计算机工程

作者：吴旭, 刘翔, 赵静文

单位：上海工程技术大学 电子电气工程学院, 上海 201620

关键词：图像篡改检测,轻量级网络架构,多尺度融合,边界差异信息,被动取证

基金：上海市自然科学基金面上项目（19ZR1421500）；上海市文化局科技创新项目（2015KJCXXM19）。

现有ManTra-Net、DWT-CNN等基于深度学习的数字图像篡改检测算法存在计算复杂度高、检测准确度低等问题。为提取图像篡改与非篡改区域的差异性特征，提出一种基于MobileNetV3-LSTM混合模型的图像篡改检测算法。采用双分支网络架构，主分支网络为带有空洞卷积的轻量级CNN特征提取网络，副分支网络学习篡改图像边界上的差异性，在融合多尺度特征后进行端到端训练，最终输出预测定位图。在COVERAGE、CASIA2和COLUMBIA标准数据集上的实验结果表明，与Xavier-CNN、ELA等算法相比，该算法检测准确度平均提高9.2个百分点，参数量缩减82.3%，推理速度加快2倍，并且具有一定的泛化能力，适用于复制-粘贴、拼接等图像篡改操作的篡改区域检测定位任务。

来源：2022年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第2期