引言

数字图像处理技术的普及降低了图像篡改的门槛，从而对公共安全、隐私保护和社会诚信构成重大威胁。图像篡改检测［1］旨在区分篡改图像与真实图像并识别被篡改区域，已成为数字媒体安全领域的关键焦点。传统检测方法依赖于噪声模式或JPEG压缩伪影［2-5］来检测篡改。这些方法通常受限于需要大量手动参数调整、独立模块优化以及泛化性能较差等问题。近年来，基于深度学习的方法因其自动特征提取能力而在鲁棒性和准确性方面取得了显著提升。卷积神经网络［6］和生成对抗网络［7］等深度学习架构的应用，显著提高了准确识别篡改区域特定特征的能力。图像篡改包含多种复杂形式，主要包括图像拼接、复制-移动和图像修复篡改［8-9］。篡改类型的多样性要求差异化的检测技术，这使得高泛化能力和强适应性成为检测方法的迫切需求。

在已有研究中，Yan等人［10］通过渐进式网络结构逐步细化结果，增强多尺度篡改检测能力。Cozzolino等人［11］用CNN架构代替基于残差分析的手动特征提取，自动学习噪声残差特征，在复杂篡改检测上超越传统方法。Li等人［12］提出的HP-FCN利用高通滤波增强图像残差识别深度,修复图像中的篡改区域。Zhou等人［1］设计了一个双流Faster R-CNN网络，利用RGB流和噪声流来提取篡改伪影信息，虽然能有效检测篡改区域的不一致性，但带来了较高的计算成本。针对篡改区域分割中数据稀缺的问题，Zhou等人［13］提出了生成-分割-细化框架GSR-Net，通过生成合成篡改图像来缓解数据限制，从而提高边界检测的准确性。然而，模型性能可能受到真实世界篡改场景复杂性的限制。Zhuang等人［14］引入了带有空洞卷积的密集全卷积网络Dense-FCN，提高跨数据集的篡改定位精度。Babu等人［15］开发了一种无需先验知识即可识别伪造的复制-移动篡改检测算法，在JPEG压缩、缩放、旋转和亮度变化等条件下仍然能保持鲁棒性。Chen等人［16］提出了MVSS-Net，该网络融合噪声分布和边界伪影特征以抑制图像内容特征，从而增强模型泛化能力。Zhu等人［17］设计了全局局部特征融合网络GLFFNet，利用深度学习准确定位修复式篡改的图像区域，并且能够抵抗JPEG压缩和加性噪声。Liu等人［18］引入了显式视觉提示，将冻结的块嵌入和输入图像的高频分量作为提示，避免了特定任务模型设计的复杂性。

然而，基于CNN的传统检测框架通常依赖于固定尺度的卷积操作，难以同时捕获图像中不同尺度的篡改特征。这种限制在复杂场景或细微篡改情况下变得更加明显。此外，仅依赖局部纹理或噪声信息的检测方法难以有效利用跨尺度特征。

为此，本研究提出了一种新的图像伪造检测网络MAGCU2-Net，该网络基于嵌套式U型架构(U2-Net)构建，通过增强全局与局部特征的融合，充分利用图像中潜在的拓扑结构关联，实现对复杂篡改区域的精确定位。本文的具体贡献如下：

（1）提出MAGCU2-Net，将多尺度注意力与图卷积融入嵌套式U型架构以增强上下文感知能力，从而提取更全面的篡改特征。

（2）针对跳跃连接机制在下采样过程中难以捕捉篡改细节的问题，引入三输入跨层注意力融合机制以增强跳跃连接中的多尺度上下文融合，提升网络在多种伪造场景下的泛化能力。

（3）与传统的逐通道加权相比，图结构允许网络学习更灵活的通道关联，生成更容易辨别真伪的特征表示，有利于提高在复杂篡改场景下的检测性能。

（4）MAGCU2-Net是一个端到端训练的轻量级网络，无需大规模预训练便可以处理多种篡改操作。与现有先进的深度学习算法相比，该方法表现出优越的检测性能。

本文详细内容请下载：

https://www.pcachina.com/resource/detail/6000007236

作者信息：

熊思宇1，沈姿含2，吴柯非1，江非宇1，李琳3，李青岩1

(1.集美大学理学院，福建厦门361021；

2.山东大学数学学院，山东济南250100；

3.集美大学计算机工程学院，福建厦门361021)