[發明專利]一種采用VLAD編碼和SVM的計算生成彩色圖像篡改檢測方法

有效

• 申請號: 201810245183.1
• 申請日: 2018-03-23
• 公開（公告）號: CN108510483B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 甘健侯;楊澤;周菊香;郭園方;操曉春
• 申請（專利權）人: 云南師范大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/90;G06K9/62
• 代理公司: 昆明人從眾知識產權代理有限公司 53204
• 代理人: 王娟

本發明涉及一種采用VLAD編碼和SVM的計算生成彩色圖像篡改檢測方法，屬于數字圖像取證技術領域。本發明包括步驟：首先用深度學習訓練好的ResNet網絡對偽造圖像數據集進行分類；挑選自然圖像數據集和偽造圖像數據集上的圖像顏色特征作為圖像特征；再對自然圖像數據集和偽造圖像數據集分別提取圖像特征；然后對提取的圖像特征進行VLAD編碼；最后利用SVM對編碼后的圖像特征進行訓練，并通過訓練好的模型對偽造圖像進行篡改檢測。本發明有效地解決了多種類型圖像構成的數量巨大的圖像數據集檢測困難的問題，偽造檢測準確率高。

技術領域

本發明涉及一種采用VLAD編碼和SVM的計算生成彩色圖像篡改檢測方法，屬于數字圖像取證技術領域。

背景技術

隨著信息時代的高速發展，圖像已成為最重要的媒介之一。由于交流過程中圖像能夠方便快捷地傳遞豐富的信息，作為一種感知事物，圖像已經成了人們直觀了解外界新鮮事物的途徑之一。圖像在文化、政治、軍事、醫學、法律等方面有廣泛的應用。圖像記錄了一件事情發生的真實情況，可以作為真實的數字憑證和信息傳遞的載體，圖像作為更直觀便捷的方式被應用到了我們生活的各個方面。信息時代各種信息傳播的迅捷，數字圖像在給人們帶來方便的同時，也給人們帶來了困擾的一面。隨著數字圖像編輯軟件的日益增多，各種圖像處理軟件被廣泛應用，利用計算機數字圖像處理技術再加上例如像Photoshop這樣完善的圖像編輯軟件使得圖像編輯功能更加豐富，隨之而來的便是圖像的偽造也變得越來越簡單，因此圖像的真實性受到了越來越多的質疑，特別當篡改圖像作為呈堂證物時，會給法律公正帶來一定的消極影響。

近年來隨著深度學習技術在圖像處理領域的深入研究和應用，利用深度學習對圖像進行篡改而生成的偽造圖像與真實圖像真假難辨，這給偽造圖像篡改檢測技術帶了很大的挑戰，快速有效的偽造圖像篡改檢測技術亟待提出。本發明針對利用深度學習算法偽造的圖像，提出一種有效的圖像篡改檢測方法，能夠準確地檢測出圖像是否被偽造和篡改，相比傳統的篡改檢測算法具有顯著的優越性。本發明所提出的方法具有較高的理論基礎和實用價值。

發明內容

本發明提供一種采用VLAD編碼和SVM的計算生成彩色圖像篡改檢測方法，以用于解決多種類型圖像構成的數量巨大的圖像數據集偽造檢測困難、且準確率不高的問題。

本發明主要是對計算生成彩色偽造圖像進行篡改檢測，以ImageNet數據集為例，用R.zhang提出的深度學習方法構造偽造圖像數據集，針對此類偽造圖像，本發明提供一種基于VLAD編碼和SVM的偽造圖像檢測方法，具體內容如下：

本發明的技術方案是：一種采用VLAD編碼和SVM的計算生成彩色圖像篡改檢測方法，首先用深度學習訓練好的ResNet網絡對偽造圖像數據集進行分類；挑選自然圖像數據集和偽造圖像數據集上的圖像顏色特征作為圖像特征；再對自然圖像數據集和偽造圖像數據集分別提取圖像特征；然后對提取的圖像特征進行VLAD編碼；最后利用SVM對編碼后的圖像特征進行訓練，并通過訓練好的模型對偽造圖像進行篡改檢測。

所述方法的具體步驟如下：

Step1、利用深度學習圖像著色方法構造偽造圖像數據集；具體的是通過R.zhang等人提出的“Colorful Image Colorization”深度學習圖像著色方法，對灰度圖像進行自動著色，從而構造偽造圖像數據集；

Step2、由于多類圖像混合在一起，其顏色特征不能夠得到很好的表達，從而影響后續的檢測結果，針對此問題，采用深度學習算法來訓練ResNet網絡并通過訓練好的深度學習ResNet網絡模型對偽造圖像數據集進行分類；