随着多媒体信息技术的快速发展,数字图像成为多媒体信息的重要载体之一。由于数字图像具有现场性、直观性等良好的特性而得到广泛使用。目前,各种图像处理软件的开发和应用使用户不必掌握相关专业知识就可以方便、快捷地对数字图像进行编辑操作,以满足自己的工作需要或者日常娱乐。但如果被恶意篡改者非法利用在军事、法庭证据、新闻等领域,将会给社会带来一定扰乱,“眼见为实”的传统观念也正在被打破。所以,迫切需要一种取证算法能够对数字图像的真实性进行鉴别并能对篡改数字图像的篡改区域进行定位。本文首先分析了传统的取证方法存在需要手动提取修复特征、计算复杂度高、检测正确率低等问题。在研究了图像修复技术和神经网络进行特征提取的过程后,提出了利用深度神经网络实现图像修复取证的方法。首先为该取证网络提供与输入图像同尺寸大小的标签矩阵,从而为数字图像的每个像素点分配一个类别标签。接着利用卷积、池化等操作提取与修复操作密切相关的特征,最后实现对数字图像修复区域定位。实验结果表明,与其他取证方案的取证结果相比,本文所提算法使得检测正确率高于91%。接着,为了进一步分析本文所提方案的鲁棒性,将修复图像经过一定压缩、缩放等后处理操作。经过实验,发现本文所提取证方案对经过后处理操作修复图像的检测性能大大降低。通过对后处理的分析得知压缩、缩放相当于低通滤波器,但不是理想的低通滤波器,会对图像的高频信息产生一定的影响,所以利用离散余弦变换将修复图像由空间域转换到频域,尽量减少对高频信息的使用,再利用离散余弦反变换将图像重新返回到空间域,最后送入深度神经网络进行修复区域的检测。所以提出结合离散余弦变换与深度神经网络的图像修复取证方案。实验结果表明,该算法在对无后处理的修复图像取得较高检测准确率,同时对JPEG压缩、缩放处理操作具有较强的鲁棒性。综上所述,本文的主要工作集中在对修复图像的篡改区域进行定位的研究上,在理论上取得了一定的成果,这些成果将对多媒体信息安全的发展产生积极的推动作用。