1.基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，其特征在于，包括以下步骤：

获取待检测图像；

搭建图像分割模型，对所述待检测图像进行训练和分割处理，得到分割权重参数和图像的边界像素方向信息，获取分割图像；

基于深度卷积网络进行所述待检测图像的特征提取，输出图像特征；

结合所述分割图像和所述图像特征，进行自相关匹配，得到图像匹配特征；

将所述图像匹配特征输入分类模型，得到初步篡改区域检测图像；

通过所述图像的边界像素方向信息提取边缘信息图像；

构建细节优化模型，输入所述初步篡改区域检测图像和所述边缘信息图像，输出篡改检测图像。

2.如权利要求1中所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，其特征在于，所述获取待检测图像时，通过最高的质量因子将所获取待检测图像的格式转换为JPEG。

3.如权利要求1中所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，其特征在于，所述得到分割权重参数的过程中，构建训练损失函数，训练过程中调整各种参数，得到分割权重参数，保存所得到的分割权重参数。

4.如权利要求1中所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，其特征在于，通过Super‑BPD方法进行图像分割的准确度和速度的折中，基于图像的边界像素方向信息得到分割图像。

5.如权利要求1中所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，其特征在于，所述基于深度卷积网络进行所述待检测图像的特征提取并输出图像特征，具体过程为：

同时考虑图像的深层网络输出的全局特征与浅层网络输出的局部细节信息，得到图像的原始特征；

通过空洞空间金字塔池化层，提取图像的多尺度特征；

基于所述图像的原始特征和所述图像的多尺度特征，通过1×1卷积与双线性插值变换，输出多个图像特征；

将所述多个图像特征融合，输出图像特征。

6.如权利要求1中所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，其特征在于，所述得到图像匹配特征，具体过程为：对所述分割图像进行尺寸变换与卷积调整，与所述输出图像特征相结合，得到待匹配特征；

基于行列合并规则，将待匹配特征的行列合并得到二维特征矩阵；

对二维特征矩阵进行标准化处理，使得每个特征向量模为1；

基于二维特征矩阵和二维特征矩阵的转置矩阵，计算相关矩阵；

基于行列合并规则，将所述相关矩阵的行列分开，得到匹配后特征；

对匹配后特征的第三维度特征进行大小排序；

截取排序后的匹配后特征中的第二到第k+1特征，得到图像匹配特征。

7.如权利要求1中所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，其特征在于，所述输出篡改检测图像，具体过程为：对所述初步篡改区域检测图像和所述边缘信息图像分别进行卷积核扩维处理；

将扩维后的初步篡改区域检测图像特征和边缘信息图像特征进行特征融合，输入到细节优化模型进行优化处理，再通过卷积核进行特征维度的压缩，输出可视化的篡改检测图像。

8.基于分割和深度卷积网络的图像复制‑粘贴篡改检测系统，采用了权利要求1‑7中任一项所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法，其特征在于，包括：获取图像模块，用于获取待检测图像；

分割模块，搭建图像分割模型，对所述待检测图像进行训练和分割处理，得到分割权重参数和图像的边界像素方向信息，获取分割图像；

特征提取模块，基于深度卷积网络进行所述待检测图像的特征提取，输出图像特征；

自相关匹配模块，结合所述分割图像和所述图像特征，进行自相关匹配，得到图像匹配特征；

细节优化模块，将所述图像匹配特征输入分类模型得到初步篡改区域检测图像，通过所述图像的边界像素方向信息提取边缘信息图像，构建细节优化模型，输入所述初步篡改区域检测图像和所述边缘信息图像，输出篡改检测图像。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7任一项所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的基于分割和深度卷积网络的图像复制‑粘贴篡改检测方法中的步骤。