一种图像真伪鉴别方法及其在证照识别中的应用,属于数字图像处理领域。随着数字图像编辑软件的开发与应用,不法分子可以对身份证、营业执照、经营许可证等图像进行违规编辑,并造成一种以假乱真的效果。因此,图像取证的需求变得日益迫切起来,现有的模型大多只能检测出图像是否经过篡改,而不能很好地分割出篡改区域。本文提出了一种基于卷积神经网络的图像篡改检测方法,通过融合篡改图像的多种特征,可以有效地分割图像中的篡改区域。我们在多个数据集上做了实验,实验结果进一步表明了我们工作的有效性。

随着数字图像编辑软件的开发与应用，不法分子可以对身份证、营业执照、经营许可证等图像进行违规编辑，并造成一种以假乱真的效果。因此，图像取证的需求变得日益迫切起来，现有的模型大多只能检测出图像是否经过篡改，而不能很好地分割出篡改区域。本文提出了一种基于卷积神经网络的图像篡改检测方法，通过融合篡改图像的多种特征，可以有效地分割图像中的篡改区域。我们在多个数据集上做了实验，实验结果进一步表明了我们工作的有效性。

随着科学技术的发展，数字图像在我们的生活中得到了广泛的应用，甚至在法庭上，图像和视频等也是很重要的证据来源。然而，数字图像在方便了用户的同时，也给了一些不法分子以可乘之机。在未经授权的情况下，不法分子对图像内容进行非法操作，如违规编辑、合成虚假图像等，从而造成篡改图像在人们社会生活中泛滥成灾。数字图像最常见的篡改方式主要有以下三种：图像拼接、图像复制粘贴、局部图像去除。如图1所示，图像拼接是指图像中添加了来源于其他图像的物体，如图1中水面上的飞鸟；图像复制粘贴则是把图像中的某个物体复制粘贴一次或多次并添加到原图像中，如图1帐篷上的花纹；局部图像去除则是移除图像本身的部分内容，如图1中被移除的白色鸭子。不法分子为了掩盖图像的篡改痕迹，还会对篡改后的图像进行高斯平滑或中值滤波等操作，使篡改区域更好的融入到整幅图像中，让人眼辨真假。数字图像的篡改是一种违法行为，不法分子甚至会利用篡改图像来影响国家政治，于是图像取证领域应运而生了。本发明提出了一种新的卷积神经网络框架ISFD(Image splicing forgerydetection)，可以有效地检测出经过图像拼接或复制粘贴篡改后的图像。网络使用了Mobilenetv2[Sandler M,Howard A,Zhu M,***[C]//Proceedings of the IEEE conference on computer visionand pattern recognition.2018:4510-4520.]来提取图像的RGB特征，再融合通过SRM(Steganalysis Rich Model)滤波器提取出来的图像的噪声特征，最后输出模型预测的篡改区域掩膜。因为篡改区域边界中存在着特有的纹理和噪声，所以我们采用滑动窗口的方式从篡改图像中获得128*128大小的图像块作为网络的输入。如果网络的输入为整张图像，图像就会被拉伸和变形到统一大小，导致篡改区域的边界特征被一定程度的破坏。特征融合把深层特征经过双线性插值后和浅层特征等进行多次融合，并且融合了图像的Noise特征。实验证明，融合了噪声特征后，模型分割的准确率得到了有效提升，在CASIA v1.0数据集中的F1_score提升了4个百分点。

江南大学是教育部直属、国家“211工程”重点建设高校和“双一流”建设高校。学校具有悠久的办学历史、厚重的文化积淀，源起1902年创建的三江师范学堂，历经国立中央大学、南京大学等发展时期；1958年南京工学院食品工业系整建制东迁无锡独立建校，成立无锡轻工业学院；1962年无锡纺织工学院并入无锡轻工业学院；1995年更名为无锡轻工大学；2001年无锡轻工大学、江南学院、无锡教育学院合并组建江南大学；2003年东华大学无锡校区并入江南大学。

(1)提出了能分割出图像篡改区域的CNN框架ISFD

(2)在模型中融合了图像的RGB特征和Noise特征，有效提升了分割的准确率

(3)在三个图像篡改检测的数据集中验证了我们工作的有效性。

科技成果只有通过实施开发应用，使其转化为生产力，才能取得经济效益和社会效益。成果方目标是将科技成果转化为现实生产力，期待有意愿的企业或合作单位进行合作推广或者进行产品生产。考虑合作转化、许可+合作等转化方式与企业、科学技术研究开发机构和其他组织建立合作关系。