Con el apoyo de redes neuronales profundas, los métodos existentes de detección de manipulación de imágenes (IMD) pueden detectar regiones manipuladas dentro de una imagen sospechosa de manera efectiva. En general, las operaciones de manipulación (por ejemplo, empalme, copia-mueve y eliminación) tienden a dejar artefactos de manipulación en el dominio de alta frecuencia de la imagen, lo que proporciona pistas importantes para localizar las regiones manipuladas. Inspirados por este fenómeno, en este documento, proponemos una Red de Mejora de Componentes de Alta Frecuencia, abreviada como HFCE-Net, para la detección de manipulación de imágenes, que tiene como objetivo explorar completamente los artefactos de manipulación dejados en el dominio de alta frecuencia para mejorar el rendimiento de localización en tareas de IMD. Específicamente, HFCE-Net consta de dos ramas paralelas, es decir, la corriente principal y la rama auxiliar de alta frecuencia (HFAB). HFAB se introduce para explorar completamente los artefactos de alta frecuencia dentro de las imágenes manipuladas. Para lograr este objetivo, la imagen de entrada de HFAB se filtra fuera del componente de baja frecuencia por el filtro Sobel. Además, HFEB está supervisado con la información de borde de las regiones manipuladas. La rama de la corriente principal toma la imagen RGB como entrada y agrega las características aprendidas de HFAB mediante la fusión de múltiples capas propuesta (MLF) de manera jerárquica. Realizamos experimentos extensos en bancos de pruebas ampliamente utilizados, y los resultados demuestran que nuestro HFCE-Net exhibe una fuerte capacidad para capturar información de alta frecuencia dentro de la imagen manipulada. Además, el HFCE-Net propuesto logra un rendimiento comparable (57.3%, 90.9% y 73.8% F1 en los conjuntos de datos CASIA, NIST y Coverage) y logra una mejora del 1.9%, 9.0% y 1.5% sobre el método existente.