[發明專利]一種基于生成對抗網絡的圖像拷貝檢測方法

有效

• 申請號: 201811218892.7
• 申請日: 2018-10-19
• 公開（公告）號: CN109543674B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 李岳楠;張凱昱
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/74;G06V10/82;G06V10/774;G06V10/50;G06N3/0475;G06N3/0464;G06N3/0455;G06N3/082
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發明公開了一種基于生成對抗網絡的圖像拷貝檢測方法，所述方法包括以下步驟：對訓練集中的原始圖像施加失真處理生成拷貝圖像，對原始圖像和拷貝圖像作歸一化預處理，并將原始圖像和對應的拷貝圖像構成正樣本，將不同的原始圖像構成負樣本；隨機初始化生成器和鑒別器的網絡參數，用生成器生成原始圖像的篡改圖像，之后固定生成器參數，用原始圖像、拷貝圖像和篡改圖像訓練鑒別器；固定鑒別器參數，訓練生成器生成用于對抗鑒別器的篡改圖像；交替訓練鑒別器和生成器達到迭代次數后結束訓練。本發明通過生成對抗樣本的方式對抗鑒別器，從而提高鑒別器的魯棒性和對拷貝圖像的檢測能力。

技術領域

本發明涉及圖像拷貝檢測領域，尤其涉及一種基于生成對抗網絡的圖像拷貝檢測方法。

背景技術

隨著互聯網的發展以及智能手機的普及，數字圖像的編輯和存儲都非常便捷。內容分享網絡的興起也拓寬了數字內容傳輸的渠道。然而，大量未經授權的拷貝圖像在網絡中的流通損害了內容創作者的版權。圖像拷貝檢測是對網絡圖像進行版權管理的關鍵技術。

早期基于內容的圖像拷貝檢測算法主要以圖像直方圖作為特征。之后Bhat等人使用圖像的空間信息，將圖像分塊后統計圖像子塊的平均灰度值，按照灰度值進行排序[1]。Kim提出利用離散余弦變換的方式來進行圖像的拷貝檢測[2]。上述幾種方法都是基于圖像的全局信息，這種方法計算簡單并且效率較高，但是對于圖像的裁剪和旋轉這種幾何變換敏感性較差。為了解決這個問題，一些研究者開始采用SIFT(Scale?Invariant?FeatureTransform，尺度不變換特征變換)檢測器[3]。Yan等人利用SIFT特征空間的主成成分分析生成圖像的描述性特征[4]。Xie等人提出了一種局部特征檢測算法用于檢測待查詢圖像上的可能的敏感區域[5]。為了增強對旋轉的魯棒性，Zhou等人在預處理圖像時將切塊后的圖像進行不同程度的旋轉作為訓練樣本[6]。

上述的算法通過人工方法對圖像特征進行提取，這些特征表示冗余復雜，并且圖像的信息表達十分復雜，尤其是一些抽象的魯棒特征難以刻畫。

發明內容

本發明提供了一種基于生成對抗網絡的圖像拷貝檢測方法，本發明通過生成對抗樣本的方式對抗鑒別器，從而提高鑒別器的魯棒性和對拷貝圖像的檢測能力，詳見下文描述：

一種基于生成對抗網絡的圖像拷貝檢測方法，所述方法包括以下步驟：

對訓練集中的原始圖像施加失真處理生成拷貝圖像，對原始圖像和拷貝圖像作歸一化預處理，并將原始圖像和對應的拷貝圖像構成正樣本，將不同的原始圖像構成負樣本；

隨機初始化生成器和鑒別器的網絡參數，用生成器生成原始圖像的篡改圖像，之后固定生成器參數，用原始圖像、拷貝圖像和篡改圖像訓練鑒別器；

固定鑒別器參數，訓練生成器生成用于對抗鑒別器的篡改圖像；

交替訓練鑒別器和生成器達到迭代次數后結束訓練。

進一步地，所述鑒別器由卷積層、池化層和全連接層構成，輸入是訓練集中的樣本圖像或者是由生成器生成的圖像，鑒別器的最后一層輸出圖像哈希，通過比對哈希之間的距離實現拷貝檢測。

其中，所述鑒別器使用卷積層對輸入進行特征提取，每層的卷積核尺寸是j_i×j_i，步長是n_i，卷積核個數是s_i，其中對每層卷積結果進行批歸一化然后進行激活；

卷積層與池化層交替出現，所述鑒別器采用最大池化方式，池化核的大小是k₁×k₁，步長是f₁；

卷積層的輸出作為全連接層的輸入，全連接層中對激活函數之前的結果作批歸一化。