图片的篡改检测方法、装置、设备及存储介质与流程

本技术涉及信息处理技术，尤其涉及一种图片的篡改检测方法、装置、设备及存储介质。

背景技术：

1、运营商的电费支出在整个公司的成本支出中占比很高，为了更好的管理电费，采集不同场景、不同站点的电费信息，经常采用图片的方式记录电表数字信息。然而随着手机、平板电脑等数码设备的普及，以及各种图像处理软件的广泛应用，对原始图片进行修改、美化等变得非常容易，通过对电表图片上的数字进行ps处理进行偷电的行为时有发生。

2、为了解决上述问题，现有技术一般采用图像识别技术检测图片是否被篡改。具体的，首先，对整张图片进行图像识别，提取图像特征信息；然后，采用如图像拼接检测(imagesplicing detection)、图像复制-粘贴检测(copy-move detection)以及图像复制-粘贴检测(copy-move detection)等算法，提取篡改区域和真实区域之间的特征差异；最后，根据篡改区域和真实区域之间的特征差异以及图像特征信息，确定整张图片是否被篡改。

3、然而，现有技术提供的检测方法，需要对整张图片进行检测，检测效率较低，并且对于有水印的情况，由于水印也是通过软件后添加上去的，容易出现误检测的问题。

技术实现思路

1、本技术实施例提供一种图片的篡改检测方法、装置、设备及存储介质，以解决对整张图像进行篡改检测效率低以及容易出现误检测的问题。

2、第一方面，本技术实施例提供了一种图片的篡改检测方法，包括：

3、采用目标检测算法从待检测图片中提取篡改区域，其中，所述篡改区域由多个子篡改区域组成，每个所述子篡改区域对应一个篡改对象；

4、通过预先设置的边界特征提取模块获取所述篡改区域的边界特征；

5、将所述篡改区域的边界特征依次通过预先设置的swin transformer骨干网络和预先设置的决策模块，获取所述篡改区域中每个像素的篡改概率；

6、根据所述篡改区域中每个像素的篡改概率，获取每个所述子篡改区域的第一篡改概率；

7、根据每个所述子篡改区域的第一篡改概率获取所述待检测图片的篡改检测结果。

8、可选的，所述边界特征提取模块包括：resnet block、边缘提取算子sobel层和边缘剩余块erb模块，所述通过预先设置的边界特征提取模块获取所述篡改区域的边界特征包括：

9、将所述篡改区域依次通过第一resnet block、第一sobel层以及第一erb模块，获得第一结果；

10、将所述第一结果依次通过第二resnet block、第二sobel层，以及第二erb模块，获得第二结果；

11、将第一结果和所述第二结果进行叠加处理，获得第三结果；

12、将所述第三结果通过第三erb模块获取所述篡改区域的边界特征。

13、可选的，所述sobel层包括：卷积层、批正则化层、l2正则化层以及sigmoid函数层。

14、可选的，所述erb模块包括：卷积层、批正则化层以及relu函数层。

15、可选的，所述决策模块由三个相似的反卷积模块组成。

16、可选的，所述图片的篡改检测方法，还包括：

17、采用预先设置的隐写分析富模型srm滤波器提取每个所述子篡改区域的噪声特征；

18、将每个所述子篡改区域的噪声特征输入到预先训练的svm分类器中，获取每个所述子篡改区域的第二篡改概率；

19、则所述根据每个所述子篡改区域的第一篡改概率获取所述待检测图片的篡改检测结果为：

20、根据每个所述子篡改区域的所述第一篡改概率和所述第二篡改概率，获取所述待检测图片的篡改检测结果。

21、第二方面，本技术实施例还提供一种图片的篡改检测装置，包括：

22、第一模块，用于采用目标检测算法从待检测图片中提取篡改区域，其中，所述篡改区域由多个子篡改区域组成，每个所述子篡改区域对应一个篡改对象；

23、第二模块，用于通过预先设置的边界特征提取模块获取所述篡改区域的边界特征；

24、第三模块，用于将所述篡改区域的边界特征依次通过预先设置的swintransformer骨干网络和预先设置的决策模块，获取所述篡改区域中每个像素的篡改概率；

25、第四模块，用于根据所述篡改区域中每个像素的篡改概率，获取每个所述子篡改区域的第一篡改概率；

26、第五模块，用于根据每个所述子篡改区域的第一篡改概率获取所述待检测图片的篡改检测结果。

27、可选的，所述第二模块，具体用于将所述篡改区域依次通过第一resnet block、第一sobel层以及第一erb模块，获得第一结果，将所述第一结果依次通过第二resnet block、第二sobel层，以及第二erb模块，获得第二结果，将第一结果和所述第二结果进行叠加处理，获得第三结果，将所述第三结果通过第三erb模块获取所述篡改区域的边界特征。

28、可选的，所述图片的篡改检测装置，还包括：

29、第六模块，用于采用预先设置的隐写分析富模型srm滤波器提取每个所述子篡改区域的噪声特征，将每个所述子篡改区域的噪声特征输入到预先训练的svm分类器中，获取每个所述子篡改区域的第二篡改概率；

30、所述第五模块，还用于根据每个所述子篡改区域的所述第一篡改概率和所述第二篡改概率，获取所述待检测图片的篡改检测结果。

31、第三方面，本技术实施例还提供一种图片的篡改检测装置，包括：处理器和收发器；

32、所述收发器用于，获取待检测图片；

33、所述处理器用于，采用目标检测算法从待检测图片中提取篡改区域，其中，所述篡改区域由多个子篡改区域组成，每个所述子篡改区域对应一个篡改对象，通过预先设置的边界特征提取模块获取所述篡改区域的边界特征，将所述篡改区域的边界特征依次通过预先设置的swin transformer骨干网络和预先设置的决策模块，获取所述篡改区域中每个像素的篡改概率，根据所述篡改区域中每个像素的篡改概率，获取每个所述子篡改区域的第一篡改概率，根据每个所述子篡改区域的第一篡改概率获取所述待检测图片的篡改检测结果。

34、可选的，所述处理器还用于，将所述篡改区域依次通过第一resnet block、第一sobel层以及第一erb模块，获得第一结果，将所述第一结果依次通过第二resnet block、第二sobel层，以及第二erb模块，获得第二结果，将第一结果和所述第二结果进行叠加处理，获得第三结果，将所述第三结果通过第三erb模块获取所述篡改区域的边界特征。

35、可选的，所述处理器还用于，采用预先设置的隐写分析富模型srm滤波器提取每个所述子篡改区域的噪声特征，将每个所述子篡改区域的噪声特征输入到预先训练的svm分类器中，获取每个所述子篡改区域的第二篡改概率，根据每个所述子篡改区域的所述第一篡改概率和所述第二篡改概率，获取所述待检测图片的篡改检测结果。

36、第四方面，本技术实施例还提供一种终端设备，包括：收发机、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序；所述处理器，用于读取存储器中的程序实现如上所述的图片的篡改检测方法中的步骤。

37、第五方面，本技术实施例还提供一种可读存储介质，用于存储程序，其特征在于，所述程序被处理器执行时实现如上所述的图片的篡改检测方法中的步骤。

38、在本技术实施例中，可以从待检测图片中提取篡改区域，使得本技术实施例提供的技术方案可以仅对篡改区域进行检测，无需检测整个待检测图片，针对性更强，使得检测结果更准确，并且，由于篡改区域为待检测图片的一部分，减小了检测过程的运算量，进而提高了检测速度，解决了现有技术需要对整个图片进行检测，检测速度慢的问题；并且，本技术实施例提供的技术方案通过边界特征提取模块获取篡改区域的边界特征后，依次通过swin transformer骨干网络和决策模块，获取篡改区域中每个像素的篡改概率，并根据每个像素的篡改概率，获取每个子篡改区域的篡改概率，从而获取整个待检测图片的篡改检测结果，避免了现有技术由于待检测图片中存在水印而造成的误检测问题，本技术实施例提供的技术方案是针对每个像素点进行检测的，其结果更准确。