[發明專利]篡改圖像檢測方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202011114858.2
• 申請日: 2020-10-19
• 公開（公告）號: CN111932544A
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 倪江群;饒遠;張偉哲
• 申請（專利權）人: 鵬城實驗室
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 晏波

1.一種篡改圖像檢測方法，其特征在于，所述篡改圖像檢測方法包括以下步驟：

獲取待檢測圖像，并基于第一預設分塊規則對待檢測圖像進行圖像分塊，以獲得多個待檢測圖像塊；

通過預訓練的局部描述子對各個所述待檢測圖像塊進行特征提取，以獲得各個所述待檢測圖像塊對應的局部特征；

對各個局部特征進行特征融合，以獲得所述待檢測圖像對應的全局特征；

將所述全局特征輸入支持向量機，以確定所述待檢測圖像是否為篡改圖像。

2.如權利要求1所述的篡改圖像檢測方法，其特征在于，所述通過預訓練的局部描述子對各個所述待檢測圖像塊進行特征提取，以獲得各個所述待檢測圖像塊對應的局部特征的步驟包括：

分別將各個所述待檢測圖像塊輸入預訓練的局部描述子，將預訓練的局部描述子中最后一個卷積層的輸出結果作為各個所述待檢測圖像塊對應的局部特征。

3.如權利要求1所述的篡改圖像檢測方法，其特征在于，所述對各個局部特征進行特征融合，以獲得所述待檢測圖像對應的全局特征的步驟包括：

基于各個所述待檢測圖像塊，對各個所述局部特征進行聚集操作，以獲得特征圖像，其中，所述局部特征包括多個通道的特征；

基于第二預設分塊規則對所述特征圖像進行圖像分塊，以獲得多個特征塊；

分別對各個通道的特征塊進行分塊池化，以獲得各個通道對應的池化特征向量；

基于各個池化特征向量確定目標特征向量，并將所述目標特征向量作為所述全局特征。

4.如權利要求1所述的篡改圖像檢測方法，其特征在于，所述通過預訓練的局部描述子對各個所述待檢測圖像塊進行特征提取的步驟之前，所述篡改圖像檢測方法還包括：

獲取訓練數據集，所述訓練數據集包括拼接圖像塊以及真實圖像塊；

將所述訓練數據集輸入卷積神經網絡中的兩個子網絡，以獲得兩個子網絡對應的第一損失函數、第二損失函數以及兩個所述子網絡之間的對比損失函數；

基于所述第一損失函數、第二損失函數以及所述對比損失函數，確定預訓練的局部描述子。

5.如權利要求4所述的篡改圖像檢測方法，其特征在于，所述基于所述第一損失函數、第二損失函數以及所述對比損失函數，確定預訓練的局部描述子的步驟包括：

基于所述第一損失函數、第二損失函數以及所述對比損失函數，確定目標損失函數；

在所述目標損失函數滿足預設條件時，基于所述目標損失函數更新所述卷積神經網絡，并基于更新后的所述卷積神經網絡確定預訓練的局部描述子；

在所述目標損失函數未滿足預設條件時，基于所述目標損失函數更新所述卷積神經網絡，將更新后的所述卷積神經網絡作為所述卷積神經網絡，并返回執行將所述訓練數據集輸入卷積神經網絡中的兩個子網絡的步驟。

6.如權利要求4所述的篡改圖像檢測方法，其特征在于，將所述訓練數據集輸入卷積神經網絡中的兩個子網絡，以獲得兩個所述子網絡之間的對比損失函數的步驟包括：

確定所述訓練數據集對應的訓練樣本的特征向量，基于各個特征向量、拼接圖像塊以及真實圖像塊，確定各個訓練樣本對應的歐式距離；

基于所述歐式距離確定所述對比損失函數。

7.如權利要求1至6任一項所述的篡改圖像檢測方法，其特征在于，所述將所述全局特征輸入支持向量機，以確定所述待檢測圖像是否為篡改圖像的步驟之后，所述篡改圖像檢測方法還包括：

若所述待檢測圖像為篡改圖像，則基于預訓練的局部描述子，獲取的預訓練的卷積神經網絡中的目標子網絡；

分別將各個所述待檢測圖像塊輸入所述目標子網絡，以獲得各個所述待檢測圖像塊對應的篡改概率；

基于所述篡改概率確定所述待檢測圖像對應的預測標簽圖，并對所述預測標簽圖進行均值濾波，以獲得連續拼接概率圖；

基于所述連續拼接概率圖對所述待檢測圖像進行拼接圖像定位。