[发明专利]一种基于深度学习的篡改图像鉴定方法及装置

说明书

本发明公开了一种基于深度学习的篡改图像鉴定方法及装置，方法包括：S1：对待鉴定图像进行预处理，获取与待鉴定图像对应的灰度图像；S2：将灰度图像输入到预先训练的神经网络模型中，预测待鉴定图像的篡改概率，其中，神经网络模型可以处理任意大小分辨率的图像；S3：根据篡改概率与预设的阈值，判定待鉴定图像是否为篡改图像。本发明将图像篡改检测问题描述成图像分类问题，不需要在已知的篡改图像上定位篡改区域，而是很容易的利用已有的神经网络算法快速的判定出图像是否被篡改，且在训练、测试以及判定阶段均采用原始分辨率的图像，不仅能保证篡改区域在处理过程不被修改，而且还让模型能够更准确地检测出篡改区域很小的图片。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种基于深度学习的篡改图像鉴定方法及装置。

背景技术

随着移动终端设备的普及，数字图像获取越来越容易，相应的数字图像处理软件也越来越多，如photoshop、美图等。数字图像处理软件的功能也越来越强大，使用也越来越方便，从自适应曝光、去模糊、抠图、再到图像拼接与融合，这些技术手段用在传媒行业，会带来更多的趣味性，在一定程度上促进了娱乐和图片社交行业的发展。但同时也滋生了一批投机分子，专门生成伪造或篡改的图像，去做一些非法的事情，比如在保险、金融行业中进行非法利益的获取。

这些伪造或篡改后的图像已经不再是原始场景下的内容，但是由于用了多种图像处理技术，可以很好的欺骗肉眼，让人无法辨别真伪。现有技术的篡改图像鉴定方法或装置大多是采用在已知的篡改图像上定位篡改区域的技术手段，但是这种方法不容易利用已有的算法模型进行快速区分真假图像。因此，亟需提出一种新的篡改图像鉴定方法及装置，解决上述问题，帮助业务人员快速区分真假图像。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种基于深度学习的篡改图像鉴定方法，以克服现有技术中不容易利用已有的算法模型进行快速区分真假图像、不能保证篡改区域在处理过程中不被修改以及模型训练过程中容易产生过拟合等问题。

为解决上述技术问题，本发明采用的技术方案是：

一方面，提供了一种基于深度学习的篡改图像鉴定方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，所述深度特征包括图像中原始的相机指纹/或编码指纹。

进一步的，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。