申请/专利权人：安徽省征信股份有限公司;北京智慧易科技有限公司

申请日：2023-08-24

公开（公告）日：2024-04-26

公开（公告）号：CN117315678B

主分类号：G06V30/19

分类号：G06V30/19;G06V30/30;G06N3/04;G06N3/084;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本申请实施例公开了一种数字图像篡改识别方法、系统、设备和存储介质，所述方法包括：将目标数字图像输入篡改识别模型，以使得所述篡改识别模型计算出所述目标数字图像的真实性指标、完整性指标和可信度指标；所述真实性指标是根据所述目标数字图像的重构损失、特征级重构损失、感知损失和对抗损失计算的；所述完整性指标是根据所述目标数字图像和对应的真实图像之间的相似度计算的；所述可信度指标是根据所述目标数字图像和对应的真实图像基于判别器网络的评分计算的；根据所述真实性指标、完整性指标和可信度指标计算篡改可能性指标，并基于所述篡改可能性指标判定所述目标数字图像是否被篡改。高效准确的进行数字图像的篡改识别。

主权项：1.一种数字图像篡改识别方法，其特征在于，所述方法包括：将目标数字图像输入篡改识别模型，以使得所述篡改识别模型计算出所述目标数字图像的真实性指标、完整性指标和可信度指标；所述真实性指标是根据所述目标数字图像的重构损失、特征级重构损失、感知损失和对抗损失计算的；所述完整性指标是根据所述目标数字图像和对应的真实图像之间的相似度计算的；所述可信度指标是根据所述目标数字图像和对应的真实图像基于判别器网络的评分计算的；根据所述真实性指标、完整性指标和可信度指标计算篡改可能性指标，并基于所述篡改可能性指标判定所述目标数字图像是否被篡改；所述真实性指标按照如下步骤计算：根据所述目标数字图像的均方误差计算所述目标数字图像与真实图像之间的重构损失；计算所述目标数字图像与真实图像在特征空间上的欧氏距离，作为特征级重构损失；计算所述目标数字图像与真实图像在感知损失函数中的差异，作为感知损失；基于所述篡改识别模型的生成器计算所述目标数字图像被判别器判别为真实图像的负对数似然，基于判别器计算真实图像被判别器判别为真实图像的负对数似然，并计算对抗损失；根据所述重构损失、特征级重构损失、感知损失和对抗损失计算出所述目标数字图像的真实性指标；所述完整性指标按照如下步骤计算：基于余弦相似度计算所述目标数字图像与真实图像在特征空间上的相似度，作为特征匹配值；计算所述目标数字图像与真实图像的直方图差异度量，作为直方图匹配度；计算所述目标数字图像与真实图像的结构相似性指数；基于均方误差计算所述目标数字图像与真实图像的像素级相似度；基于预训练的图像分类器或对象检测器计算所述目标数字图像与真实图像的图像语义一致性值；根据所述特征匹配值、直方图匹配度、结构相似性指数、像素级相似度和图像语义一致性值计算出完整性指标；所述目标数字图像与真实图像的结构相似性指数按照如下步骤计算：将所述目标数字图像与真实图像进行灰度处理，并分割为若干重叠区域；对于每个重叠区域计算亮度相似度、对比度相似度和结构相似度；根据亮度相似度、对比度相似度和结构相似度计算得到结构相似性指数；所述可信度指标按照如下步骤计算：将真实图像和目标数字图像分别输入判别器，得到所述真实图像和目标数字图像各自的判别器评分；根据所述目标数字图像和对应的真实图像的判别器评分计算可信度指标；所述篡改识别模型的训练过程包括如下步骤：定义所述篡改识别模型的生成器和判别器网络结构；对生成器和判别器网络的参数进行初始化处理；定义生成器和判别器的损失函数；将训练集的原始图像通过生成器网络生成对应的篡改图像，将生成的篡改图像与原始图像混合成为一组训练批次；根据定义的损失函数进行前向传播和反向传播，并更新生成器和判别器的参数；迭代更新直到满足设定条件，所述篡改识别模型训练完成；根据所述真实性指标、完整性指标和可信度指标计算篡改可能性指标，按照如下公式： ；其中，A为真实性指标，C为完整性指标，R为可信度指标，α、β、γ为非负权重系数，用于调整各个指标对篡改可能性指标的影响程度。

全文数据：

权利要求：

百度查询： 安徽省征信股份有限公司;北京智慧易科技有限公司 一种数字图像篡改识别方法、系统、设备和存储介质

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