近日，我院教师韩瑞东作为第一作者，在国际人工智能顶级学术期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（简称IEEE TPAMI，中国科学院一区TOP，2024年最新影响因子20.8，CCF-A类期刊）上发表学术论文“HDF-Net: Capturing Homogeny Difference Features to Localize the Tampered Image”（捕获同质性差异特征来定位篡改图像）。西安理工大学王晓峰教授为该论文的通讯作者。 

层出不穷的图像编辑软件能够使任何人操纵图像的内容来欺骗公众，以假乱真，“有图有真相”等传统观念被严重颠覆，这会严重破坏社会稳定和国家安全。因此，图像取证是一个有着广泛实用价值的研究方向。研究团队发现，图像被篡改后，篡改区域与真实区域表现出同质性差异，如噪声水平不一致，CFA插值模式不一致，光照和反射强度不一致，景深不一致等。如何利用神经网络来提取这些同质性差异特征以精准定位出篡改区域，本文作了探索性的研究。鉴于此，研究团队设计了一种新颖的网络HDF-Net，包含三个互补模块，分别是可疑篡改伪影显著模块、精细篡改伪影凸显模块和篡改伪影边缘细化模块，这三个模块按照“由粗-细-更细”的策略进行逐步合并，显著提高了定位精度和边缘细化。大量的实验表明，HDF-Net在五个基准测试中表现优于最先进的篡改定位模型，取得了令人满意的泛化性和鲁棒性。

HDF-Net网络结构图

HDF-Net篡改图像定位图

该研究旨在通过先进的技术手段确保图像的真实性和完整性，维护信息的可信度和安全性，对多个领域的应用都具有重要价值，如在刑事司法和法医学中，图像篡改定位技术可以帮助鉴定和分析证据，确定其是否经过了篡改或伪造，对于案件的审判和调查具有重要意义。

本研究得到山西省数据智能技术及其应用工程研究中心、运城学院数据挖掘与智能应用科研创新人才团队的大力支持。我院一直以来都致力于培养具有国际视野和创新能力的高素质学术人才，积极鼓励青年教师外出进修或学习，让教师在更广阔的学术环境中得到全面发展。近年来，青年教师的快速成长为我院两大省级重点扶持学科——数学及计算机科学与技术学科的可持续发展提供强劲动力。

IEEE TPAMI是计算机视觉、模式识别和人工智能领域公认的顶级国际期刊，是中国计算机学会（CCF）推荐的A类期刊，在中国计算机学会认定的人工智能领域四个A类期刊中排名第一，2024年最新影响因子20.8（五年平均影响因子22.2）。根据Google Scholar Citation统计，IEEE TPAMI在所有计算机工程、电子工程及人工智能相关期刊榜单上居于首位，主要收录人工智能、模式识别、计算机视觉及机器学习领域的原创性科研成果。