论文研究-基于稀疏自编码特征聚类算法的图像窜改检测.pdf下载

同图复制窜改是图像窜改较为常见的一类，基于块匹配检测方法往往存在准确率低、时间复杂度高等问题，为提高准确率并大幅度降低时间复杂度，应用深度学习特征和聚类算法进行检测。首先用稀疏自编码器训练大量样本集找出同图复制图像的内部规律并得到降维的隐藏层权值矩阵，通过权值矩阵获得检测图像的隐藏层特征，即定义的稀疏自编码特征；用K-means算法一次聚类自编码特征去除图像平滑区域，二次聚类纹理特征获得检测结果，若检测结果中含有少量异常块，通过欧氏距离判断和RANSAC（random sample consensus）算法将异常块去除，从而实现窜改区域的检测。实验结果表明，该算法与其他算法相比综合准确率提升14.3%，时间效率提升72%。将深度学习特征与聚类算法结合使用，使得同图复制窜改在时间效率和准确率上皆有所提升。