申请/专利权人：中国海洋大学

申请日：2023-12-05

公开（公告）日：2024-03-19

公开（公告）号：CN117351015B

主分类号：G06T7/00

分类号：G06T7/00;G06T7/13;G06N3/0464;G06V20/00;G06V10/40

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明属于图像处理技术领域，公开了基于边缘监督和多域交叉相关的篡改检测方法及系统，包括以下步骤：步骤1、提取源域篡改域特征，步骤2、使用解耦边缘监督进行篡改域边缘定位和篡改域定位，提取篡改域特征：步骤3、提取源域特征：将步骤1得到的源域篡改域特征与步骤2得到的篡改域特征做差，得到源域特征；步骤4、进行多域交叉相关性建模，获取源域篡改域背景图：对源域篡改域特征、篡改域特征和源域特征进行多域交叉相关性建模，得到源域篡改域背景图。通过本发明提高源域篡改域定位的准确性，并对最终结果进行监督，提高对源域篡改域和背景判断的准确性。

主权项：1.基于边缘监督和多域交叉相关的篡改检测方法，其特征在于，包括以下步骤：步骤1、提取源域篡改域特征：对输入图像I使用卷积神经网络进行特征提取，将得到的特征使用不同大小的卷积核进行不同尺度的特征提取，然后将不同尺度的特征进行融合，并将融合后的特征使用自相关计算，得到初步的源域篡改域特征；步骤2、使用解耦边缘监督进行篡改域边缘定位和篡改域定位，提取篡改域特征：采用ResNet网络分四层对输入图像I进行不同层的特征提取，分别获取第一层到第四层的输出，所述ResNet网络包括模块1、模块2、模块3和模块4四部分，作为四个网络层，其中第四层的输出作为篡改域特征；将获取的四层的输出分别经过四级边缘残差网络进行边缘特征提取、冗余特征消除和拼接，最后一级网络的输出为篡改域边缘特征；其中第一级的边缘残差网络包括滤波器和一个边缘残差模块，后三级的边缘残差网络包括滤波器和两个边缘残差模块；将获取的四层的输出分别经过滤波器和边缘残差模块进行边缘特征提取，后三层的特征进行边缘残差后进行冗余特征消除和拼接，再输入边缘残差模块，进入下一级网络，最后一级网络的最后一个边缘残差模块的输出即为篡改域边缘特征；所述滤波器和边缘残差两个模块用于通道缩减和特征提取，在滤波器内，依次进行卷积操作、批归一化操作、L2归一化操作和激活函数激活操作后得到的数据与输入数据相乘；在边缘残差模块内，首先进行第一次卷积操作，数据再依次进行第二次卷积操作、批归一化操作、线型整流操作、第三次卷积操作后得到的数据与第一次卷积操作后的数据相加；通过边缘残差网络提取篡改域边缘特征的具体方法如下：对于输入图像I，经过ResNet网络的四层输出分别是特征M1、M2、M3、M4，再将这四个特征分别经过一个滤波器模块和一个边缘残差模块得到特征J1、J2、J3、J4；将J2与J1做差得到K1，J3与J2做差得到K2，J4与J3做差得到K3，然后再将J1和K1进行拼接得到P1，P1再经过一个边缘残差模块得到R1，R1再与K2进行拼接得到P2，P2再经过一个边缘残差模块得到R2，R2再与K3进行拼接得到P3，P3再经过一个边缘残差模块得到R3，将R3作为篡改域边缘特征；步骤3、提取源域特征：将步骤1得到的源域篡改域特征与步骤2得到的篡改域特征做差，得到源域特征；步骤4、进行多域交叉相关性建模，获取源域篡改域背景图：多域交叉相关性建模是对源域篡改域特征、篡改域特征和源域特征分别进行两两相关性计算，计算元素之间的关联关系，得到三个相似特征，并对得到的相似特征通过门控机制融合，得到源域篡改域背景图。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于边缘监督和多域交叉相关的篡改检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD