科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有基于深度学习的数字图像篡改检测网络通常存在检测精度不高、算法可迁移性弱等问题，提出一种双通道渐进式特征过滤篡改检测网络。所提网络利用两个通道并行提取图像的双域特征，其中一个通道用于提取图像空域的浅层和深层特征，另一个通道用于提取图像噪声域的特征分布；同时，使用渐进式细微特征筛选机制过滤冗余特征，逐步定位篡改区域；为了更准确地提取篡改掩码，提出一个双输入细微特征提取模块，结合空间域和噪声域的细微特征生成更准确的篡改掩码；在解码过程中，通过融合不同尺度的过滤特征和网络的上下文信息，提高网络对篡改区域的定位能力。实验结果表明，在检测和定位方面，与现有较先进的篡改检测网络ObjectFormer、MVSS-Net(Multi-View multi-Scale Supervision Network)和PSCC-Net(Progressive Spatio-Channel Correlation Network)相比，所提网络的F1分数平均提高2.5个百分点；面对高斯低通滤波、高斯噪声，JPEG压缩攻击时，相较于ManTra-Net(Manipulation Tracing Network)、SPAN(Spatial Pyramid Attention Network)，曲线下面积(AUC)平均提高11个百分点。验证了所提网络可以有效解决篡改检测算法存在的检测精度不高、迁移性差等问题。
-
单位贵州电网有限责任公司; 贵州大学
