[發明專利]圖像篡改檢測方法及裝置

在審

• 申請號: 201611265608.2
• 申請日: 2016-12-30
• 公開（公告）號: CN106846303A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 王健宗;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙)44347
• 代理人: 高杰,于志光

1.一種圖像篡改檢測方法，其特征在于，所述方法包括以下步驟：

A、對待檢測圖像進行塊分割，將所述待檢測圖像分成若干圖像小碎片，并從各個圖像小碎片中提取出初始篡改檢測特征；

B、利用預先確定的編碼器對提取的初始篡改檢測特征進行編碼以生成復雜篡改特征，并根據生成的復雜篡改特征確定所述待檢測圖像對應的篡改檢測結果，所述篡改檢測結果包括已篡改和未篡改。

2.如權利要求1所述的圖像篡改檢測方法，其特征在于，所述步驟A包括：

將所述待檢測圖像從第一顏色空間轉換到第二顏色空間；

對所述待檢測圖像進行塊分割，將所述待檢測圖像分成N*M的圖像小碎片，N和M為正整數；

在每個圖像小碎片的每個第二顏色空間分量上應用預設的小波函數分解，以得到多個對應的像素系數映射，對各個所述像素系數映射計算匯總統計系數，在每個圖像小碎片上獲得多個匯總統計系數，將各個所述匯總統計系數作為對應的圖像小碎片的初始篡改檢測特征。

3.如權利要求1或2所述的圖像篡改檢測方法，其特征在于，所述預先確定的編碼器為棧化自動編碼器，該棧化自動編碼器由多層基本的自動編碼器層疊而成，每一層自動編碼器的輸出是下一層自動編碼器的輸入，該棧化自動編碼器還包括一個神經網絡多層感知器，該神經網絡多層感知器與最后一層的自動編碼器對接，用于根據生成的復雜篡改特征確定出所述待檢測圖像對應的篡改檢測結果。

4.如權利要求3所述的圖像篡改檢測方法，其特征在于，所述步驟B包括：

利用預先確定的編碼器對各個圖像小碎片的初始篡改檢測特征進行編碼，以生成各個圖像小碎片的復雜篡改特征；

根據各個圖像小碎片的復雜篡改特征確定出各個圖像小碎片對應的第一篡改檢測結果，所述第一篡改檢測結果包括已篡改和未篡改；

若有圖像小碎片對應的第一篡改檢測結果為已篡改，則確定所述待檢測圖像對應的篡改檢測結果為已篡改。

5.如權利要求4所述的圖像篡改檢測方法，其特征在于，該棧化自動編碼器還包括一個用于根據相鄰區域的場景信息確定出所述待檢測圖像對應的篡改檢測結果的相鄰區域感知層，所述步驟B還包括：

根據預設的算法對各個圖像小碎片的臨近場景信息進行計算，并根據各個圖像小碎片的臨近場景信息確定出各個圖像小碎片對應的第二篡改檢測結果，所述第二篡改檢測結果包括已篡改和未篡改；

若有圖像小碎片對應的第二篡改檢測結果為已篡改，則確定所述待檢測圖像對應的篡改檢測結果為已篡改；

若所有圖像小碎片對應的第二篡改檢測結果均為未篡改，且有圖像小碎片對應的第一篡改檢測結果為已篡改，則確定所述待檢測圖像對應的篡改檢測結果為未篡改。

6.如權利要求1所述的圖像篡改檢測方法，其特征在于，所述預先確定的編碼器的訓練過程如下：

C、獲取預設數量的圖像樣本，并對各個圖像樣本的篡改結果進行標識，所述篡改結果包括已篡改和未篡改；

D、對各個圖像樣本進行塊分割，將各個圖像樣本分成N*M的圖像小碎片，N和M為正整數，并從各個圖像樣本的各個圖像小碎片中提取出初始篡改檢測特征，以提取出各個圖像樣本對應的初始篡改檢測特征；

E、將所有圖像樣本按照X：Y的比例分成第一數據集和第二數據集，第一數據集中的圖像樣本數量大于第二數據集中的圖像樣本數量，第一數據集作為訓練集，第二數據集作為測試集，其中，X大于0，Y大于0；

F、利用第一數據集中的各個圖像樣本對應的初始篡改檢測特征進行編碼器的訓練，利用第二數據集中的各個圖像樣本對應的初始篡改檢測特征對訓練的編碼器進行準確率驗證；

G、若訓練的編碼器的準確率大于或等于預設準確率，則結束訓練，或者，若訓練的編碼器的準確率小于預設準確率，則增加圖像樣本的數量，并重復執行上述步驟D、E和F，直至訓練的編碼器的準確率大于或等于預設準確率。

7.一種圖像篡改檢測裝置，其特征在于，所述圖像篡改檢測裝置包括：

提取模塊，用于對待檢測圖像進行塊分割，將所述待檢測圖像分成若干圖像小碎片，并從各個圖像小碎片中提取出初始篡改檢測特征；

檢測模塊，用于利用預先確定的編碼器對提取的初始篡改檢測特征進行編碼以生成復雜篡改特征，并根據生成的復雜篡改特征確定所述待檢測圖像對應的篡改檢測結果，所述篡改檢測結果包括已篡改和未篡改。