改进的DeepLabv3+同图复制篡改检测算法

为解决现有的篡改检测算法难以提取图像篡改边缘特征、篡改区域定位精度较低问题，提出一种改进的DeepLabv3+同图复制篡改检测算法。该算法在DeepLabv3+网络中引入双重注意力机制模块，用于捕捉上下文信息，以提高模型对篡改区域的适应性；采用残差细化模块对预测掩膜进一步优化，以增强模型对篡改边界的敏感性；使用一种新的混合损失函数用于模型训练，以利于模型在像素级和图像级中学习篡改图像与对应真实掩膜之间的映射关系。实验结果表明，改进的DeepLabv3+同图复制篡改检测算法，在COPYMOVE＿NIST和COPYMOVE＿COCO数据集上的3个评价指标均高于FCN、U-Net及DeepLabv3+算法，检测精度分别达到0.929和0.895，能够有效地提取图像篡改边缘特征，解决边缘像素漏检和误检问题。