[发明专利]一种基于深度学习的篡改图像鉴定方法及装置

权利要求书

1.一种基于深度学习的篡改图像鉴定方法，其特征在于，所述方法包括如下步骤：

S1：对待鉴定图像进行预处理，获取与所述待鉴定图像对应的灰度图像；

S2：将所述灰度图像输入到预先训练的神经网络模型中，预测所述待鉴定图像的篡改概率，其中，所述神经网络模型可以处理任意大小分辨率的图像；

S3：根据所述篡改概率与预设的阈值，判定所述待鉴定图像是否为篡改图像。

2.根据权利要求1所述的基于深度学习的篡改图像鉴定方法，其特征在于，所述对待鉴定图像进行预处理包括：

通过预设的不同卷积核分别对所述待鉴定图像进行滤波处理，分别获取与所述待鉴定图像对应的不同的灰度图像。

3.根据权利要求1或2所述的基于深度学习的篡改图像鉴定方法，其特征在于，所述预先训练神经网络模型时采用原始分辨率的图像，且所述预测所述待鉴定图像的篡改概率时也采用原始分辨率的所述待鉴定图像。

4.根据权利要求1或2所述的基于深度学习的篡改图像鉴定方法，其特征在于，所述步骤S2具体包括：

S2.1：训练神经网络模型，在所述神经网络模型中引入空间金字塔池化层；

S2.2：将所述灰度图像输入至所述神经网络模型中，提取所述灰度图像的深度特征；

S2.3：所述神经网络模型根据所述深度特征预测所述待鉴定图像的篡改概率。

5.根据权利要求4所述的基于深度学习的篡改图像鉴定方法，其特征在于，所述深度特征包括图像中原始的相机指纹/或编码指纹。

6.根据权利要求1或2所述的基于深度学习的篡改图像鉴定方法，其特征在于，所述步骤S3具体包括：

将所述篡改概率与预设的阈值进行比较，若所述篡改概率大于所述阈值，则判定所述待鉴定图像为篡改图像，否则判定所述待鉴定图像为非篡改图像。

7.一种基于深度学习的篡改图像鉴定装置，其特征在于，所述装置执行权利要求1至6任意一项所述的方法，所述装置至少包括：

图像处理模块，用于对待鉴定图像进行预处理，获取与所述待鉴定图像对应的灰度图像；

概率预测模块，用于将所述灰度图像输入到预先训练的神经网络模型中，预测所述待鉴定图像的篡改概率，其中，所述神经网络模型可以处理任意大小分辨率的图像；

判定模块，用于根据所述篡改概率与预设的阈值，判定所述待鉴定图像是否为篡改图像。

8.根据权利要求7所述的基于深度学习的篡改图像鉴定装置，其特征在于，所述图像处理模块包括：

滤波单元，用于通过预设的不同卷积核分别对所述待鉴定图像进行滤波处理，分别获取与所述待鉴定图像对应的不同的灰度图像。

9.根据权利要求7或8所述的基于深度学习的篡改图像鉴定装置，其特征在于，所述概率预测模块包括：

模型训练单元，用于训练神经网络模型，在所述神经网络模型中引入空间金字塔池化层；

特征提取单元，用于提取所述灰度图像的深度特征；

概率预测单元，用于根据所述深度特征预测所述待鉴定图像的篡改概率。

10.根据权利要求7或8所述的基于深度学习的篡改图像鉴定装置，其特征在于，所述判定模块包括：

比较单元，用于将所述篡改概率与预设的阈值进行比较，若所述篡改概率大于所述阈值，则判定所述待鉴定图像为篡改图像，否则判定所述待鉴定图像为非篡改图像。