[发明专利]一种基于异常检测技术的图像篡改定位方法、装置及终端

权利要求书

1.一种基于异常检测技术的图像篡改定位方法，其特征在于，所述方法包括：

获取需进行图像篡改定位的未知图像；

控制对所述未知图像进行噪声提取，得到噪声图像，并将所述噪声图像拆分为若干个相互关联的噪声块；

将所述噪声块依次输入预先构建的异常检测网络中进行训练；

当训练得到的损失差值小于预设损失差值时，完成训练并冻结当前异常检测网络的检测参数；

将所述噪声块依次输入至训练完成的异常检测网络中，得到重构块，并计算所述噪声块与对应重构块间的重构误差，得到各噪声块的异常分数；

基于所述异常分数生成热力图，提取所述热力图中高于预设阈值的像素点，生成预测的篡改定位图，并输出。

2.根据权利要求1所述的一种基于异常检测技术的图像篡改定位方法，其特征在于，所述获取需进行图像篡改定位的未知图像的步骤之前包括：

构建一异常检测网络，包含编码器、全连接层、拟合高斯分布层以及解码器。

3.根据权利要求1所述的一种基于异常检测技术的图像篡改定位方法，其特征在于，所述获取需进行图像篡改定位的未知图像的步骤之前还包括：

设置一预设损失差值，用于判断网络训练是否需停止；

设置一预设阈值。

4.根据权利要求1所述的一种基于异常检测技术的图像篡改定位方法，其特征在于，所述控制对所述未知图像进行噪声提取，得到噪声图像，并将所述噪声图像拆分为若干个相互关联的噪声块的步骤包括：

通过Noiseprint提取所述未知图像的噪声特征，得到噪声图像；

将所述噪声图像进行拆分，控制每隔16个像素单位，获取一块尺寸大小为48*48像素的噪声块。

5.根据权利要求1所述的一种基于异常检测技术的图像篡改定位方法，其特征在于，所述当训练得到的损失差值小于预设损失差值时，完成训练并冻结当前异常检测网络的检测参数的步骤包括：

通过下述公式计算异常检测网络训练时的损失差值：

总损失：L＝L1+λ*L2，

其中，图像重构损失：

KL散度损失：

其中，n表示一个训练批次中噪声块的总数量，X_i表示当前i对应的原来的图像块，X′_i表示原图像块经过网络后重构出的块，J表示网络中间层中拟合的高斯模型的个数，u_j和σ_j分别表示第j个高斯模型的参数均值和标准差，λ为超参数，取值在0到1之间；

当检测到训练过程中的损失差值L小于预设损失差值时，停止训练并冻结当前异常检测网络的检测参数。

6.根据权利要求1所述的一种基于异常检测技术的图像篡改定位方法，其特征在于，所述将所述噪声块依次输入至训练完成的异常检测网络中，得到重构块，并计算所述噪声块与对应重构块间的重构误差，得到各噪声块的异常分数的步骤包括：

将所述噪声块重新输入至冻结参数的异常检测网络中，得到大小相同的重构块；

计算所述噪声块与对应重构块间所有像素点的差值平方和，并将其作为当前噪声块的异常分数。

7.根据权利要求1所述的一种基于异常检测技术的图像篡改定位方法，其特征在于，所述基于所述异常分数生成热力图，提取所述热力图中高于预设阈值的区域，生成预测的篡改定位图，并输出的步骤包括：

控制将所有异常分数归一化到0-1范围内，得到归一化异常分数；

将所述归一化异常分数进行整合，自动生成与未知图像尺寸相同的热力图，其中，噪声块重叠区域取各归一化异常分数的平均值；

控制提取热力图中高于预设阈值的像素点，生成预测的篡改定位图，并输出。