一种改进的双流Faster R-CNN图像篡改识别模型

针对目前大多数图像篡改算法只能针对一类图像篡改进行检测，以及双流Faster R-CNN算法提取的RGB流和噪声流特征对多种图像篡改检测精度不高的问题，提出一种通用的基于改进的双流Faster R-CNN图像篡改识别算法。提取图像的YCrCb颜色空间，代替之前的RGB颜色空间，以更好找出篡改的痕迹；对提取噪声特征的三个隐写分析丰富模型(SRM)滤波器进行旋转变换，以更好区别真实区域和篡改区域的噪声不一致，从而提高对篡改图像的识别精度；通过双线性池化，输入网络训练和分类，完成对图像篡改的检测与篡改区域定位。为验证算法的性能，在CASIA和NISIT16两个数据集上进行了实验。结果表明，与双流Faster R-CNN算法相比，提出的图像篡改识别算法在拼接检测、复制移动检测和移除检测上平均精度(AP)分别提升0.9百分点、1.5百分点和2.6百分点。