随着社会的不断进步与发展,现在数字图像信息已经渗透到了社会生活中的每一个角落,同时数字图像的普遍使用也促进了数字图像处理软件的开发与应用,使数字图像处理软件的操作变得简单、便捷,因此,用户为了实现更好的视觉效果,可以任意修改数字图像内容。然而,数字图像处理软件的发展也使得一些不法分子可以随意对数字图像进行修复篡改,造成社会生活中存在着大量的修复篡改图像。因此,研究基于深度神经网络的图像修复取证方案对于数字图像的发展以及数字图像信息真伪的判定,具有十分重要的意义。首先,本文针对图像修复取证问题,提出了一种基于深度神经网络的图像修复取证方案。该取证方案由编码器网络和解码器网络组成,它不限制输入图像的尺寸,能预测图像中每个像素的修复概率,对待取证图像实现像素级取证,同时,本文采用金字塔网络补充上采样输出特征图信息,细化取证结果。最后通过实验对所提方案在不同修复方法上的取证结果进行了分析,对不同取证方案的检测性能进行了对比,论证了本文所提取证方案的有效性。随后,为了进一步提升本文取证方案的检测性能和泛化性能,本文对取证网络的训练数据集进行了分析,提出采用JPEG压缩图片构建训练数据集。其次,为了提升网络的泛化能力,抑制网络过拟合,本文对取证网络损失函数的正则项系数进行了分析。最终通过实验验证了理论分析的正确性,给出了取证方案的检测结果,证明了本文取证方案具有良好的检测性能和鲁棒性。