[发明专利]一种图像真伪鉴别方法

说明书

本发明涉及一种图像真伪鉴别方法，包括下列步骤：第一步，图像显著性处理：将原始图像通过SLIC算法进行分割得到超像素，通过计算每个超像素与边缘超像素之间的对比度，得到基于背景的显著图像；根据像素阈值对原始图像进行分割来选择前景，通过计算原始图像与前景之间的相似度得到基于前景的显著图像；融合基于前景和背景的显著图像，使用高斯滤波器进行平滑处理，得到局部特征显著图像；得到像素水平的显著性图像；获得纹理增强图像；训练真假人脸图像鉴别网络。

技术领域

本发明涉及图像取证领域，特别涉及深度伪造图像的鉴别方法。

背景技术

近年来，随着生成对抗网络(GANs)技术的发展，2017年基于GANs的Deepfake的诞生开启了人脸替换的先河。之后，Deepnude和Zao软件同样为了人脸替换而诞生。这些软件可以将选中的人脸替换为任意其他人的人脸，用来制造本不存在的色情片段等各种视频，并在网络上大肆流传，污染网络环境的同时，严重危害个人的信息安全。更有甚者，造谣者利用深度伪造技术发布国家领袖和公共组织领导人的虚假演讲视频，为世界的公共安全制造了隐患。因此，建立行之有效的伪造图像的鉴别体系迫在眉睫。

目前国内外对于真假人脸鉴别的研究由传统数字取证的方法转向于人工智能方法的研究，而在当前公布的众多专利中，均很少涉及智能方向的真假人脸鉴别的研究。在现有方案中，主要为基于传统图像取证方法的人脸识别技术、基于活体检测的真假人脸实时识别方法和基于卷积神经网络的真假人脸检测方法三种，其中，(中国，201611227125.3)使用综合颜色分布特征、镜面反射特征和模糊度特征作为真假人脸图像的判别信息，使用支持向量机算法分类得出真假人脸图像的判断；(中国，201911135240.1)提取第二人脸特征点，利用第二人脸特征点，将所述用户人脸图像仿射变化处理为标准人脸图像；将所述标准人脸图像分割为前景区域与背景区域，并分别做直方图统计，根据统计结果使用SVM分类识别真假脸；(中国，201510631277.9)利用卷积神经网络对所有效近红外人脸图像和所有可见光人脸通道图像进行卷积处理，得到处理结果，根据所述处理结果，对人脸对象进行真假识别。

尽管深度伪造换脸方法对于背景图无操作，仅仅是对于人脸区域进行替换，但在换脸过程中，光照、抖动、磨损等因素都会根据背景区域对换脸区域进行修补。为了能够在视觉上显化真假人脸图像的差异，本专利采用图像显著性方法，对真假人脸图像分别处理，得出人脸区域的细微纹理性差异。

此外，由于真假人脸区域的纹理性差异并不明显，难以满足网络快速学习差异的要求，因此本专利提出运用引导滤波方法来增强真假人脸图像潜在的纹理性差异，便于网络方便的学习到此种差异。

此后，将经过引导滤波处理的真假人脸图像混合作为训练集输入鉴别神经网络，同时设置验证集实时反馈模型性能，根据此反馈调整模型参数，训练完成后保存最佳模型。

发明内容

本发明的目的是提供一种鲁棒性好，真假人脸鉴别较为准确的方法，技术方案如下：

一种图像真伪鉴别方法，包括下列步骤：

第一步，图像显著性处理

(1)将原始图像通过SLIC算法进行分割得到超像素，通过计算每个超像素与边缘超像素之间的对比度，得到基于背景的显著图像。

(2)根据像素阈值对原始图像进行分割来选择前景，通过计算原始图像与前景之间的相似度得到基于前景的显著图像；融合基于前景和背景的显著图像，使用高斯滤波器进行平滑处理，得到局部特征显著图像；

(3)通过RGB、CIELab以及LBP三种特征分别计算局部特征显著图像的不同显著区域对应的欧式距离，得到每个区域的显著性值，融合后，得到像素水平的显著性图像；

第二步，图像纹理增强处理

(1)将原始图像通过局部线性模型的二维滑动窗口，形成原始图像和纹理增强图像间的线性关系式；