融入混合注意力的低缩放因子SeamCarving篡改检测算法

针对现有的Seam Carving篡改检测算法对于低缩放因子情况存在检测精度不高、鲁棒性不强的问题,提出一种融入混合注意力机制的Seam Carving篡改检测算法。首先,利用BayarConv2D约束卷积对图像进行预处理,充分学习图像的噪声特征,并通过矩阵乘法与RGB图像进行特征融合;然后,采用ResNet作为骨干网络进行特征学习,引入残差传播和残差反馈机制,凸显Seam Carving的操作痕迹;最后,利用混合注意力机制同时提取相邻位置和通道之间的特征,更好地捕捉全局特征,进而将其输入全连接层进行分类。实验结果表明,在BOSSbase1.01数据集上,当缩放因子为1%和9%时,检测精度分别达到了89.48%和97.94%,优于现有主流方法,同时具有较低的计算复杂度和较好的鲁棒性,能够抵抗JPEG压缩攻击。