.png){kind=icon}
返回
Document forgery detection based on spatial-frequency and multi-scale feature network
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jvcir.2025.104393.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
被动图像伪造检测是数字图像取证的主要任务之一。尽管通过利用自然图像的多样性和丰富的细节特征，可以从篡改图像中高精度地检测并定位伪造区域，但从篡改的文本文档图像（照片）中检测篡改区域仍然存在许多挑战。这些挑战包括检测结果不佳以及难以识别所应用的伪造类型。在本文中，我们提出了一种基于空间-频率（SF）域和多尺度特征融合网络的鲁棒多类别篡改检测算法。首先，我们采用频域变换和SF特征融合策略来增强网络区分篡改文档纹理的能力。其次，我们结合HRNet、注意力机制和一个多监督模块，以捕获文档图像在不同尺度上的特征并提高伪造检测结果。此外，我们设计了一个多类别检测头模块，用于检测多种类型的伪造，从而提高所提出算法的泛化能力。在基于公开的StaVer和SCUT-EnsExam数据集构建的数据集上进行了大量实验。实验结果表明，所提出的算法将文档图像篡改检测的F1分数提高了近5.73%，它不仅能够定位篡改位置，还能准确识别所应用的篡改类型。
Keyword:
Document forgery
Image tamper detection
Fake documents
Multi-category
Spatial-frequency domain
Multi-scale feature network
期刊
IF:
3.1
论文数:
433
被引数:
5.6K
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
Passive Image Forgery Detection Techniques: A Review, Challenges, and Future Directions被动式图像伪造检测技术：综述、挑战与未来方向
PREAI
分享收藏
查看更多内容