图像处理方法技术

本申请涉及一种图像处理方法

【技术实现步骤摘要】
图像处理方法、装置、电子设备及存储介质


[0001]本申请涉及互联网通信
，尤其涉及一种图像处理方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]随着互联网通信技术的发展，用到图像的场景也越来越多，比如一些需要用到真实图像的场景
。
然而，伪造图像出现了
。
伪造图像的出现，对需要用到真实图像的场景造成了负面影响
。
相关技术中，将图像真伪识别的任务作为一个二分类任务，即真图为一类，假图为一类
。
通过训练一个分类器来实现图像真伪识别
。
这样的图像真伪识别方案依赖于训练数据
、
识别准确性较差
。
因此，需要提供更具准确性的图像真伪识别方案
。

技术实现思路

[0003]为了解决上述提出的至少一个技术问题，本申请提供了一种图像处理方法
、
装置
、
电子设备及存储介质：
[0004]根据本申请的第一方面，提供了一种图像处理方法，所述方法包括：
[0005]获取待处理图像的低频信息，得到待处理信息；
[0006]以所述待处理信息
、
第一基准信息和第二基准信息为输入，利用目标图像处理模型输出针对所述待处理图像的真伪预测结果，所述第一基准信息指示基准真实图像的低频信息，所述第二基准信息指示基准伪造图像的低频信息，所述基准伪造图像和样本伪造图像是人工智能生成类型的伪造图像；
[0007]其中，所述目标图像处理模型基于样本集进行训练
、
并在训练过程中调整预设模型的参数而获得，所述样本集中每一样本组由所述样本伪造图像的低频信息
、
第一参考图像的低频信息
、
以及第二参考图像的低频信息构成，所述第一参考图像和所述第二参考图像是真实图像或者伪造图像，所述训练过程包括学习第一相关度和第二相关度间的差异，所述第一相关度表征所述样本伪造图像的低频信息和所述第一参考图像的低频信息间的相关度，所述第二相关度表征所述样本伪造图像的低频信息和所述第二参考图像的低频信息间的相关度
。
[0008]根据本申请的第二方面，提供了一种图像处理装置，所述装置包括：
[0009]获取模块：用于获取待处理图像的低频信息，得到待处理信息；
[0010]预测模块：用于以所述待处理信息
、
第一基准信息和第二基准信息为输入，利用目标图像处理模型输出针对所述待处理图像的真伪预测结果，所述第一基准信息指示基准真实图像的低频信息，所述第二基准信息指示基准伪造图像的低频信息，所述基准伪造图像和样本伪造图像是人工智能生成类型的伪造图像；
[0011]其中，所述目标图像处理模型基于样本集进行训练
、
并在训练过程中调整预设模型的参数而获得，所述样本集中每一样本组由所述样本伪造图像的低频信息
、
第一参考图像的低频信息
、
以及第二参考图像的低频信息构成，所述第一参考图像和所述第二参考图
像是真实图像或者伪造图像，所述训练过程包括学习第一相关度和第二相关度间的差异，所述第一相关度表征所述样本伪造图像的低频信息和所述第一参考图像的低频信息间的相关度，所述第二相关度表征所述样本伪造图像的低频信息和所述第二参考图像的低频信息间的相关度
。
[0012]根据本申请的第三方面，提供了一种电子设备，所述电子设备包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由所述至少一个处理器加载并执行以实现如第一方面所述的图像处理方法
。
[0013]根据本申请的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面所述的图像处理方法
。
[0014]根据本申请的第五方面，提供了一种计算机程序产品，所述计算机程序产品包括至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如第一方面所述的图像处理方法
。
[0015]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请
。
[0016]实施本申请，具有以下有益效果：
[0017]本申请提供了一种针对人工智能生成类型的伪造图像的识别方案，兼顾了识别这类伪造图像的准确性和适用性
。
在对待处理图像进行真伪预测时，利用目标图像处理模型基于待处理图像
、
基准真实图像
、
基准伪造图像各自的低频信息进行处理，以获得真伪预测结果
。
同时，训练获得目标图像处理模型时，关注于学习样本组中两个参考图像各自与样本伪造图像的相关度间的差异
。
以人工智能生成类型的伪造图像的低频信息中的特征为锚点，建立两个图像各自的低频信息间的相关度，以利用相关度的差异学习获得目标图像处理模型，这样保证了对于人工智能生成类型的伪造图像的识别准确度
。
相较于单纯的相关度学习，相关度的差异的学习更利于调参，训练效果更好
。
训练获得的目标图像处理模型具有高泛化能力，有利于识别人工智能生成类型的伪造图像的适应性和可靠性
。
[0018]根据下面参考附图对示例性实施例的详细说明，本申请的其它特征及方面将变得清楚
。
附图说明
[0019]为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图
。
[0020]图1示出根据本申请实施例的一种应用环境示意图；
[0021]图2示出根据本申请实施例的一种图像处理方法的流程示意图；
[0022]图3示出根据本申请实施例的训练获得目标图像处理模型的流程示意图；
[0023]图4示出根据本申请实施例的通过构建目标损失函数来对预设模型进行参数调整的流程示意图；
[0024]图5示出根据本申请实施例的获取样本伪造图像的流程示意图；
[0025]图6示出根据本申请实施例的原理示意图；
[0026]图7示出根据本申请实施例的装置框图；
[0027]图8示出根据本申请实施例的电子设备示意图
。
具体实施方式
[0028]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像处理方法，其特征在于，所述方法包括：获取待处理图像的低频信息，得到待处理信息；以所述待处理信息
、
第一基准信息和第二基准信息为输入，利用目标图像处理模型输出针对所述待处理图像的真伪预测结果，所述第一基准信息指示基准真实图像的低频信息，所述第二基准信息指示基准伪造图像的低频信息，所述基准伪造图像和样本伪造图像是人工智能生成类型的伪造图像；其中，所述目标图像处理模型基于样本集进行训练
、
并在训练过程中调整预设模型的参数而获得，所述样本集中每一样本组由所述样本伪造图像的低频信息
、
第一参考图像的低频信息
、
以及第二参考图像的低频信息构成，所述第一参考图像和所述第二参考图像是真实图像或者伪造图像，所述训练过程包括学习第一相关度和第二相关度间的差异，所述第一相关度表征所述样本伪造图像的低频信息和所述第一参考图像的低频信息间的相关度，所述第二相关度表征所述样本伪造图像的低频信息和所述第二参考图像的低频信息间的相关度
。2.
根据权利要求1所述的方法，其特征在于，所述目标图像处理模型通过下述步骤训练获得：以所述样本组为输入，利用所述预设模型基于所述样本伪造图像的低频信息和所述第一参考图像的低频信息得到所述第一相关度
、
以及基于所述样本伪造图像的低频信息和所述第二参考图像的低频信息得到所述第二相关度；利用所述预设模型基于所述第一相关度和所述第二相关度生成针对所述第一参考图像的第一真伪预测结果
、
以及针对所述第二参考图像的第二真伪预测结果；基于第一差异和第二差异，对所述预设模型进行参数调整，以得到所述目标图像处理模型，所述第一差异表征所述第一真伪预测结果与所述第一参考图像的真伪属性间的差异，所述第二差异表征所述第二真伪预测结果与所述第二参考图像的真伪属性间的差异
。3.
根据权利要求2所述的方法，其特征在于，所述方法还包括：构建目标损失函数，所述目标损失函数用于表征所述第一相关度和所述第二相关度间的差异；当所述第一参考图像和所述第二参考图像的真伪属性相同时，以最小化所述目标损失函数的取值为目的对所述预设模型进行参数调整，以及当所述第一参考图像和所述第二参考图像的真伪属性不同时，以最大化所述目标损失函数的取值为目的对所述预设模型进行参数调整
。4.
根据权利要求1‑3任意一项所述的方法，其特征在于，所述方法还包括：分别对所述样本伪造图像
、
所述第一参考图像
、
所述第二参考图像进行频域变换，得到所述样本伪造图像的低频信息
、
所述第一参考图像的低频信息和所述第二参考图像的低频信息，所述频域变换用于过滤掉预设高频下的图像信息或者保留预设低频下的图像信息
。5.
根据权利要求1‑3任意一项所述的方法，其特征在于，所述方法还包括：对所述样本伪造图像进行频域变换得到指示预设低频的第一复平面波，基于所述第一复平面波确定所述样本伪造图像中每一像素点对应的像素低频信息，以及基于所述样本伪造图像中每一像素点对应的像素低频信息得到所述样本伪造图像的低频信息；对所述第一参考图像进行频域变换得到指示所述预...

【专利技术属性】
技术研发人员：常勤伟，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：