1.一种图像篡改检测方法,其特征在于,包括以下步骤:
S1、提取图像的RGB特征;过滤所述图像的内容特征,提取出残差特征,作为低层篡改特征,从所述低层篡改特征提取高层的篡改特征,得到高频特征;获取所述高频特征的具体实现过程包括:利用约束卷积层过滤所述图像的内容特征,提取出预测方差,作为所述低层篡改特征;将所述低层篡改特征输入由多个卷积层串联而成的第一卷积层组,得到所述高频特征;
C
S2、获取由所述高频特征引导的RGB特征Frgb‑att;Frgb‑att=Frgb⊙αc⊙αs;其中,Frgb∈R×H×W 7×7 7×7,C、H、W分别为RGB特征Frgb的通道数、高度和宽度;αs=σ(f ([αs‑avg;αs‑max])),f 表示
7x7的卷积核,σ为sigmoid函数;表示拼接操作,αs‑avg=AvgPoolc(Ffre),αs‑max=MaxPoolc(Ffre);AvgPoolc、MaxPoolc分别表示平均值池化和最大值池化;Ffre为高频特征;αc=σ(αc‑avg+αc‑max),αc‑avg=W1(AvgPools(Ffre))+b1,αc‑max=W1(MaxPools(Ffre))+b1,W1和b1为多层感知机的权重和偏置;
S3、利用所述高频特征引导的RGB特征Frgb‑att提取更高层的特征Frgb‑high,将所述特征Frgb‑high输入区域推荐网络,生成候选框;在Frgb‑high上摘取各个候选框的特征,记为Frgb‑roi;
其中,将所述RGB特征Frgb‑att作为第二卷积层组的输入,获得所述更高层的特征Frgb‑high;所述第二卷积层组包括多个串联的卷积层;
S4、将所述候选框的特征Frgb‑roi输入第一多层感知机,判断图像是否被篡改且输出篡改类型;
S5、利用步骤S4识别得到的候选框,定位图像中被篡改的区域。
2.根据权利要求1所述的图像篡改检测方法,其特征在于,步骤S1中,利用卷积神经网络提取图像的RGB特征。
3.根据权利要求1或2所述的图像篡改检测方法,其特征在于,步骤S5的具体实现过程
包括:将判定为被篡改过的候选框的特征输入第二多层感知机,该第二多层感知机的输出为(tx,ty,tw,th,),tx,ty分别表示真实篡改区域的中心点的坐标(x1,y1)相对于被篡改过的候选框的中心点坐标(x2,y2)的偏移量,tw表示真实篡改区域的高度w1相对于被篡改过的候选框的高度w2的偏移量,th表示真实篡改区域的宽度h1相对于被篡改过的候选框的宽度h2的偏移量宽度h1;用所述偏移量tx,ty,tw,th对被篡改过的候选框的位置进行的修正,输出最终的篡改区域的边框级别定位;和/或将被篡改过的候选框的特征输入第三多层感知机,输出一个Wi×Hi的0‑1矩阵,即得到二进制掩码,其中Wi为图像的宽度,Hi为图像的高度;所述矩阵中等于1的位置对应于图像中未篡改的区域,矩阵中等于0的位置对应于图像中被篡改的区域。
4.一种图像篡改检测系统,其特征在于,包括计算机设备;所述计算机设备被配置或编程为用于执行权利要求1~3之一所述方法的步骤。
5.一种计算机可读存储介质,其特征在于,其存储有程序,所述程序被配置为用于执行权利要求1~3之一所述方法的步骤。