一种剪枝压缩CNN移动设备端图像篡改检测方法

李小红，王晓霞

(1.天津天狮学院信息科学与工程学院，天津 301700；2.渤海大学信息科学与技术学院，辽宁 锦州 121013)

1 引言

所谓图像篡改，就是通过拼接、粘贴、变换等方式改变原始图像[1]。在云计算网络及其移动设备不断丰富的环境下，大量网络图像面临着被应用软件伪造的可能，产生未知图像篡改。这种经过篡改的图像会令其表达信息失真，严重的会导致安全威胁。例如利用篡改图像欺骗司法调查，灾害鉴定等。图像篡改检测就是根据图像的特征，通过各类算法完成篡改范围的检测确定。图像篡改技术多样发展，使一些伪造图像很难辨别，这也推动了图像篡改检测研究的不断进步。

在当前研究成果中，文献[2]根据拼接取证，基于QDCT域提取得到Markov特征。此方法主要针对拼接篡改进行分析，但是没有充分考虑复制粘贴和尺度变换等篡改情况的适用性。文献[3]基于Y通道DCT系数，创建对应的哈希表，通过哈希表对比确定伪造痕迹。该方法能够达到像素级性能，但是其针对的是剪切篡改场景，且哈希创建时需要依赖原始图像。文献[4]提出了CBAM-RPN卷积网络，用以改善篡改图像的特征提取。该方法能够根据主分支较好的捕获到伪造信息，同时根据次分支捕获到噪音信息。现有研究中，很大一部分是针对某种特定篡改场景进行检测，同时利用图像属性和哈希实现伪造识别。这类方法普遍存在适应性较差，图像格式较为单一，检测精度易受影响等缺点。

由于卷积神经网络(CNN)表现出良好的学习与参数整定优势，使得CNN在图像处理领域被高度重视。……