基于多尺度特征先验的图像拼接篡改检测

针对现有图像拼接篡改算法存在识别准确度不高的问题,提出了一种基于多尺度特征先验的图像拼接篡改检测框架。首先,训练一个环状残差网络对数据集的深度特征进行学习,将训练得到的模型作为后续网络学习的先验知识。然后,开发一个由多个外部注意力块和环状残差块组合的分支网络,该分支网络有效地利用环状残差网络训练模型中的多尺度特征先验知识,进一步学习到精确的拼接篡改图像区域信息。为了进一步解决数据不均衡问题,结合二值交叉熵损失和Dice损失来设计模型训练目标函数,最终较为精确地检测出篡改区域图。大量实验对比数据表明,所提方法可以有效检测出不同场景下的拼接篡改图像,与对比方法相比有更高的检测准确率。为了进一步检验模型的鲁棒性,对压缩和噪声图像进行了实验测试,结果表明所提方法在鲁棒性方面也能取得较好的结果。