基于深度特征提取和图神经网络匹配的图像复制粘贴篡改检测
Image copy-move forgery detection based on depth feature extraction and graph neural network matching作者机构:西北师范大学计算机科学与工程学院甘肃兰州730070
出 版 物:《光电子.激光》 (Journal of Optoelectronics·Laser)
年 卷 期:2023年第34卷第6期
页 面:610-619页
学科分类:08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程]
基 金:甘肃省科技计划-自然科学基金项目(20JR5RA518) 西北师范大学重大科研项目培育计划(NWNU-LKZD2021-06)资助项目。
主 题:图像复制粘贴篡改检测(CMFD) 深度特征 注意力机制 图神经网络(GNN) 超像素
摘 要:针对图像中特征提取不均匀、单尺度超像素划分对伪造定位结果影响较大的问题,提出一种基于深度特征提取和图神经网络(graph neural network,GNN)匹配的图像复制粘贴篡改检测(cope-move forgery detection,CMFD)算法。首先将图像进行多尺度超像素分割并提取深度特征,为保证特征点数目充足,以超像素为单位计算特征点分布的均匀度,自适应降低特征提取阈值;随后引入新的基于注意力机制的GNN特征匹配器,进行超像素间的迭代匹配,且用随机采样一致性(random sample consensus,RANSAC)算法消除误匹配;最后将多尺度匹配结果进行融合,精确定位篡改区域。实验表明,所提算法具有良好的性能,也证明了GNN在图像篡改检测领域的可用性。