基于自深度匹配与Proposal SuperGlue的两阶段复制-移动伪造检测

复制-移动伪造检测通过检测同一图像中的粘贴区域与源区域来识别篡改图像。本文提出一种专用于复制-移动伪造检测的新颖两阶段框架。第一阶段为骨干自深度匹配网络，第二阶段称为Proposal SuperGlue。在第一阶段，引入空洞卷积与跳跃匹配以丰富空间信息并利用层次化特征。基于自相关构建空间注意力以强化寻找外观相似区域的能力。在第二阶段，提出Proposal SuperGlue以去除误报区域并补救不完整区域。具体而言，设计了一种基于候选框生成与骨干得分图来包围高度可疑区域的候选框选择策略。随后，通过基于深度学习的关键点提取与匹配（即SuperPoint与SuperGlue）在候选框间进行两两匹配。设计了集成得分图生成与细化方法，以整合两阶段结果并获得优化结果。我们的两阶段框架通过获取高度可疑候选框统一了端到端深度匹配与关键点匹配，为复制-移动伪造检测的深度学习研究开辟了新途径。公开数据集上的实验证明了我们两阶段框架的有效性。