買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京信息工程大學申請的專利一種利用雙向交互網絡定位圖像篡改區域的方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120431410B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510929447.5，技術領域涉及：G06V10/764；該發明授權一種利用雙向交互網絡定位圖像篡改區域的方法是由程全龍;王金偉;羅向陽設計研發完成，并于2025-07-07向國家知識產權局提交的專利申請。

本一種利用雙向交互網絡定位圖像篡改區域的方法在說明書摘要公布了：本發明屬于圖像定位技術，具體是一種利用雙向交互網絡定位圖像篡改區域的方法，使用主干網絡提取多尺度特征，將多尺度特征輸入下采樣特征補償模塊和整體注意力強化模塊；經下采樣特征補償模塊處理得到補償特征圖；整體注意力強化模塊對當前特征圖和底層預測圖進行注意力引導增強，再與當前層特征圖融合得到注意力特征圖；通過多級預測圖和層級融合模塊對融合特征逐層解碼，生成偽造區域的定位結果。本發明通過雙向交互的網絡模型設計，能有效利用多尺度特征信息和信息反饋機制，對篡改區域實現精準定位。

本發明授權一種利用雙向交互網絡定位圖像篡改區域的方法在權利要求書中公布了：1.一種利用雙向交互網絡定位圖像篡改區域的方法，其特征在于，對于輸入的原始圖像，執行以下步驟： 步驟1、使用主干網絡進行多尺度特征提取，獲得不同層次語義與細節信息的特征圖； 步驟2、首先，將所得各層的特征圖分別輸入對應的下采樣特征補償模塊和整體注意力強化模塊； 所述下采樣特征補償模塊對當前層特征圖進行重組拼接、組歸一化以及動態加權融合后，再與當前層特征圖結合得到補償特征圖；下采樣特征補償模塊的具體執行過程為： 首先，采用相位間隔采樣策略對輸入特征圖進行重組，生成四個互補的子特征圖，四個子特征圖的計算公式如下： ；； ；； 其中，代表在位置處的像素值，表示四個子特征圖； 接著，將子特征圖按通道拼接以及將子特征圖按通道方向拼接，并通過1×1卷積對拼接后的兩個特征圖降維處理；隨后，引入組歸一化操作并結合可學習的卷積核對降維后的兩個特征圖進行增強，得到兩組補償特征；之后，利用可學習的動態因子對兩組補償特征進行加權融合；最后，通過殘差連接將加權融合結果與原始的輸入特征圖相結合，生成對應的補償特征圖； 所述整體注意力強化模塊對當前層特征圖和底層預測圖進行注意力引導增強，再與當前層特征圖融合得到注意力特征圖；第一層的整體注意力強化模塊使用的預測圖的獲得方法為：將第一層的下采樣特征補償模塊所得補償特征圖輸入第二層，通過訓練所得；然后，從第二層開始，將當前層特征圖與前一層補償后的補償特征圖進行拼接，生成增強后特征； 各層的整體注意力強化模塊的具體處理方法為： 首先，對底層的預測圖進行高斯模糊處理，并對其結果進行歸一化生成注意力權重圖；然后將所得注意力權重圖與當前層特征圖進行逐元素乘法得到增強后特征；接著將增強后特征與原始特征相加，并通過層歸一化操作對融合結果進行規范化處理，從而獲得最終的輸出特征；計算公式如下： ；k=2,3,4； 上式中表示預測圖，S表示當前層特征圖，LN表示層歸一化,Cg表示使用高斯核并設偏置為零的卷積操作，f·是一個歸一化函數，用于將高斯模糊后的圖像映射到[0,1]范圍內； 其中，第四層的當前層特征圖與第三層的下采樣特征補償模塊的補償特征圖拼接，再經處理得到預測圖，將預測圖作為預測圖作為輸入到第三層的整體注意力強化模塊；第一層的整體注意力強化模塊處理的特征包括當前層特征圖以及預測圖； 步驟3、通過多級預測圖和層級融合模塊對特征逐層解碼，生成偽造區域的定位結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京信息工程大學，其通訊地址為：210044 江蘇省南京市浦口區寧六路219號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。