公开(公告)号：CN116912183B

公开(公告)日：2024-02-20

申请号：CN202310792164.1

申请日：2023-06-30

Applicant: 哈尔滨工业大学

Inventor： 孙珑 ,  朱国普 ,  张宇 ,  张宏莉

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种基于边缘引导和对比损失的深度修复图像的篡改定位方法及系统，涉及图像修复技术领域。本发明的技术要点包括：获取包含多张深度修复篡改图像的图像集；对深度修复篡改图像进行预处理；将预处理后的训练图像集输入到基于神经网络的篡改定位模型中进行训练；将待定位篡改图像输入到训练好的篡改定位模型中确定待定位篡改图像中篡改区域。在篡改定位模型训练过程中，对图像集中篡改区域之间内在相似性进行学习，使得神经网络能更好理解篡改区域和未篡改区域的联系与区别；提取了篡改区域边缘信息，增强神经网络对边缘特征的注意力，以更好帮助神经网络理解篡改区域和未篡改区域的差异。本发明可有效应用于图像篡改检测定位任务。

公开(公告)号：CN116912183A

公开(公告)日：2023-10-20

申请号：CN202310792164.1

申请日：2023-06-30

Applicant: 哈尔滨工业大学

Inventor： 孙珑 ,  朱国普 ,  张宇 ,  张宏莉

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种基于边缘引导和对比损失的深度修复图像的篡改定位方法及系统，涉及图像修复技术领域。本发明的技术要点包括：获取包含多张深度修复篡改图像的图像集；对深度修复篡改图像进行预处理；将预处理后的训练图像集输入到基于神经网络的篡改定位模型中进行训练；将待定位篡改图像输入到训练好的篡改定位模型中确定待定位篡改图像中篡改区域。在篡改定位模型训练过程中，对图像集中篡改区域之间内在相似性进行学习，使得神经网络能更好理解篡改区域和未篡改区域的联系与区别；提取了篡改区域边缘信息，增强神经网络对边缘特征的注意力，以更好帮助神经网络理解篡改区域和未篡改区域的差异。本发明可有效应用于图像篡改检测定位任务。

公开(公告)号：CN116912184B

公开(公告)日：2024-02-23

申请号：CN202310800166.0

申请日：2023-06-30

Applicant: 哈尔滨工业大学

Inventor： 朱国普 ,  孙珑 ,  刘春雨

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明公开了一种基于篡改区域分离和区域约束损失的弱监督深度修复图像篡改定位方法及系统，涉及修复图像检测定位技术领域。本发明的技术要点包括：获取预训练集图像数据和训练集图像数据；对图像数据进行预处理；将预处理后的预训练集图像数据输入基于神经网络的预训练检测模型中进行预训练，获取训练好的预训练模型参数；将预训练模型参数作为网络参数初始值，并将预处理后的训练集图像数据输入基于神经网络的弱监督篡改定位模型中进行训练，获取训练好的弱监督篡改定位模型。本发明无需预先准确的篡改标签，只需利用少量的带有图像级标签信息的训练样本即可进行学习，降低了训练难度，提高了定位效率。

公开(公告)号：CN116912184A

公开(公告)日：2023-10-20

申请号：CN202310800166.0

申请日：2023-06-30

Applicant: 哈尔滨工业大学

Inventor： 朱国普 ,  孙珑 ,  刘春雨

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明公开了一种基于篡改区域分离和区域约束损失的弱监督深度修复图像篡改定位方法及系统，涉及修复图像检测定位技术领域。本发明的技术要点包括：获取预训练集图像数据和训练集图像数据；对图像数据进行预处理；将预处理后的预训练集图像数据输入基于神经网络的预训练检测模型中进行预训练，获取训练好的预训练模型参数；将预训练模型参数作为网络参数初始值，并将预处理后的训练集图像数据输入基于神经网络的弱监督篡改定位模型中进行训练，获取训练好的弱监督篡改定位模型。本发明无需预先准确的篡改标签，只需利用少量的带有图像级标签信息的训练样本即可进行学习，降低了训练难度，提高了定位效率。