SFNet：用于遥感图像伪造检测的空间与频域特征融合
计算机视觉与模式识别
2025-06-26 v1
摘要
生成式人工智能的快速发展正在产生难以检测的伪造遥感图像 (RSI)，可能导致错误的情报、假新闻甚至阴谋论。现有伪造检测方法通常依赖单一视觉特征来捕获预定义的痕迹，例如空间域线索来检测 RSI 中类似路或建筑物的伪造对象，或频域特征来识别来自对抗生成网络 (GANs) 中上采样操作的痕迹。然而，痕迹的性质会因地理 terrain、土地覆盖类型或 RSI 中的特定特征而显著不同。此外，这些复杂的痕迹会随着生成模型变得越来越复杂而演变。简言之，过度依赖单一视觉线索会导致现有伪造检测器在 diverse 遥感数据上难以泛化。本文提出了 novel 的伪造检测框架，名为 SFNet，旨�识别 diverse 遥感数据中的假图像，利用空间和频域特征。具体而言，为获取丰富且全面的视觉信息，SFNet 使用两个独立的特征提取器从输入 RSI 中捕获空间和频域特征。为充分利用互补的域特征，SFNet 设计了域特征映射模块和混合域特征精炼模块 (CBAM 注意力机制)，依次对齐和融合多域特征，同时抑制冗余信息。在三个数据集上的实验表明，SFNet 在最先进的 RS 伪造检测方法上实现了 4%-15.18% 的准确率提升，并展现出强大的泛化能力。代码已在 https://github.com/GeoX-Lab/RSTI/tree/main/SFNet 上提供。
引用
@article{arxiv.2506.20599,
title = {SFNet: Fusion of Spatial and Frequency-Domain Features for Remote Sensing Image Forgery Detection},
author = {Ji Qi and Xinchang Zhang and Dingqi Ye and Yongjia Ruan and Xin Guo and Shaowen Wang and Haifeng Li},
journal= {arXiv preprint arXiv:2506.20599},
year = {2025}
}