如今,生活中充斥各种各样的篡改图像。其中最为常见的一种篡改图像的方式就是拼接。这种篡改往往会带来各种社会问题。针对这种篡改方式,已经有很多的拼接检测方案被提出。但是大多数方法都是对图像的固有特征进行分析,即提取相应的特征,使用分类器来进行分类。但这些方法通常都是依赖于某一种特定的特征,需要人为提取。这就容易导致依赖性太强,特征提取不充分等问题。同时,除了检测拼接,往往还需要知道哪个区域是拼接区域。这相对于检测来说难度更大,意义也更大。目前的拼接定位方法存在着检测准确率低和边缘缺失严重的问题。针对上面所提的拼接检测和拼接定位问题,本文提出来基于深度学习和注意力的彩色图像篡改检测和定位方案。主要工作如下:1)针对目前方法在拼接检测中存在的依赖单一特征和提取特征的不充分性问题,本文提出了基于权重联合策略神经网络的拼接检测方案。对于彩色图像拼接检测,拼接的痕迹往往体现在很多方面。单特征作为检测依据不能充分挖掘出这些拼接痕迹。因此,本方案使用了YCb Cr特征,边缘特征(Edge)和模式噪声(PRNU)特征来进行拼接检测。同时,为了解决特征提取不充分的问题,本方案还提出了权重联合策略。通过对上述的三种特征添加权重并根据权重比例进行联合,从而达到进一步去除冗余信息的目的。实验显示,本方案能够取得较好的结果。2)针对彩色图像拼接定位的精度不高和边缘缺失严重的问题,本文提出了基于注意力深度学习的拼接定位检测方案。本方案选择了全卷积神经网络(FCN)作为基础框架,同时选用了边缘特征作为检测特征。通过FCN的像素级检测能力和边缘特征具备的边缘细节信息来针对精度不高和边缘缺失问题。同时,为了进一步增强定位检测能力,本方案还使用了注意力(Attention)机制。通过注意力机制的强化提取能力来进一步增强对输入特征的内容和位置的提取。实验显示,本方案是有效的。