公开(公告)号：CN114331974B

公开(公告)日：2024-06-21

申请号：CN202111499256.8

申请日：2021-12-09

Applicant: 上海大学

Inventor： 冯国瑞 ,  张钰雪 ,  王子驰

IPC: G06T7/00 ,  G06T7/11 ,  G06T5/73 ,  G06T5/20 ,  G06V10/40 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明公开了一种基于特征融合的图像篡改检测方法，目的在于解决复杂场景下图像篡改检测泛化能力不足的问题,在该场景下，每一类篡改方式的参数都是随机选择的，较于之前的场景仅检测使用固定参数的篡改难度加大且更符合日常生活，具有较大的实际应用价值。网络分为三部分：特征提取网络、特征融合模块和分类器。特征提取网络采用ResNetV2‑50为基础结构，灰度图像正向传播依次经过四个模块，提取四个阶段的特征图输入到特征融合模块中。在特征融合的过程中，按特征提取的顺序依次将低级的纹理特征迭代地与高级的语义特征相融合，加强篡改痕迹的特征信息，并将融合后的特征输入到分类器中，完成对目标图像篡改方式的预测。

公开(公告)号：CN114331974A

公开(公告)日：2022-04-12

申请号：CN202111499256.8

申请日：2021-12-09

Applicant: 上海大学

Inventor： 冯国瑞 ,  张钰雪 ,  王子驰

IPC: G06T7/00 ,  G06T7/11 ,  G06T5/00 ,  G06T5/20 ,  G06V10/40 ,  G06V10/774 ,  G06V10/764 ,  G06V10/80 ,  G06K9/62

Abstract: 本发明公开了一种基于特征融合的图像篡改检测方法，目的在于解决复杂场景下图像篡改检测泛化能力不足的问题,在该场景下，每一类篡改方式的参数都是随机选择的，较于之前的场景仅检测使用固定参数的篡改难度加大且更符合日常生活，具有较大的实际应用价值。网络分为三部分：特征提取网络、特征融合模块和分类器。特征提取网络采用ResNetV2‑50为基础结构，灰度图像正向传播依次经过四个模块，提取四个阶段的特征图输入到特征融合模块中。在特征融合的过程中，按特征提取的顺序依次将低级的纹理特征迭代地与高级的语义特征相融合，加强篡改痕迹的特征信息，并将融合后的特征输入到分类器中，完成对目标图像篡改方式的预测。