首页|基于深度特征提取和图神经网络匹配的图像复制粘贴篡改检测

基于深度特征提取和图神经网络匹配的图像复制粘贴篡改检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对图像中特征提取不均匀、单尺度超像素划分对伪造定位结果影响较大的问题,提出一种基于深度特征提取和图神经网络(graph neural network,GNN)匹配的图像复制粘贴篡改检测(cope-move forgery detection,CMFD)算法.首先将图像进行多尺度超像素分割并提取深度特征,为保证特征点数目充足,以超像素为单位计算特征点分布的均匀度,自适应降低特征提取阈值;随后引入新的基于注意力机制的GNN特征匹配器,进行超像素间的迭代匹配,且用随机采样一致性(random sample consensus,RANSAC)算法消除误匹配;最后将多尺度匹配结果进行融合,精确定位篡改区域.实验表明,所提算法具有良好的性能,也证明了 GNN在图像篡改检测领域的可用性.
Image copy-move forgery detection based on depth feature extrac-tion and graph neural network matching

image copy-move forgery detection(CMFD)depth featureattention mechanismgraph neural network(GNN)superpixel

陈文霞、魏伟一、陶洪

展开 >

西北师范大学计算机科学与工程学院,甘肃兰州730070

图像复制粘贴篡改检测(CMFD) 深度特征 注意力机制 图神经网络(GNN) 超像素

甘肃省科技计划-自然科学基金西北师范大学重大科研项目培育计划

20JR5RA518NWNU-LKZD2021-06

2023

10.16136/j.joel.2023.06.0343

光电子·激光
天津理工大学 中国光学学会

光电子·激光

CSCD北大核心
影响因子：1.437
ISSN：1005-0086
年,卷(期)：2023.34(6)
  • 1