ＤＯＩ：１０．１６１３６／ｊ．ｊｏｅｌ．２０２３．０４．０３４０基于改进的ＭａｓｋＲ－ＣＮＮ图像篡改取证方法吴云，张玉金＊，江潇潇，许灵龙（上海工程技术大学电子电气工程学院，上海２０１６２０）摘要：随着现代科学技术的进步，图像编辑工具的发展极大地降低了篡改所需成本。图像篡改手段有多种，现有的方法往往存在通用性差的问题。同时，这些方法只关注篡改定位而忽略对篡改手段的分类。本文提出一种基于改进的ＭａｓｋＲ－ＣＮＮ两阶段网络模型用于图像篡改取证。在特征提取部分，结合空域富模型（ｓｐａｔｉａｌｒｉｃｈｍｏｄｅｌ，ＳＲＭ）和受约束卷积对输入图像进行预处理，再输入到ＲｅｓＮｅｔ１０１前４层中，以建立能够有效体现各种篡改痕迹的统一特征表示。一阶段网络通过注意力区域提议网络（ａｔｔｅｎｔｉｏｎｒｅｇｉｏｎｐｒｏｐｏｓａｌｎｅｔｗｏｒｋ，Ａ－ＲＰＮ）检测篡改区域，预测模块实现篡改操作分类和粗略篡改区域定位。继而，一阶段网络得到的定位信息引导二阶段网络学习局部特征以定位出最终的篡改区域。本文所提出的模型能检测３种不同类型的图像篡改操作，包括复制－粘贴、拼接和移除。实验结果表明，本文所提出的方法在ＮＩＳＴ１６、ＣＯＶＥＲＡＧＥ、Ｃｏｌｕｍ－ｂｉａ和ＣＡＳＩＡ数据集的Ｆ１值分别达到了０．９２４、０．７６１、０．７９１和０．４７３，优于传统方法和一些主流深度学习方法。关键词：数字图像取证；篡改检测；深度学习；两阶段网络；注意力机制中图分类号：ＴＰ３９１文献标识码：Ａ文章编号：１００５－００８６（２０２３）０４－０４１３－０９ＡｆｏｒｅｎｓｉｃｍｅｔｈｏｄｏｆｉｍａｇｅｔａｍｐｅｒｉｎｇｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＭａｓｋＲ－ＣＮＮＷＵＹｕｎ，ＺＨＡＮＧＹｕｊｉｎ＊，ＪＩＡＮＧＸｉａｏｘｉａｏ，ＸＵＬｉｎｇｌｏｎｇ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙｏｆＥｎｇｉｎｅｅｒｉｎｇＳｃｉｅｎｃｅ，Ｓｈａｎｇｈａｉ２０１６２０，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｗｉｔｈｔｈｅｐｒｏｇｒｅｓｓｏｆｍｏｄｅｒｎｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙ，ｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｉｍａｇｅｅｄｉｔｉｎｇｔｏｏｌｓｈａｓｇｒｅａｔｌｙｒｅｄｕｃｅｄｔｈｅｃｏｓｔｏｆｔａｍｐｅｒｉｎｇ．Ｔｈｅｒｅａｒｅｍａｎｙｍｅｔ...
