[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

本發明公開了一種篡改圖像檢測方法，包括：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。本發明還公開了一種篡改圖像檢測裝置及計算機可讀存儲介質。本發明通過對待檢測圖像進行分塊，通過待檢測圖像塊檢測待檢測圖像是否為篡改圖像，提高提取特征的準確性，進而提高篡改圖像的檢測效率以及準確率。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種篡改圖像檢測方法、裝置及計算機可讀存儲介質。

背景技術

隨著數字圖像編輯軟件的發展，數字圖像處理軟件的功能也越來越強大，使用也越來越方便，從自適應曝光、去模糊、摳圖、再到圖像拼接與融合，這些技術手段用在傳媒行業，會帶來更多的趣味性，在一定程度上促進了娛樂和圖片社交行業的發展。但同時也滋生了一批投機分子，專門生成偽造或篡改的圖像，去做一些非法的事情，比如在保險、金融行業中進行非法利益的獲取，對多媒體內容安全帶來了重大威脅。

目前，圖像拼接是最常見的圖像篡改手段，當前的圖像拼接主要通過基于深度學習的方式進行檢測。但是，由于篡改痕跡與圖像內容相比，信號強度太小，直接運用神經網絡從輸入圖像進行端到端的提取特征，通過提取的特征對圖像進行檢測的效果不好，導致篡改圖像的檢測準確率以及效率低。

上述內容僅用于輔助理解本發明的技術方案，并不代表承認上述內容是現有技術。

發明內容

本發明的主要目的在于提供一種篡改圖像檢測方法、裝置及計算機可讀存儲介質，旨在解決現有通過深度學習進行篡改圖像檢測準確率低以及效率低的技術問題。

為實現上述目的，本發明提供一種篡改圖像檢測方法，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。

進一步地，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。

進一步地，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。

進一步地，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；