典型文献
检测小篡改区域的U型网络
文献摘要：
目的 图像篡改区域检测是图像取证领域的一个挑战性任务,其目的是找出图像的篡改区域.传统方法仅针对某种特定的篡改方式进行设计,难以检测其他篡改方式的图像.基于卷积神经网络的方法能够自适应地提取特征,同时检测包含多种篡改方式的图像.但是其中多数方法都选择增强图像的噪声特征,这种机制无法较好处理篡改区域与原图像来源相同、噪声相似的情况.多数方法还忽略了篡改区域过小而产生的样本不平衡问题,导致检测效果不佳.方法 提出了一个基于区域损失的用于检测小篡改区域的U型网络,该网络构建了一个异常区域特征增强机制,放大与图像背景差异较大的异常区域的特征.此外,还利用区域损失增强对篡改区域框内像素的判别能力,可以解决因篡改区域过小而产生的样本不平衡问题.结果 消融实验说明了异常区域特征增强机制和区域损失机制的有效性;对JPEG压缩和高斯模糊的对抗性测试证明了模型的鲁棒性;在CASIA2.0(CASI-A image tampering detection evaluation database)、NIST2016(NIST nimble 2016 datasets)、COLUMBIA(Columbia uncom-pressed image splicing detection evaluation dataset)和COVERAGE(a novel database forcopy-move forgery detection)数据集上与最新方法进行比较时,本文方法取得了最优性能,其F1 score分别为0.9795、0.9822、0.9953和0.9870.结论 本文的异常区域特征增强机制和区域损失机制能有效提高模型性能,同时缓解篡改区域过小导致的样本不平衡问题,大量实验也表明了本文提出的小篡改区域检测方法的优越性.
文献关键词：
图像取证;小篡改区域检测;特征增强;区域损失;卷积神经网络(CNNs);U型网络(U-Net)
中图分类号：
作者姓名：
刘丽颖;王金鑫;曹少丽;赵丽;张笑钦
作者机构：
温州大学, 温州 325035
文献出处：
引用格式：
[1]刘丽颖;王金鑫;曹少丽;赵丽;张笑钦-.检测小篡改区域的U型网络)[J].中国图象图形学报,2022(01):176-187
A类：
tampering,NIST2016,nimble,COLUMBIA,uncom,COVERAGE,forcopy,小篡改区域检测
B类：
图像篡改,图像取证,挑战性任务,出图,提取特征,同时检测,增强图像,噪声特征,好处,原图,图像来源,样本不平衡,不平衡问题,检测效果,区域损失,网络构建,异常区域,区域特征,特征增强,增强机制,框内,内像素,消融实验,损失机制,JPEG,高斯模糊,对抗性,CASIA2,image,detection,evaluation,database,datasets,Columbia,pressed,splicing,novel,move,forgery,最优性能,score,模型性能,CNNs,Net
AB值：
0.29705
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
