Display-Recaptured Document Image Detection Under Texture Interference

doi:10.1109/ojsp.2026.3729152

Display-Recaptured Document Image Detection Under Texture Interference

2026-08-31

0

OA

AI

陈昌盛 (Changsheng Chen)

DOI：10.1109/ojsp.2026.3729152

原文链接

原文求助

摘要

En 中文

显示-再捕获攻击对数字文档图像的完整性和真实性构成严重威胁，尤其通过重新拍摄显示内容来隐藏篡改痕迹。现有文档呈现攻击检测（DPAD）方法在区分法证伪迹（如色度失真和摩尔纹）与复杂背景文档的固有纹理时往往效果不佳。为解决纹理混淆问题，我们提出了一种双流LC&DF框架，该框架整合了局部色度（LC）特征与掩码注意力机制，以及通过频域摩尔纹感知适配器（FMA-Ada）增强的判别性频率（DF）分支。该架构联合建模局部色度失真和全局频率线索，以稳健地分离再捕获引起的伪迹与真实文档内容。大量评估表明我们的方法具有优越性。在跨数据集协议下，LC&DF达到当前最佳性能。在基于ROD_M&F、SRDID162、DLC2021和KID34 K基准的复杂真实场景评估中，我们的方法持续优于现有基线，在挑战性文档基准上实现AUC 0.9105，并将等错误率降低最多15.72个百分点。此外，我们对多模态大型语言模型（MLLMs）进行了零样本评估，揭示其对细微法证伪迹的敏感性不足。挑战样本的可视化进一步证实了我们关于区分法证伪迹与文档纹理的论断。本工作的源代码可在线获取。

Keyword:

Document presentation attack detection

chromaticity

moiré patterns

Display-Recaptured Document Image Detection Under Texture Interference

摘要

期刊

机构