[發明專利]一種深度學習的圖像防篡改系統及方法

在審

• 申請號: 202210738773.4
• 申請日: 2022-06-28
• 公開（公告）號: CN114936986A
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 張學武
• 申請（專利權）人: 張學武
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/00;G06T7/10;G06T7/90;G06V10/764;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了圖像防篡改技術領域的一種深度學習的圖像防篡改系統及方法，圖像采集過程中，設備不可避免地要引入模式噪聲，這是不同設備的特有屬性，彩色圖像設備成像過程中，通常只采集三色通道中的其中一種顏色信息，根據提取的特征種類不同，這些方法可以大致分為三類：基于篡改痕跡檢測，基于成像設備固有屬性一致性，基于圖像內在統計特征。基于篡改痕跡檢測方法大多是在圖像塊級別進行篡改檢測，具有很好的魯棒性，可以對加入了噪聲和經過壓縮的圖像進行判定。這類方法通過提取圖像塊的特征，比較不同塊之間的特征相似度判定圖像的真實性和篡改區域。基于成像設備固有屬性一致性方法從成像設備入手，比對不同圖像的固有屬性。

技術領域

本發明涉及圖像防篡改技術領域，具體為一種深度學習的圖像防篡改系統及方法。

背景技術

隨著深度學習與生活相關的各種應用快速落地，各種酷炫技術在人民日常生活中產生廣泛影響，其中以DeepFake、FaceSwap等為代表的人像篡改軟件對社會、經濟等各方面產生重大影響。在社會生活層面，“人工智能偽造”使日常生活所用的合同、契約、證書及相關法律文本的防偽鑒定面臨新的困難；在涉及公民、法人和組織切身利益和財產安全的重要問題上，也帶來了諸多不確定性的挑戰；“人工智能偽造”將可用于偽造證人證言、視聽資料、電子數據及鑒定意見等虛假證據，也為不法分子從事違法犯罪活動提供便利條件。

數字圖像篡改過程中，即使可獲得肉眼上足以以假亂真的結果，但圖像本身的連續特征卻已遭到破壞，而不同圖像自身攜帶的指紋信息亦不同，故可通過比較圖像中特定指紋信息的不一致性或分析該圖像中的某種統計特征是否被破壞來判斷圖像是否經過篡改并檢測出篡改區域(羅鴻斌.數字圖像盲取證技術研究綜述[J].無線互聯科技,2014(2):142–143)。現有的篡改圖像檢測方法大致可分為：基于指紋不一致性的篡改圖像檢測，基于圖像內在統計特征的篡改圖像檢測周治平,胡成燕,黃浩.基于色彩一致性的圖像模糊篡改檢測[J].計算機工程,基于圖像篡改過程遺留痕跡的篡改圖像檢測和基于深度學習的篡改圖像檢測，為此，我們提出一種深度學習的圖像防篡改系統及方法。

發明內容

本發明的目的在于提供一種深度學習的圖像防篡改系統及方法，以解決上述背景技術中提出的問題。

為實現上述目的，本發明提供如下技術方案：一種深度學習的圖像防篡改系統及方法，包括以下步驟：

1）圖像采集過程中，設備不可避免地要引入模式噪聲，這是不同設備的特有屬性，即使兩個型號完全相同的設備，其模式噪聲也會有所不同。模式噪聲估計算法需要事先建立訓練集，將已知相同型號的設備作為一類，利用去噪算法過濾出圖像的“殘余噪聲”作為這一類圖像的參考噪聲。然后對比待檢測圖像的殘余噪聲和訓練集中的各類參考噪聲，從而確定設備的型號；

2）彩色圖像設備成像過程中，通常只采集RGB三色通道中的其中一種顏色信息，然后再利用CFA（color filter array）插值獲取其他兩種顏色。通過此種方法形成的圖像，其RGB三色通道之間往往存在一定的相關性，不同的設備使用的插值算法和模型也不同，CFA插值算法就是利用了這個特性判斷圖像的來源。然后利用SVM對19種不同設備產生的圖像進行分類；

3）設備在進行圖像采集時，光學鏡頭的失真會最終引入到生成的圖像中，給圖像帶來幾何特性的變化。不同的設備帶來的幾何變化不同，光學鏡頭失真算法就是用了設備成像的這種特性進行圖像來源分類。通過提取圖像中的直線失真對圖像的來源進行鑒別，通過對三種設備圖像進行分類。

優選的，所述圖像采集過程具體步驟為；

1）圖像克隆被動取證由于圖像采集的多樣性，同一張圖像中的噪聲、紋理完全相同的區域幾乎不可能出現，而圖像克隆篡改方法將導致圖像中出現了兩個完全相同的區域，因此該類取證方法的關鍵在于尋找圖像中兩個完全相同的區域；

2）圖像拼接被動取證這種方法針對的是不同圖像的復制-粘貼篡改方法，該方法產生的篡改圖像其統計特性會發生改變，并且邊緣特征也會發生變化。通過濾波器對圖像進行處理，凸顯圖像邊緣特征，從而發現真實區域與篡改區域之間的邊緣差異；