数字视频通常被认为是对事件进行公正可靠记录的载体,被广泛应用于交通、医学、司法等领域以提供相关事实的基本依据。伴随着数字视频的蓬勃发展,视频处理技术和软件也在不断涌现。人们可以利用视频编辑软件轻而易举地对视频进行篡改操作。处理后的视频如果被不法分子恶意利用,将会对人们的日常生活和正常的政治、经济和社会秩序造成危害。作为视频取证领域的一个重要分支,视频修复取证已经成为多媒体内容分析和信息安全等领域中非常重要的研究课题。基于对现有视频修复取证方案的深入分析,本文从人工设计特征和深度学习两个方向提出了三种取证方案,主要的成果性工作包括:(1)针对两种典型的视频修复技术,通过分析视频中的伪造区域在时空域上的特点,提出一种基于时空域LBP相关性分析的视频修复取证算法。为了实现对移动摄像机拍摄的动态背景视频的处理,该算法首先计算每个视频帧中背景区域的运动矢量,完成对齐视频帧的预处理操作;接着利用空域LBP算子对相邻两视频帧同一位置处的图像块进行相关性分析,找出可疑的伪造区域;最后利用时域LBP算子去除误检区域,完成伪造区域的最终定位。实验结果显示,该方法能够有效地检测和定位视频中的伪造区域,且对于在视频压缩中所产生的量化噪声具有鲁棒性。(2)针对第一种取证方案缺乏充分利用视频时域信息的局限性,通过对伪造视频的时域修复痕迹进行分析,提出一种基于时空切片的视频修复取证算法。该算法首先对视频帧进行中值滤波预处理操作,然后沿时间轴对视频体进行切割得到垂直时空切片,通过分析切片图像中的时域修复痕迹以实现伪造区域的检测和定位。对于背景有轻微移动的视频,算法根据视频帧的运动矢量采用逐帧微调的方式来获得切片图像,增加了适用场景。实验结果显示,该算法可以有效地对利用视频修复软件篡改的伪造视频进行检测和定位。(3)针对人工设计特征算法的检测性能依赖于特征选择准确性的缺点,提出一种基于双通道卷积神经网络的视频修复取证算法。该算法利用双通道结构融合从RGB通道和噪声通道中提取的特征,对伪造的视频帧进行检测。其中,RGB通道能够发现绝对帧差图像中不自然的篡改边界和对比度,噪声通道能够发现原始区域和篡改区域之间噪声的不一致性。实验结果显示,所提算法有效地提高了伪造视频帧的识别准确率,且相对于传统的单通道网络结构,双通道特征融合的方式取得了更好的检测性能。