计算机应用

作者：刘澳龄, 单武扬, 邱骏颖, 田茂, 李军

单位：1.成都理工大学 计算机与网络安全学院（示范性软件学院），成都 610059；2.四川师范大学 服装与设计艺术学院，成都 610066；3.重庆邮电大学 计算机科学与技术学院，重庆 400065

关键词：图像取证,图像恢复,空间通道注意力,下采样

基金：国家自然科学基金资助项目(42001417)

下采样操作会使图像丢失高频取证痕迹和细节信息，增加图像取证的难度，而现有的基于深度学习的图像取证网络不能有效检测经过下采样操作篡改的图像，导致提高下采样图像取证方法的鲁棒性成为图像取证的瓶颈。为解决这个问题，提出一个下采样图像取证网络HirrNet（Hierarchical RRU-Net）。HirrNet主要包括图像恢复模块和篡改检测模块：图像恢复模块使用分层条件流（HCF）的思想，通过恢复篡改图像取证痕迹和细节信息减少高频信息的丢失，从而提高篡改检测性能；篡改检测模块则使用端到端图像分割网络RRU-Net（Ringed Residual U-Net）进行篡改检测。此外，通过结合空间和通道压缩与激励（SCSE）机制，可有效增强下采样图像中与篡改相关的特征的提取。实验结果表明，HirrNet在DSO、Columbia、CASIA和NIST16数据集上的受试者特征工作曲线下面积（AUC）、F1分数和交并比（IoU）优于对比网络。其中，在CASIA数据集上，对于尺寸缩小至原图1/2和1/4的篡改图像，HirrNet的AUC指标相较于对比方法平均提升25和30个百分点。可见，HirrNet可以有效解决现有的下采样图像取证方法鲁棒性差的问题。

来源：2025年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第5期