买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉杭州师范大学申请的专利一种拼接篡改图像的检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116091429B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211715677.4，技术领域涉及：G06T7/00；该发明授权一种拼接篡改图像的检测方法是由严彩萍;李树原;李红设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本一种拼接篡改图像的检测方法在说明书摘要公布了：本发明公开了一种拼接篡改图像的检测方法。本发明方法首先搜集并下载公共图像篡改数据集，包括CASIA数据集和COLUMBIA数据集，一部分作为训练集，其他作为测试集；然后使用训练集对混合transformer神经网络进行模型训练，包括：特征提取模块、自注意力U形块、交叉注意力模块、特征解码模块；最后使用训练好的网络模型对测试集图像进行测试，得到最终的检测效果。本发明方法将自注意力和交叉注意力整合到U2‑Net中，能够从不同尺度捕获更多的文本信息和空间相关性，提高预测结果的正确性。本发明可以利用卷积的归纳偏差避免大规模预训练，可以定位各种尺度的拼接篡改区域。

本发明授权一种拼接篡改图像的检测方法在权利要求书中公布了：1.一种拼接篡改图像的检测方法，其特征在于： 步骤1搜集并下载公共图像篡改数据集，包括CASIA数据集和COLUMBIA数据集；取其中的80～90﹪作为训练集，其他作为测试集； 步骤2使用训练集对混合transformer神经网络进行模型训练，包括：特征提取模块、自注意力U形模块、交叉注意力模块、特征解码模块； 所述的特征提取模块，使用U2-Net的编码器部分提取输入图像的特征图X； 所述的自注意力U形模块，使用self-attention建模输入图像的长程依赖性以及提取输入图像的全局信息； 所述的交叉注意力模块，使用交叉注意力过滤特征提取模块和特征解码模块之间的非语义特征； 所述的特征解码模块，将具有全局信息以及局部信息的的特征图解码，并在像素级预测篡改区域； 步骤3使用训练好的网络模型对测试集图像进行测试，得到最终的检测效果； 所述的自注意力U形模块具体是：将尺寸为9×9×512特征图作为输入进行两次卷积核大小为3×3、步长为1、填充为1的卷积，批归一化数据流层norm，激活函数Relu；再进行一次卷积核大小为3×3、步长为1、填充为2、空洞率为2的卷积，批归一化数据流层norm，激活函数Relu；再经过一次卷积核大小为3×3、步长为1、填充为4、空洞率为4的卷积，批归一化数据流层norm，激活函数Relu；再进行一次卷积核大小为3×3、步长为1、填充为8、空洞率为8的卷积，批归一化数据流层norm，激活函数Relu； 然后将特征图送入自注意力模块，在输入特征图X∈Rd×H×W上添加位置编码，H和分别W是特征图的高度和宽度，d是通道数，R表示实数域；然后将X展平并转置为大小为n×d的序列，参数n＝H×W；使用三个1×1卷积投影X进行查询、密钥和值嵌入： Q,K,V∈Rd×n，Q表示查询矩阵，K表示键矩阵，V表示值矩阵；自注意力的输出为一个缩放点积：A∈Rn×n为注意力矩阵，上标T表示转置； 再进行一次卷积核大小为3×3、步长为1、填充为4、空洞率为4的卷积，批归一化数据流层norm，激活函数Relu；再进行一次卷积核大小为3×3、步长为1、填充为2、空洞率为2的卷积，批归一化数据流层norm，激活函数Relu；再进行一次卷积核大小为3×3、步长为1、填充为1卷积，批归一化数据流层norm，激活函数Relu；再把经过第一次卷积的输出特征图和经过最后一次卷积的特征图相加，最终输出尺寸为9×9×512特征图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭区余杭塘路2318号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。