[發(fā)明專利]一種基于Mask R-CNN圖像篡改檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010122303.6
• 申請(qǐng)日: 2020-02-25
• 公開（公告）號(hào): CN111340784B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 徐超;宣錦昭;馮博;閃文章
• 申請(qǐng)（專利權(quán)）人: 安徽大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06T5/00;G06V10/764;G06V10/82
• 代理公司: 北京睿智保誠(chéng)專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

1.一種基于MaskR-CNN圖像篡改檢測(cè)方法，其特征在于，包括以下步驟：

S10、基于MaskR-CNN構(gòu)建圖像篡改檢測(cè)網(wǎng)絡(luò)，所述圖像篡改檢測(cè)網(wǎng)絡(luò)包括主分支網(wǎng)絡(luò)、噪聲分支網(wǎng)絡(luò)、Resnet-FPN骨干網(wǎng)絡(luò)、RPN區(qū)域提議網(wǎng)絡(luò)和ROIAlign雙線性池化網(wǎng)絡(luò)；

S20、將篡改圖像輸入所述主分支網(wǎng)絡(luò)；所述主分支網(wǎng)絡(luò)提取篡改圖像特征并輸入所述Resnet-FPN骨干網(wǎng)絡(luò)；

S30、輸入所述主分支網(wǎng)絡(luò)的所述篡改圖像經(jīng)過SRM濾波層提取篡改圖像的局部噪聲特征；將所述局部噪聲特征輸入所述噪聲分支網(wǎng)絡(luò)；

S40、所述噪聲分支網(wǎng)絡(luò)識(shí)別所述篡改圖像局部噪聲特征和噪聲分類特征，并輸入到所述Resnet-FPN骨干網(wǎng)絡(luò)；

S50、根據(jù)輸入的所述篡改圖像特征、所述局部噪聲特征和所述噪聲分類特征通過所述Resnet-FPN骨干網(wǎng)絡(luò)的FPN產(chǎn)生圖像特征金字塔；

所述圖像特征金字塔包括邊界特征金字塔、圖像分類特征金字塔和圖像噪聲特征金字塔；

S60、將所述圖像分類特征金字塔和圖像噪聲特征金字塔輸入所述ROI?Align雙線性池化網(wǎng)絡(luò)；

S70、所述邊界特征金字塔輸入所述RPN區(qū)域提議網(wǎng)絡(luò)產(chǎn)生圖像篡改候選區(qū)域特征，并輸入所述ROIAlign雙線性池化網(wǎng)絡(luò)；

S80、所述ROIAlign雙線性池化網(wǎng)絡(luò)對(duì)輸入的所述圖像分類特征、圖像噪聲特征和所述圖像篡改候選區(qū)域特征進(jìn)行特征合并，并輸出所述篡改圖像的分類、篡改區(qū)域定位和圖像分割結(jié)果；

S90、使用數(shù)據(jù)集對(duì)圖像篡改檢測(cè)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、測(cè)試；所述數(shù)據(jù)集為基于PASCALVOC數(shù)據(jù)集合成創(chuàng)建了新的篡改數(shù)據(jù)集(PASCALVOC-TP)；所述新的篡改數(shù)據(jù)集(PASCALVOC-TP)包括篡改圖像、篡改區(qū)域坐標(biāo)值和篡改區(qū)域的掩碼值；

S100、將篡改圖像輸入訓(xùn)練完成后的圖像篡改檢測(cè)網(wǎng)絡(luò)，得到篡改圖像的分類、篡改區(qū)域定位和圖像分割掩碼預(yù)測(cè)。

2.權(quán)利要求1所述的圖像篡改檢測(cè)方法，其特征在于，步驟S30中所述SRM濾波層包括3個(gè)基本濾波器，所述基本濾波器的內(nèi)核為：

3.權(quán)利要求1所述的圖像篡改檢測(cè)方法，其特征在于，步驟S50中所述圖像特征金字塔結(jié)構(gòu)為[P2,P3,P4,P5,P6]，對(duì)于輸入網(wǎng)絡(luò)的原圖上w×h的ROI，選擇的合適特征圖的尺度Pk，通過如下公式進(jìn)行定義：

其中，w×h表示ROI面積，K₀設(shè)置為4，224為ImageNet輸入圖像大小。

4.權(quán)利要求1所述的圖像篡改檢測(cè)方法，其特征在于，步驟S70中所述RPN區(qū)域提議網(wǎng)絡(luò)會(huì)對(duì)所述邊界特征進(jìn)行修正，所述RPN區(qū)域提議網(wǎng)絡(luò)修正損失定義為：

其中p_i表示在一個(gè)mini-batch中錨點(diǎn)i是篡改區(qū)域的預(yù)測(cè)概率，表示正錨點(diǎn)i相關(guān)聯(lián)的真值，t_i＝{t_x,t_y,t_w,t_h}表示預(yù)測(cè)的4個(gè)參數(shù)化坐標(biāo)，是正錨點(diǎn)對(duì)應(yīng)的真值坐標(biāo)；L_cls表示RPN網(wǎng)絡(luò)的交叉熵?fù)p失，L_reg表示smoothL1損失；N_cls表示RPN網(wǎng)絡(luò)中mini-batch的的大小，N_reg表示錨點(diǎn)的數(shù)量；λ表示平衡這兩個(gè)損失的超參數(shù)。

5.權(quán)利要求1所述的圖像篡改檢測(cè)方法，其特征在于，所述篡改圖像為三通道(RGB)彩色圖像。