典型文献
深度图像修复的动态特征融合取证网络
文献摘要：
基于深度学习的图像修复方案在篡改后图像中遗留很少的痕迹信息给取证带来了极大的困难.目前针对深度图像修复的取证工作研究较少,并且存在篡改区域定位不准确的问题.为此,本文提出了一种动态特征融合取证网络(dynamic feature fusion forensics network,DF3 Net)用于定位经过深度图像修复操作的篡改区域.首先,该网络采用不同的篡改痕迹增强方式包括SRM滤波、空间域高通滤波和频率域高通滤波将单输入图像扩展到多输入,并提出动态特征融合模块对多种输入提取有效的修复痕迹特征后进行动态的特征融合;其次,网络采用编码器-解码器架构作为基础框架,并在编码器末端增加多尺度特征提取模块以获取不同尺度的上下文信息;最后,本文还设计了空间加权的通道注意力模块用于编、解码器之间的跳跃连接,以期实现有侧重地补充损失的边界细节.实验结果表明,面对不同的深度修复方案以及不同的图像数据库,DF3 Net相较于现有的图像修复取证方法均可以更准确地定位篡改区域,并且对于JPEG压缩和高斯噪声具有较强的鲁棒性.
文献关键词：
图像修复取证;深度神经网络;深度修复;输入扩展;动态特征融合;痕迹特征;多尺度;注意力机制
中图分类号：
作者姓名：
任洪昊;朱新山;卢俊彦
作者机构：
天津大学 电气自动化与信息工程学院,天津300072;数字出版技术国家重点实验室,北京100871
文献出处：
引用格式：
[1]任洪昊;朱新山;卢俊彦-.深度图像修复的动态特征融合取证网络)[J].哈尔滨工业大学学报,2022(11):47-58
A类：
forensics,图像修复取证,输入扩展
B类：
深度图像修复,动态特征融合,合取,修复方案,后图,遗留,痕迹信息,工作研究,篡改区域定位,dynamic,feature,fusion,network,DF3,Net,篡改痕迹,SRM,空间域,高通滤波,频率域,多输入,出动,特征融合模块,痕迹特征,编码器,解码器,基础框架,在编,多尺度特征提取模块,不同尺度,上下文信息,通道注意力模块,跳跃连接,重地,深度修复,图像数据库,JPEG,高斯噪声,深度神经网络,注意力机制
AB值：
0.299466
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。
