融入残差注意力机制的DeepLabV3+图像拼接篡改取证网络

扫码查看

原文链接

万方数据
维普

中文摘要：针对现有图像拼接检测网络模型存在边缘信息关注度不够、像素级精准定位效果不够好等问题,提出一种融入残差注意力机制的DeepLabV3+图像拼接篡改取证方法,该方法利用编-解码结构实现像素级图像的拼接篡改定位.在编码阶段,将高效注意力模块融入ResNet101的残差模块中,通过残差模块的堆叠以减小不重要的特征比重,凸显拼接篡改痕迹;其次,利用带有空洞卷积的空间金字塔池化模块进行多尺度特征提取,将得到的特征图进行拼接后通过空间和通道注意力机制进行语义信息建模.在解码阶段,通过融合多尺度的浅层和深层图像特征提升图像的拼接伪造区域的定位精度.实验结果表明,在CASIA 1.0、COLUMBIA和CARVALHO数据集上的拼接篡改定位精度分别达到了 0.761、0.742和0.745,所提方法的图像拼接伪造区域定位性能优于一些现有的方法,同时该方法对JPEG压缩也具有更好的鲁棒性.

外文标题：DeepLabV3+image splicing tampering forensic network fused re-sidual attention mechanism

外文关键词：

digital image forensicsimage splicing detectionimproved DeepLabV3+networkefficient channel attention module(ECA)depthwise separable convolution

作者：

吴云、张玉金、江潇潇、许灵龙

展开 >

作者单位：

上海工程技术大学电子电气工程学院,上海 201620

关键词：

数字图像取证图像拼接检测改进的DeepLabV3+网络高效通道注意力模块(ECA) 深度可分离卷积

基金：

国家自然科学基金上海市自然科学基金

项目编号：

6190223717ZR1411900

出版年：

2023

DOI：

10.16136/j.joel.2023.09.0409

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(9)

参考文献量2