[发明专利]一种融合噪声感知的深度伪造图像检测方法及系统在审

专利信息
申请号: 202210486246.9 申请日: 2022-05-06
公开(公告)号: CN114677372A 公开(公告)日: 2022-06-28
发明(设计)人: 丁昕苗;刘延武;郭文;李国军;庞帅 申请(专利权)人: 山东工商学院
主分类号: G06T7/00 分类号: G06T7/00;G06T5/10;G06K9/62;G06N3/04;G06N3/08;G06V10/80;G06V10/82
代理公司: 济南圣达知识产权代理有限公司 37221 代理人: 董雪
地址: 264026 山东*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 融合 噪声 感知 深度 伪造 图像 检测 方法 系统
【权利要求书】:

1.一种融合噪声感知的深度伪造图像检测方法,其特征在于,包括:

获取待检测图像;

根据所获取的待检测图像和双重注意力计算,提取RGB流的特征,得到图像多尺度增强特征;

对所获取的待检测图像进行噪声域特征的提取,根据所得到的图像多尺度增强特征和所提取到的噪声域特征,得到图像噪声流特征;

将所得到的图像的噪声流特征和所提取到的RGB流的特征进行双流特征融合,得到图像双流融合增强特征;

根据所得到的图像双流融合增强特征和局部一致性计算,完成图像的伪造检测。

2.如权利要求1中所述的一种融合噪声感知的深度伪造图像检测方法,其特征在于,在提取RGB流的特征的过程中,采用渐进式空间注意力模块,通过双重注意力计算自适应地学习图像空间域特征的增强权重和抑制权重,将原特征图分别与所述增强权重和抑制权重进行加权融合得到增强特征图和抑制特征图;所述增强特征图用于双流特征融合,所述抑制特征图在卷积后被再次输入到下一个阶段的双重注意力计算,用于挖掘注意力以外的图像区域的潜在特征。

3.如权利要求1中所述的一种融合噪声感知的深度伪造图像检测方法,其特征在于,通过自适应卷积核得到高频噪声信息,所得到的高频噪声信息与相位谱共同作为噪声流的输入实现噪声域特征的提取,与RGB流所得到的空间域的多尺度增强特征进行互补融合得到图像双流融合增强特征。

4.如权利要求1中所述的一种融合噪声感知的深度伪造图像检测方法,其特征在于,取的待检测图像进行预处理得到灰度图,基于离散傅里叶变换将所得到的灰度图转换到频域灰度图,将所得到的频域灰度图的相位作为输入图像的相位谱信息,结合离散傅里叶逆变换得到所述相位谱重构图。

5.如权利要求1中所述的一种融合噪声感知的深度伪造图像检测方法,其特征在于,对所获取的待检测图像进行预处理得到灰度图,采用自适应SRM滤波器,引入约束卷积层,将所得到的灰度图作为约束卷积层的输入,得到图像的SRM噪声信息图。

6.如权利要求1中所述的一种融合噪声感知的深度伪造图像检测方法,其特征在于,对所述双流融合增强特征进行互补融合,得到多尺度增强特征,将所述多尺度增强特征输入到卷积块中得到含高层语义信息的全局特征,同时将所述多尺度增强特征均分成多个局部分块、通过计算各个局部分块之间的相似度得到局部一致性信息,将所得到的全局特征和局部一致性信息联合,完成伪造检测。

7.如权利要求6中所述的一种融合噪声感知的深度伪造图像检测方法,其特征在于,采用双线性插值算法将多尺度增强特征图变为同一尺度,沿着通道维度拼接成特征图,得到局部一致性信息。

8.一种融合噪声感知的深度伪造图像检测系统,其特征在于,包括:

获取模块,其被配置为获取待检测图像;

渐进式空间注意力模块,其被配置为根据所获取的待检测图像和双重注意力计算,提取RGB流的特征,得到图像多尺度增强特征;

噪声感知模块,其被配置为对所获取的待检测图像进行噪声域特征的提取,根据所得到的图像多尺度增强特征和所提取到的噪声域特征,得到图像噪声流特征;将所得到的图像的噪声流特征和所提取到的RGB流的特征进行双流特征融合,得到图像双流融合增强特征;

检测模块,其被配置为根据所得到的图像双流融合增强特征和局部一致性计算,完成图像的伪造检测。

9.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的融合噪声感知的深度伪造图像检测方法中的步骤。

10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一项所述的融合噪声感知的深度伪造图像检测方法中的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东工商学院,未经山东工商学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210486246.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top