本技术涉及图像检测,具体而言,涉及一种图像篡改检测方法、装置、设备及存储介质。
背景技术:
1、图像编辑技术的快速发展使得篡改图像的现象变得更加普遍。各种图像篡改操作被用于修改图像内容,比如拼接、复制、移动和移除。此外,还有强大的后处理方法来隐藏篡改痕迹,大量肉眼难以识别的伪造图像在互联网上传播,极大地影响了我们的生活。
2、图像篡改检测技术可以通过噪声水平、重采样伪影、边缘不一致性等图像特征检测出图像中的篡改痕迹。
3、但是,目前的图像特征依赖于手工制作,但是手工制作的特征只对特定的条件有效,泛化能力弱,因此基于手工制作的特征进行图像篡改检测时,存在鲁棒性差、检测效率低的问题。
技术实现思路
1、本技术的目的在于,针对上述现有技术中的不足,提供一种图像篡改检测方法、装置、设备及存储介质,以解决现有技术中图像篡改检测技术的鲁棒性差、检测效率低的问题。
2、为实现上述目的,本技术采用的技术方案如下:
3、第一方面,本技术提供了一种图像篡改检测方法,所述方法包括:
4、将样本篡改图像输入初始图像篡改检测模型的生成器,由所述生成器提取所述样本篡改图像的篡改特征,并根据篡改特征得到预测样本掩码;
5、将所述样本篡改图像、所述预测样本掩码以及所述样本篡改图像对应的标注样本掩码输入所述初始图像篡改检测模型的判别器,由所述判别器基于所述样本篡改图像和所述预测样本掩码确定所述样本篡改图像的预测前景和预测背景,并基于所述样本篡改图像和所述标注样本掩码确定所述样本篡改图像的标注前景和标注背景,根据所述标注前景、所述标注背景、所述预测前景和所述预测背景,得到所述初始图像篡改检测模型的判别器的损失值;
6、基于所述初始图像篡改检测模型的判别器的损失值和二分类交叉熵损失值确定所述初始图像篡改检测模型的生成器的损失值;
7、基于所述初始图像篡改检测模型的判别器的损失值和所述初始图像篡改检测模型的生成器的损失值,对初始图像篡改检测模型进行迭代优化,得到图像篡改检测模型;
8、基于所述图像篡改检测模型对待检测图像进行篡改检测。
9、可选的,所述生成器包括:初始骨干网络、初始空洞空间池化金字塔层、初始输出层以及初始激活层;
10、所述将样本篡改图像输入初始图像篡改检测模型的生成器,由所述生成器提取所述样本篡改图像的篡改特征,并根据篡改特征得到预测样本掩码,包括:
11、将所述样本篡改图像输入所述初始骨干网络进行篡改特征提取,得到所述样本篡改图像的样本篡改图像特征;
12、将所述样本篡改图像特征输入所述初始空洞空间池化金字塔层,得到所述样本篡改图像特征的多个尺度的样本篡改图像特征;
13、将所述多个尺度的样本篡改图像特征输入所述初始输出层和初始激活层,得到所述样本篡改图像的预测样本掩码。
14、可选的,所述初始空洞空间池化金字塔层包括多个卷积块,各卷积块的扩张率不同;
15、所述将所述样本篡改图像特征输入所述初始空洞空间池化金字塔层,得到所述样本篡改图像特征的多个尺度的样本篡改图像特征,包括:
16、将所述样本篡改图像特征分别输入所述初始空洞空间池化金字塔层的各卷积块中分别进行卷积处理,得到各卷积块输出的一个尺度的样本篡改图像特征,其中,各卷积层输出的样本篡改图像特征的尺度不同。
17、可选的,所述将所述多个尺度的样本篡改图像特征输入所述初始输出层和初始激活层,得到所述样本篡改图像的预测样本掩码,包括:
18、将所述多个尺度的样本篡改图像特征按照通道连接,得到多尺度样本篡改图像特征序列;
19、将所述多尺度样本篡改图像特征序列输入所述初始输出层进行卷积处理,并在所述初始输出层卷积处理后输入所述初始激活层进行拟合处理,得到所述预测样本掩码。
20、可选的,所述根据所述标注前景、所述标注背景、所述预测前景和所述预测背景,得到所述初始图像篡改检测模型的判别器的损失值,包括:
21、将所述样本篡改图像、所述预测样本掩码以及所述标注样本掩码输入所述判别器,由所述判别器根据所述预测前景和标注前景,确定前景损失值;
22、根据所述预测背景和标注背景,确定背景损失值;
23、根据所述前景损失值以及所述背景损失值,得到所述初始图像篡改检测模型的判别器的损失值。
24、可选的,所述将样本篡改图像输入初始图像篡改检测模型的初始骨干网络之前,还包括:
25、从预训练数据集中选取第一样本图片和第二样本图片,所述第一样本图片和第二样本图片为所述预训练数据集中的任意两张不同的图片;
26、根据所述第二样本图片和所述第二样本图片的掩码生成前景;
27、将所述前景粘贴到所述第一样本图片中,得到所述样本篡改图像。
28、可选的,所述基于所述图像篡改检测模型对待图像进行篡改检测,包括:
29、将所述待检测图像输入所述图像篡改检测模型,由所述图像篡改检测模型的生成器提取所述样本篡改图像的篡改特征,并根据篡改特征得到预测掩码,所述预测掩码用于表征所述待检测图像中的被篡改信息。
30、第二方面,本技术提供了一种图像篡改检测装置,所述装置包括:
31、生成训练模块,用于将样本篡改图像输入初始图像篡改检测模型的生成器,由所述生成器提取所述样本篡改图像的篡改特征,并根据篡改特征得到预测样本掩码;
32、判别训练模块,用于将所述样本篡改图像、所述预测样本掩码以及所述样本篡改图像对应的标注样本掩码输入所述初始图像篡改检测模型的判别器,由所述判别器基于所述样本篡改图像和所述预测样本掩码确定所述样本篡改图像的预测前景和预测背景,并基于所述样本篡改图像和所述标注样本掩码确定所述样本篡改图像的标注前景和标注背景,根据所述标注前景、所述标注背景、所述预测前景和所述预测背景,得到所述初始图像篡改检测模型的判别器的损失值;
33、损失确定模块,用于基于所述初始图像篡改检测模型的判别器的损失值和二分类交叉熵损失值确定所述初始图像篡改检测模型的生成器的损失值;
34、优化模块,用于基于所述初始图像篡改检测模型的判别器的损失值和所述初始图像篡改检测模型的生成器的损失值,对初始图像篡改检测模型进行迭代优化,得到图像篡改检测模型;
35、检测模块,用于基于所述图像篡改检测模型对待检测图像进行篡改检测。
36、可选的,所述生成器包括:初始骨干网络、初始空洞空间池化金字塔层、初始输出层以及初始激活层;
37、所述生成训练模块具体用于:
38、将所述样本篡改图像输入所述初始骨干网络进行篡改特征提取,得到所述样本篡改图像的样本篡改图像特征;
39、将所述样本篡改图像特征输入所述初始空洞空间池化金字塔层,得到所述样本篡改图像特征的多个尺度的样本篡改图像特征;
40、将所述多个尺度的样本篡改图像特征输入所述初始输出层和初始激活层,得到所述样本篡改图像的预测样本掩码。
41、可选的,所述初始空洞空间池化金字塔层包括多个卷积块,各卷积块的扩张率不同;
42、所述生成训练模块还具体用于:
43、将所述样本篡改图像特征分别输入所述初始空洞空间池化金字塔层的各卷积块中分别进行卷积处理,得到各卷积块输出的一个尺度的样本篡改图像特征,其中,各卷积层输出的样本篡改图像特征的尺度不同。
44、可选的,所述生成训练模块还具体用于:
45、将所述多个尺度的样本篡改图像特征按照通道连接,得到多尺度样本篡改图像特征序列;
46、将所述多尺度样本篡改图像特征序列输入所述初始输出层进行卷积处理,并在所述初始输出层卷积处理后输入所述初始激活层进行拟合处理,得到所述预测样本掩码。
47、可选的,所述判别训练模块还具体用于:
48、将所述样本篡改图像、所述预测样本掩码以及所述标注样本掩码输入所述判别器,由所述判别器根据所述预测前景和标注前景,确定前景损失值;
49、根据所述预测背景和标注背景,确定背景损失值;
50、根据所述前景损失值以及所述背景损失值,得到所述初始图像篡改检测模型判别器的损失值。
51、可选的,所述检测模块具体用于:
52、将所述待检测图像输入所述图像篡改检测模型,由所述图像篡改检测模型的生成器提取所述样本篡改图像的篡改特征,并根据篡改特征得到预测掩码,所述预测掩码用于表征所述待检测图像中的被篡改信息。
53、第三方面,本技术提供了一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如上述图像篡改检测方法的步骤。
54、第四方面,本技术提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述图像篡改检测方法的步骤。
55、本技术的有益效果是:生成器从样本篡改图像中提取篡改特征并得到预测样本掩码,并由判别器不断的基于样本篡改图像、预测样本掩码和标注样本掩码计算判别器损失值,以不断地提升生成器生成的预测样本掩码的真实性,从而使得最终的图像篡改检测模型能够更加精确的检测出待检测图像中被篡改的部分。相比于现有技术中将手工制作的特征作为附加先验的检测方法,本技术中的图像篡改检测模型可以自动的学习到更接近于真实篡改情况的篡改特征,因此对于不同的应用场景具有较好的泛化性,提升了图像篡改检测的鲁棒性和检测效率。