在科学出版物中通过不确定性引导的精细化暴露图像拼接痕迹
Xun Lin1, Wenzhong Tang1, Haoran Wang1
1School of Computer Science and Engineering, Beihang University, Beijing 100191, China.
Patterns (New York, N.Y.)
|November 21, 2024
概括
科学图像完整性至关重要,因为图像拼接检测具有挑战性. 研究人员开发了一个不确定性引导的精细化网络 (URN) 和一个新的数据集 (SciSp),以改进对拼接科学图像的检测.
科学领域:
- 计算机科学 计算机科学
- 图像法医研究 图像法医研究
- 科学出版 科研出版
背景情况:
- 操纵科学图像的增加导致了撤回,强调了图像完整性的必要性.
- 现有的法医工具解决了图像重复和合成,但没有拼接,这是更复杂的.
- 在科学背景下检测拼接图像受到文物,噪音和缺乏专业数据集的阻碍.
研究的目的:
- 为了应对在科学出版物中检测图像拼接的挑战.
- 为了减轻科学图像中的破坏性因素,使拼接检测复杂化.
- 引入一种新的方法和数据集,以推进图像拼接检测研究.
主要方法:
- 开发一个以不确定性为指导的精制网络 (URN),旨在处理图像工件和噪声.
- 构建一个新的数据集,SciSp,包括1,290个手工拼接的科学图像.
- 对URN在SciSp数据集上的表现进行严格的实验评估.
主要成果:
- 拟议的不确定性引导精制网络 (URN) 在检测图像拼接方面表现出卓越的性能.
- SciSp数据集为训练和评估图像拼接检测模型提供了宝贵的资源.
- URN有效地减轻了科学图像中存在的破坏性因素.
结论:
- URN为提高科学出版物的完整性提供了一个有希望的解决方案.
- 进一步研究图像拼接检测对于打击科学不当行为至关重要.
- 开发的数据集和方法对图像取证学领域做出了重大贡献.
