.png){kind=icon}
返回
Double JPEG compression with forgery detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.dsp.2024.104954.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
检测篡改图像在打击虚假新闻和保护人们隐私方面变得越来越重要。这对于广泛用于在线的JPEG图像尤其重要。对JPEG图像的篡改通常涉及使用不同的量化表进行重新压缩，这会改变原始图像离散余弦变换（DCT）系数的直方图。本研究利用这种双重压缩效应，提出了一种新型深度学习模型，该模型结合了卷积神经网络（CNN）和堆叠残差双向长短期记忆网络（Bi-LSTM）模型，并融入了自注意力机制。首先使用CNN模型学习从JPEG文件中提取的DCT系数和量化表的特征。随后，这些特征被输入带有注意力机制的堆叠残差Bi-LSTM模型中，以有效捕捉数据的长程正向和反向关系。通过利用这些不同技术的优势，我们构建了一个深度达五层的Bi-LSTM模型，其预测性能优于现有方法。我们的模型展示了其在稳健检测和定位JPEG伪造方面的潜力。
Keyword:
Double JPEG detection
Double JPEG localization
DCT coefficients
期刊
IF:
3.6
论文数:
10.0K
被引数:
1.7W
机构
引用论文
Detection of Double JPEG Compression With the Same Quantization Matrix via Convergence Analysis
.png){kind=icon}
PREAI
分享收藏
分享收藏分享收藏
查看更多内容