[发明专利]一种用于篡改图像识别的方法与装置

说明书

本发明的目的是提供一种识别篡改图像的方法、模型及其训练方法以及计算机设备与计算机可读存储介质。其中，该方法包括以下步骤：获取待识别图像；提取所述待识别图像的多项篡改识别特征；将所述多项篡改识别特征组合成多维图像篡改特征；从所述多维图像篡改特征提取深层图像篡改特征；将所述深层图像篡改特征输入至分类器，以获得分类结果。本发明提出了将先验知识与卷积神经网络结合的图像篡改识别方案，利用图像的表面特征和误差等级分析特征等有增益的篡改识别特征，并引导篡改图像识别模型学习精确的篡改识别特征。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种识别篡改图像的技术。

背景技术

随着图像处理技术的不断发展，人们可以通过各种算法和软件对图像进行篡改，使得图像的真实性和合法性受到严重的挑战，严重情况下篡改图像甚至会对企业和个人造成经济、名誉上的影响。

现有的图像篡改检测技术主要基于特征算子的传统篡改检测方法。传统篡改检测方法由相关研究人员根据人工经验设计特征算子，从大量的特征算子里挑选篡改识别特征，在局限的实验室场景下能得到较好的效果，但是对于大量的场景丰富的图片泛化性能较差，难以达到理想的效果。

基于人工特征提取的传统篡改检测方法需要人工设计特征算子和大量的特征实验，耗时费力。而且，人工设计特征泛化性能有限，对于不同的篡改类别，往往需要研究人员重新设计特征算子，不能实现通用的图像篡改检测。近年来随着卷积神经网络在图像识别、目标检测、图像分割等计算机视觉任务中的优异表现，卷积神经网络强大的特征学习能力得到了有效验证。但是，常规的计算机视觉任务往往只需提取图像的颜色、纹理、形状、空间关系等表面性质的特征，对于图像篡改这种细粒度的特征不能奏效。对于纹理复杂图片以及本身噪声较大或篡改区域较小的篡改图像，识别效果较差，因此需要探索提取更加丰富图像篡改特征的方法。

发明内容

本发明的目的是提供一种识别篡改图像的方法、模型及其训练方法以及计算机设备与计算机可读存储介质。

根据本发明的一个方面，提供了一种识别篡改图像的方法，其中，该方法包括以下步骤：

获取待识别图像；

提取所述待识别图像的多项篡改识别特征，所述篡改识别特征包括图像表面特征以及误差等级分析特征；

将所述多项篡改识别特征组合成多维图像篡改特征；

从所述多维图像篡改特征提取深层图像篡改特征；

将所述深层图像篡改特征输入至分类器，以获得分类结果，所述分类结果包括篡改相关类别，所述篡改相关类别包括以下任一项：

-无篡改图像或篡改图像；

-篡改内容来源于其他图像或当前图像。

根据本发明的一个方面，还提供了一种训练篡改图像识别模型的方法，其中，该方法包括以下步骤：

获取训练样本图像，其中，所述训练样本图像标注有分类结果，所述分类结果包括篡改相关类别，所述篡改相关类别包括以下任一项：

-无篡改图像或篡改图像；

-篡改内容来源于其他图像或当前图像；

提取所述训练样本图像的多项篡改识别特征，包括图像表面特征和误差等级分析特征；

将所述训练样本图像的多项篡改识别特征组合成所述训练样本图像的多维图像篡改特征；

从所述训练样本图像的多维图像篡改特征提取所述训练样本图像的深层图像篡改特征；

将所述训练样本图像的深层图像篡改特征输入至分类器；

重复执行上述步骤直至所述分类器的目标函数收敛。