专利交易市场

本发明公开了一种基于类特征修复融合的图像取证对抗性攻击防御方法，包括：将含有对抗扰动的原始图像输入至基于卷积神经网络构建的分类模型中，并对提取特征图进行类特征可视化，基于可视化结果获取重构区域后，对重构区域进行特征修复，获得修复图像；原始图像去噪处理后得到去噪图像，融合修复图像和去噪图像，得到融合图像，依据融合图像的像素分布特征，选择图像质量高的若干个分类区域输入至分类模型中，将分类模型输出的最高分类概率作为防御后的类标。该方法能够提高深度学习模型鲁棒性并准确还原取证信息。

本发明公开了一种基于多尺度特征智能感知的社交网络的图像篡改定位方法，实现了基于对所有的图像篡改定位数据集的高效篡改定位；方法的具体步骤如下：对篡改图像预处理，提取边缘Groundtrhth图像，利用由sobel算子引导提取边缘特征然后采用多尺度边缘导向的注意力机制，在边缘伪影不一致的基础上挖掘篡改的粗略定位信息；构建多尺度上下文感知融合模块，利用此模块在不同的由边缘监督的尺度上进行局部和全局的搜寻，突出篡改和非篡改之间的差异；进行篡改信息的融合，输出的特征图通过样本不平衡损失来实现篡改区域的定位。本发明基于已知数据集可对其他数据集进行高效的篡改定位，能够有效地在不同篡改数据集上获得改善，并且获得极高的精度。

本发明涉及计算机视觉技术领域，特别是涉及基于双流网络的图像篡改检测方法及系统，其中方法，包括：获取待检测的原篡改图像；对原篡改图像进行高频增强处理，得到高频增强图像；将原篡改图像和高频增强图像，均输入到训练后的图像篡改检测网络中，输出图像篡改检测结果；采用双流特征提取网络分别对原篡改图像和高频增强图像进行特征提取，得到若干个分辨率的特征图；将相同分辨率的两个特征图进行融合，得到不同分辨率的融合特征图；将不同分辨率的融合特征图，输入到篡改区域生成网络中，对不同分辨率的融合特征图进行特征交互处理，对交互处理后的特征图进行篡改区域检测，生成检测到的篡改区域。本发明可以实现图像篡改区域的精准定位。