[发明专利]图像篡改检测方法及装置

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像篡改检测方法及装置。

背景技术

目前，现有的图像篡改检测技术大都是针对单一类型的篡改进行检测，例如，只能检测复制、移动或者拼接等单一类型的篡改；而且，由于现有大多数篡改检测算法的工作原理是基于JPEG压缩痕迹，所以只能处理JPEG类型的图像篡改检测，使得能够进行图像篡改检测的图像格式比较单一。同时，现有的图像篡改检测算法需要依赖复杂的特征提取，并且提取的特征对篡改类型的变化不具鲁棒性，导致图像篡改检测的准确性得不到保障。

发明内容

本发明的主要目的在于提供一种图像篡改检测方法及装置，旨在对不同类型、格式的图像篡改进行准确的检测。

为实现上述目的，本发明提供的一种图像篡改检测方法，所述方法包括以下步骤：

A、对待检测图像进行块分割，将所述待检测图像分成若干图像小碎片，并从各个图像小碎片中提取出初始篡改检测特征；

B、利用预先确定的编码器对提取的初始篡改检测特征进行编码以生成复杂篡改特征，并根据生成的复杂篡改特征确定所述待检测图像对应的篡改检测结果，所述篡改检测结果包括已篡改和未篡改。

优选地，所述步骤A包括：

将所述待检测图像从第一颜色空间转换到第二颜色空间；

对所述待检测图像进行块分割，将所述待检测图像分成N*M的图像小碎片，N和M为正整数；

在每个图像小碎片的每个第二颜色空间分量上应用预设的小波函数分解，以得到多个对应的像素系数映射，对各个所述像素系数映射计算汇总统计系数，在每个图像小碎片上获得多个汇总统计系数，将各个所述汇总统计系数作为对应的图像小碎片的初始篡改检测特征。

优选地，所述预先确定的编码器为栈化自动编码器，该栈化自动编码器由多层基本的自动编码器层叠而成，每一层自动编码器的输出是下一层自动编码器的输入，该栈化自动编码器还包括一个神经网络多层感知器，该神经网络多层感知器与最后一层的自动编码器对接，用于根据生成的复杂篡改特征确定出所述待检测图像对应的篡改检测结果。

优选地，所述步骤B包括：

利用预先确定的编码器对各个图像小碎片的初始篡改检测特征进行编码，以生成各个图像小碎片的复杂篡改特征；

根据各个图像小碎片的复杂篡改特征确定出各个图像小碎片对应的第一篡改检测结果，所述第一篡改检测结果包括已篡改和未篡改；

若有图像小碎片对应的第一篡改检测结果为已篡改，则确定所述待检测图像对应的篡改检测结果为已篡改。

优选地，该栈化自动编码器还包括一个用于根据相邻区域的场景信息确定出所述待检测图像对应的篡改检测结果的相邻区域感知层，所述步骤B还包括：

根据预设的算法对各个图像小碎片的临近场景信息进行计算，并根据各个图像小碎片的临近场景信息确定出各个图像小碎片对应的第二篡改检测结果，所述第二篡改检测结果包括已篡改和未篡改；

若有图像小碎片对应的第二篡改检测结果为已篡改，则确定所述待检测图像对应的篡改检测结果为已篡改；

若所有图像小碎片对应的第二篡改检测结果均为未篡改，且有图像小碎片对应的第一篡改检测结果为已篡改，则确定所述待检测图像对应的篡改检测结果为未篡改。

优选地，所述预先确定的编码器的训练过程如下：

C、获取预设数量的图像样本，并对各个图像样本的篡改结果进行标识，所述篡改结果包括已篡改和未篡改；

D、对各个图像样本进行块分割，将各个图像样本分成N*M的图像小碎片，N和M为正整数，并从各个图像样本的各个图像小碎片中提取出初始篡改检测特征，以提取出各个图像样本对应的初始篡改检测特征；

E、将所有图像样本按照X：Y的比例分成第一数据集和第二数据集，第一数据集中的图像样本数量大于第二数据集中的图像样本数量，第一数据集作为训练集，第二数据集作为测试集，其中，X大于0，Y大于0；

F、利用第一数据集中的各个图像样本对应的初始篡改检测特征进行编码器的训练，利用第二数据集中的各个图像样本对应的初始篡改检测特征对训练的编码器进行准确率验证；

G、若训练的编码器的准确率大于或等于预设准确率，则结束训练，或者，若训练的编码器的准确率小于预设准确率，则增加图像样本的数量，并重复执行上述步骤D、E和F，直至训练的编码器的准确率大于或等于预设准确率。

此外，为实现上述目的，本发明还提供一种图像篡改检测装置，所述图像篡改检测装置包括：