随着图像篡改方案性能的逐渐提高,图像的真实性受到很多关注。现有的检测方案仅针对特定的篡改手段,且计算速度较慢。因此本文提出一种基于深度神经网络的图像修复取证方案,其对输入图像的大小没有限制,能对待取证图像实现像素级检测。本文方案集成编码器网络和解码器网络,其中编码器网络由卷积层、BN层、Relu层和池化层组成,以自动提取图像修复遗留的特征;解码器网络包括上采样层、卷积层和Merge层,其将提取的特征图恢复至输入图像大小,同时,本文采用了FPN网络对解码器网络中的特征图进行信息补充。实验采用MIT Place数据集作为训练集,UCID数据集作为测试集,文中对训练集和测试集分别使用了不同的修复篡改算法。实验结果表明,与其他图像修复取证方案相比,本文方案的修复区域定位更精准,处理速度更快,且对不同的修复篡改方法具有鲁棒性和泛化性。