强大的检测和定位图像复制移动伪造使用多功能融合
1School of Computer Science and Artificial Intelligence, Lanzhou University of Technology, Lanzhou 730050, China.
Journal of imaging
|February 26, 2026
概括
这项研究引入了一个新的多功能融合网络 (MFFNet),用于强大的复制移动伪造检测 (CMFD). MFFNet 增强了特征表示,并使用高级解码来更准确地定位图像伪造.
科学领域:
- 数字图像法医学 数字图像法医学
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 复制移动伪造检测 (CMFD) 在图像法医中至关重要.
- 现有的深度学习模型在功能融合和精确本地化方面扎.
- 当前的方法往往无法充分利用互补的RGB和噪声域特征.
研究的目的:
- 开发一种强大的方法来检测和定位图像复制移动伪造.
- 通过融合RGB和噪声域信息来改善特征表示.
- 通过先进的解码和注意力机制来提高检测精度.
主要方法:
- 设计了一个多功能融合网络 (MFFNet),集成RGB和噪声域特征.
- 一个轻量级多层感知子解码器 (LMPD) 已被开发用于重建和定位地图生成.
- 跨层信息聚合和局部/全球注意力机制被用于准确的预测面具.
主要成果:
- 通过有效的多功能融合,MFFNet模型展示了优越的特征表现.
- 与现有方法相比,拟议的解码器实现了更精确的伪造本地化.
- 实验结果证实了对JPEG压缩,噪声和大小调整的增强稳定性.
结论:
- 多元财政基金网在复制转移伪造的检测和本地化方面取得了重大进展.
- 多域特征和高级解码的融合提高了检测准确性和稳定性.
- 这种方法为图像取证分析提供了更可靠的工具.
