本發明涉及數字圖像處理，具體地涉及一種用于多源圖像偽造區域分割的方法、裝置及存儲介質。

背景技術：

1、隨著數字技術的迅猛發展，圖像編輯與生成工具日益普及，極大地豐富了人們的視覺表達。然而，這也為惡意篡改、偽造圖像提供了便利，圖像真實性面臨嚴峻挑戰。在新聞報道中，虛假圖片可能誤導公眾認知，影響社會輿論走向；在司法領域，偽造的圖像證據可能干擾司法公正，破壞法律秩序；在商業廣告里，不實的產品圖像可能誤導消費者，損害市場誠信。

2、傳統的圖像偽造定位（ifl）方法大多采用二元分割的方式，將原始區域標記為0，篡改區域標記為1。然而，這種方法僅能區分真假，無法進一步解析圖像中的多個來源區域，限制了其在復雜情況下的應用。

技術實現思路

1、本發明提供一種用于多源圖像偽造區域分割的方法、裝置及存儲介質，用以解決現有技術無法精確識別和分割圖像中不同來源區域的問題。

2、為了實現上述目的，本發明實施例提供一種用于多源圖像偽造區域分割的方法，所述方法包括以下步驟：獲取待檢測圖像以及對應的按照網格排列的一個或多個點提示，并輸入到訓練好的圖像識別模型中，所述一個或多個點提示中的每個點提示用于指示所述待檢測圖像的來源區域；利用所述圖像識別模型的編碼器，對所述待檢測圖像進行運算，得到所述待檢測圖像的特征表示；對于所述每個點提示，利用所述圖像識別模型的掩碼解碼器，對所述待檢測圖像的特征表示進行分割預測，得到所述每個點提示對應的預測區域及預測結果；利用預設的聚類算法，整合所述預測結果，形成多源分區圖。

3、可選的，在獲取待檢測圖像以及對應的按照網格排列的一個或多個點提示之前，所述方法還包括：利用區域對比學習，對所述圖像識別模型的預訓練。

4、可選的，所述利用區域對比學習，對所述圖像識別模型的預訓練，包括：通過所述圖像識別模型的圖像編碼器，將輸入圖像轉化為圖像嵌入；利用infonce損失函數，計算所述圖像嵌入之間的相似性和差異性，并將通過infonce損失函數計算的結果應用于所述輸入圖像的所有源區域，得到區域間的對比損失，根據所述區域間的對比損失，調整所述圖像編碼器的參數，完成對所述圖像識別模型的預訓練。

5、可選的，所述區域間的對比損失表示為：

6、

7、其中，(·)表示損失值，表示所述輸入圖像中源區域的數量，表示第個源區域對應的特征集合，表示第一個源區域中的元素數量，表示從第個源區域移除當前查詢向量后的剩余特征集合作為正樣本，表示除了第個源區域外的所有其他特征作為負樣本。

8、可選的，在所述利用區域對比學習，對所述圖像識別模型的預訓練之后，所述方法還包括對所述圖像識別模型進行訓練，包括：固定經過所述預訓練后的圖像編碼器，并使所述圖像識別模型的提示編碼器保持原始狀態；通過連接組件分析，將所述輸入圖像的二元標簽數據集轉換為點掩碼；根據所述點掩碼，配置損失函數，所述損失函數包括面積自適應源分割損失函數和置信度損失函數；根據所述損失函數，優化所述掩碼解碼器的參數。

9、可選的，所述特征表示包括圖像嵌入和提示嵌入，所述利用所述圖像識別模型的編碼器，對所述待檢測圖像進行運算，得到所述待檢測圖像的特征表示包括：通過訓練好的圖像編碼器，對所述待檢測圖像進行編碼，得到圖像嵌入；通過訓練好的提示編碼器，對所述點提示進行編碼，得到提示嵌入。

10、可選的，所述對于所述每個點提示，利用所述圖像識別模型的掩碼解碼器，對所述待檢測圖像的特征表示進行分割預測，得到所述每個點提示對應的預測區域及預測結果，包括：利用所述掩碼解碼器，對所述圖像嵌入和所述提示嵌入進行分割預測，以為所述每個點提示生成對應的分割掩碼以及置信度評分；根據所述分割掩碼，確定對應的預測區域，并根據所確定的預測區域，計算該區域對應的平均圖像嵌入，作為代表特征；根據所述置信度評分及所述代表特征，得到所述預測結果。

11、可選的，所述利用預設的聚類算法，整合所述預測結果，形成多源分區圖，包括：在聚類過程中，從每個聚類中篩選出置信度評分最高的分割掩碼，作為該聚類的最終代表特征，并通過整合，形成所述多源分區圖。

12、另一方面，本發明還提供了一種控制裝置，所述控制裝置包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序，以實現任意一項上述方法。

13、另一方面，本發明還提供了一種機器可讀存儲介質，該機器可讀存儲介質上存儲有指令，該指令使得機器執行任意一項上述方法。

14、本發明所提供的一種用于多源圖像偽造區域分割的方法、裝置及存儲介質，通過對圖像識別模型進行預訓練，提升了模型對于細微差異的理解和捕捉能力，增強了對圖像識別的準確性。通過點提示機制，實現對圖像中不同來源區域的精細化分割，可以完整地呈現圖像的篡改信息或者多源構成情況。本發明通過上述方法，建立一種有效對多源圖像偽造區域進行分割的方法，憑借高效的推理流程，提高了效率，則增強了精準度，全方位解決圖像偽造定位難題，在多領域有重要應用價值。

技術特征：

1.一種用于多源圖像偽造區域分割的方法，其特征在于，所述方法包括以下步驟：

2.根據權利要求1所述的方法，其特征在于，在獲取待檢測圖像以及對應的按照網格排列的一個或多個點提示之前，所述方法還包括：利用區域對比學習，對所述圖像識別模型的預訓練。

3.根據權利要求2所述的方法，其特征在于，所述利用區域對比學習，對所述圖像識別模型的預訓練，包括：

4.根據權利要求3所述的方法，其特征在于，所述區域間的對比損失表示為：

5.根據權利要求3所述的方法，其特征在于，在所述利用區域對比學習，對所述圖像識別模型的預訓練之后，所述方法還包括對所述圖像識別模型進行訓練，包括：

6.根據權利要求1所述的方法，其特征在于，所述特征表示包括圖像嵌入和提示嵌入，所述利用所述圖像識別模型的編碼器，對所述待檢測圖像進行運算，得到所述待檢測圖像的特征表示包括：

7.根據權利要求6所述的方法，其特征在于，所述對于所述每個點提示，利用所述圖像識別模型的掩碼解碼器，對所述待檢測圖像的特征表示進行分割預測，得到所述每個點提示對應的預測區域及預測結果，包括：

8.根據權利要求7所述的方法，其特征在于，所述利用預設的聚類算法，整合所述預測結果，形成多源分區圖，包括：

9.一種控制裝置，其特征在于，所述控制裝置包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序，以實現根據權利要求1-8中任意一項所述的方法。

10.一種機器可讀存儲介質，其特征在于，該機器可讀存儲介質上存儲有指令，該指令使得機器執行根據權利要求1-8中任意一項所述的方法。

技術總結
本發明提供一種用于多源圖像偽造區域分割的方法、裝置及存儲介質，屬于數字圖像處理技術領域。該方法包括：獲取待檢測圖像以及對應的按照網格排列的一個或多個點提示，并輸入到訓練好的圖像識別模型中，一個或多個點提示中的每個點提示用于指示待檢測圖像的來源區域；利用圖像識別模型的編碼器，對待檢測圖像進行運算，得到待檢測圖像的特征表示；對于每個點提示，利用圖像識別模型的掩碼解碼器，對待檢測圖像的特征表示進行分割預測，得到每個點提示對應的預測區域及預測結果；利用預設的聚類算法，整合預測結果，形成多源分區圖。本發明實現了精確識別和分割圖像中不同來源區域，全方位解決圖像偽造定位難題，在多領域有重要應用價值。

技術研發人員：魏晨浩
受保護的技術使用者：小哆智能科技（北京）有限公司
技術研發日：
技術公布日：2025/3/10