计算机应用研究

作者：兰萍,李燕,

单位：甘肃政法大学网络空间安全学院,兰州730070；

关键词：多窜改检测,边界定位,注意力机制,空洞卷积,多损失函数,

基金：甘肃省自然科学基金资助项目(20JR10RA334,21JR7RA570)；2021年陇原青年创新创业人才项目(2021LQGR20)；甘肃政法大学校级创新项目(GZF2020XZD18,jbzxyb2018-01)；；

现有的图像窜改检测方法大多只针对某一种窜改方式，且存在窜改区域边界检测精度不高的问题，对此，提出了一种基于U型网络的双流编码器—解码器架构的图像窜改检测方法。首先利用编码器与解码器之间跳跃连接的方式来融合窜改图像中的低级和高级特征，并使用空洞卷积和CBAM注意力机制对编码器输出的特征进行融合，使得网络对不同尺度大小的窜改区域都有较好的定位性能；其次为了提高网络对窜改区域的边界检测精度，使用图像形态学方法制作了窜改边界数据集；最后使用多损失函数来同时优化网络的性能，即采用交叉熵和均方根损失函数来分别度量预测图的窜改区域损失和窜改边界损失。在CASIA、Columbia、NIST16、Coverage四个公开数据集上的实验结果表明，所提方法可以有效地检测出拼接和复制—粘贴两种窜改方式所伪造图像的窜改区域，输出像素级别的窜改区域定位图，且与其他主流窜改检测方法相比，所提方法在CASIA和Columbia数据集上的AUC值达到最高，在Columbia数据集上的F1值达到最高。

来源：2022年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2022年第12期