收稿日期:２０２２Ｇ１２Ｇ０７网络出版时间:２０２３Ｇ０９Ｇ０６基金项目:国家自然科学基金(６１７０２１９９,６２１７２１６５,６１８７２１５２);广东省基础与应用基础研究重大项目(２０１９B０３０３０２００８);广东省自然科学基金(２０２２A１５１５０１０３２５);广州市科技计划项目(２０２１０２０２０５８２,２０１９０２０１００８１)作者简介:钟浩(１９９５—),男,华南农业大学硕士研究生,EＧmail:zhneo＠outlook．com王春桃(１９７９—),男,教授,博士,EＧmail:wangct＠scau．edu．cn通信作者:边山(１９８６—),女,副教授,博士,EＧmail:bianshan＠scau．edu．cn网络出版地址:https:∥doi．org/１０．１９６６５/j．issn１００１Ｇ２４００．２０２３０２１３doi１０敭１９６６５j敭issn１００１Ｇ２４００敭２０２３０２１３结合自注意力与卷积的真实场景图像篡改定位钟浩１,２,边山１,２,３,王春桃１,２(１．华南农业大学数学与信息学院,广东广州５１０６４２;２．广州市智慧农业重点实验室,广东广州５１０６４２;３．广东省信息安全技术重点实验室,广东广州５１０００６)摘要:图像是移动互联网时代传播信息的重要载体,恶意图像篡改是潜在的网络安全威胁之一.与自然场景中在物体尺度上的图像篡改不同,真实场景中的图像篡改存在于伪造的资质证书、文案、屏幕截图等,这些篡改图像通常会经过精心的手工篡改干预,因此其篡改特征与自然场景篡改特征存在差异,更具有多样性,对其篡改区域的定位更具有挑战性.针对该场景复杂且多样的篡改特征,丰富的关系信息是重要的,文中通过卷积神经网络进行自适应特征提取,并利用逆向连接的全自注意力模块进行多阶段特征关注,最后融合多阶段注意力关注结果进行篡改区域定位.所提方法在真实场景图像篡改定位任务中取得了优于对比方法的性能,其中F１指标比主流方法MVSSＧNet高出约８．９８％,AUC指标高出约３．５８％.此外,所提方法在自然场景图像篡改定位任务中也达到了主流方法的性能,并提供了自然场景篡改特征与真实场景篡改特征存在差异的佐证.在两种场景中的实验结果表明,所提方法能够有效地定位出篡改图像的篡改区域,且在复杂的真实场景中的定位效果更显著.关键词:图像篡改定位;伪造检测;数字图像取证;计算机视觉;自注意力机制;卷积神经网络中图分类号:TP３９１．４１文献标识码:A文章编号:１００１Ｇ２４００(２０２４)０１Ｇ０１３５Ｇ１２RealworldimagetamperinglocalizationcombiningtheselfＧatte...
