论文部分内容阅读
随着数字技术的快速发展,越来越多的图像处理和编辑软件被广泛用于图像润饰,使得数字图像篡改、人脸图像润饰在广告杂志宣传、社会媒体传播、网络照片分享上成为一种常见现象,甚至还被用于证件照片。近几年安防类人脸识别软件的广泛应用,使得人脸润饰图像取证研究变得尤为重要。本文研究了基于深度卷积神经网络的润饰图像检测方法,包括面部图像整体润饰检测和局部润饰检测。主要工作如下:提出了一种基于深度卷积神经网络的面部图像润饰检测方法。考虑到取证领域中润饰图像与原始图像的类间差别远小于计算机视觉领域图像分类问题的类间差别,我们研究了不同类型、不同尺寸的卷积核对润饰图像检测算法的检测性能影响,构建了一种具有八个卷积层的深度卷积神经网络模型来实现润饰图像检测。该模型包括人脸提取预处理、特征提取和分类。考虑到面部图像整体润饰检测的目标区域为图像中的人脸,因此在提出的方法中引入了基于方向梯度直方图特征的人脸提取算法,从测试图像中提取出人脸部分作为网络模型的唯一输入。特征提取部分通过反向传播算法自动更新各个卷积层的权值和偏差,分类部分输出模型损失值和分类结果。实验结果表明,与几种基于经典网络结构的图像分类算法、人脸润饰检测算法、以及人脸化妆检测算法相比,该方法具有较好的性能。数字技术的快速发展使图像编辑软件的润饰功能不再局限于整体润饰,还包括了人脸局部润饰,例如眼睛放大、瞳孔变色、唇色改变等操作。针对该类问题,提出了一种具有十四个卷积层的多尺度非线性卷积神经网络模型,该模型包括图像预处理、特征提取和分类三部分。在特征提取部分,我们提出了一种多尺度卷积层,使网络模型能够学习到不同润饰操作的细节特征;并添加了四个非线性多层感知卷积层代替传统的线性卷积层,使网络模型能够有效地学习到关于图像润饰操作的特征表示,实现更好的数据抽象;结合双曲正切激活函数与修正线性单元激活函数提出了一种新的激活函数,既能保证网络在训练过程中梯度不衰减又能维持神经元间的信息不丢失,同时进一步增加了网络结构的非线性性。实验结果表明,与其它几种用于图像分类的网络结构相比,该方法的检测性能令人满意,并且具有很好的鲁棒性。