测和分割，使其适用于实际应用场景。通过深度学习方法检测图像的真实性，进而解决图像恶意篡改问题，提高篡改检测的准确率和泛化能力。

主权项

1.一种基于深度学习的篡改图像检测方法，其特征在于包括以下步骤：1)构造基于多尺度噪声约束的卷积层，用以获得图像中的高频噪声残差；2)使用双流网络进行篡改图像检测；所述双流网络由两条支路组成，一条支路在原始RGB图像上进行提取特征，并针对该特征估计图像中的疑似篡改区域，再将提取到的特征映射到疑似篡改区域上，进行ROI池化，用于篡改区域的检测和分割；另一条支路基于步骤1)中获得的噪声图像进行特征提取，并与RGB通道特征融合，用以进行图像区域是否篡改的分类；3)使用多任务学习方法，同时实现图像区域是否篡改的分类，以及篡改区域的检测和分割任务；在网络优化时，提取感兴趣区域提取网络、篡改分类支路、篡改区域的检测支路以及分割支路这四部分的输出特征，计算网络的误差进行反向传播，进一步调整网络参数，使网络达到最优解。