基于接缝裁剪的图像篡改检测

作     者：陈书书 

作者单位：长沙理工大学 

学位级别：硕士

导师姓名：章登勇

授予年度：2022年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：图像篡改检测 接缝裁剪算法 卷积神经网络 快速傅里叶卷积 注意力机制 

摘      要：近年来,随着信息技术的迅猛发展,各种数字图像处理技术已经广泛应用于人们的日常生活,尤其是数字图像,作为信息传输的主要载体之一,已经与我们的生活密不可分。接缝裁剪技术是一种基于内容感知的图像缩放技术,己成功应用于Adobe Photoshop CS4数字图像处理软件来调整图像的大小,而被这种篡改技术缩放过的图像在视觉上并不明显,这将使图像内容的真实性难以判断,于是许多不法分子滥用此技术篡改图像以满足一己私欲,比如故意从图像中移除对象来歪曲图像的真实内容并任意传播篡改图像。如果这些图像的真伪未经证实,极有可能误导公众,尤其是官方媒体的新闻报道或者司法机关在不知情的情况下采用此类图像,将失去公信力和公证力,甚至引起社会的恐慌。所以基于接缝裁剪的图像篡改检测技术对数字图像处理的真实性显现具有重要的意义,也是一个非常有吸引力的研究课题。因此,基于接缝裁剪图像篡改的特性以及其检测的重要意义,本文提出了两种基于接缝裁剪的图像篡改检测方法:(1)被接缝裁剪技术篡改过的图像都会留下一些局部痕迹,根据挤压激励网络(Squeeze-and-Excitation Networks,SENet)注意力机制可以增加对特征图通道信息的捕捉特性,提出了一种基于SENet的卷积神经网络检测方法来判断图像是否经历过接缝裁剪。为了获得学习低级特征的能力,设计了一种由五种类型的网络模块组成的卷积神经网络架构来捕捉图像的细微信号,引入SENet注意力机制来增加对通道信息的捕捉,进一步采用集成模块增强性能并全面分析给定局部区域中的特征,以对原始图像和接缝裁剪图像进行二分类。实验结果表明,本算法取得了不错的检测精度。(2)通过对大量现有检测方法的了解,可以知道目前的检测方法通常只关注篡改图像的局部信息,针对这个问题,我们提出了一种双分支的卷积神经网络接缝裁剪图像篡改检测方法。一个分支是用于提取图像局部特征的全卷积网络模块,并引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)来增加对图像局部信息的捕捉;另一个分支使用快速傅里叶卷积模型完成对图像全局特征的学习和提取;最后将两个分支提取的特征融合后输入到用于二分类的模块进行分类。实验结果表明,本算法取得了不错的检测精度。