基于检测与分割的图像拼接篡改盲取证方法

简介：
本研究提出了一种新颖的图像拼接篡改盲取证技术，结合了先进的检测和分割算法，有效提升数字图像完整性验证能力。 为了应对现有图像拼接篡改盲取证算法中存在的问题，如篡改区域检测偏差大、分割精度低以及框架单一等问题，我们提出了一种基于检测-分割的新型图像拼接篡改盲取证方法。该方法利用了Mask R-CNN网络结构，并在此基础上增加了一个自下而上的路径来优化特征金字塔（FPN）架构，从而实现多级特征的有效融合。同时采用了新的非极大值抑制算法Soft-NMS，在不提高计算复杂度的情况下提升了区域提取网络（RPN）的性能输出。此外，我们还定义了一套适合检测与分割任务整合需求的损失函数。 实验结果显示，该方法在标准测试集中的AP值分别达到了0.794和0.769，F1_measure值分别为0.693和0.745，MCC值为0.649和0.685。这表明我们的算法在检测与分割性能方面均表现出色，并实现了最优效果。