1.一种基于卷积视觉Mamba的篡改检测方法，其特征在于，包括以下步骤：步骤1.使用接缝裁剪Seam Carving算法对数据集进行处理，按照不同的Seam Carving率对图片宽度进行缩小，得到数据集；

步骤2.将处理前的原图，随机裁剪到与对应Seam Carving率处理后图像相同的大小；

步骤3.将数据集输入基于卷积视觉Mamba的网络模型，使用交叉熵计算分类损失，利用反向传播更新网络模型参数；

所述基于卷积视觉Mamba的网络模型，包括顺序连接构建的预处理模块、伪影特征提取模块、特征尺度统一模块、视觉Mamba模块；

预处理模块由一个卷积核为5×5的高通滤波组成，对图像进行预处理，抑制图像内容对检测效果的影响，其中高通滤波使用的卷积核如下：所述伪影特征提取模块由顺序连接的三种不同的卷积块组成，第一种卷积块包含一个卷积操作，用于扩充通道数；第二种是包含多个密集连接卷积块，同时将输出与初始输入进行残差连接；第三种包含两个不同核大小的卷积，同时将步长设置为2，使得特征向量大小减半；

所述特征尺度统一模块通过自适应最大池化实现，通过将图像输入到特征尺度统一模块，输出统一维度的特征向量；

所述视觉Mamba模块将所述统一维度的特征向量的通道数作为patch块数量，将patch块通过展平和线性投影为不同的特征单元token，再加上用于后续分类的类token，经过位置编码后，输入到多个Mamba编码器堆叠的模块进行全局伪影特征提取，最后输入到多层感知机进行检测分类；

所述Mamba编码器包括正反双向两个一维卷积以及正反双向两个SSM，同时使用SiLU激活函数进行残差连接；

步骤4.将待检测的图像输入到训练后的网络模型，输出图像是否经过Seam Carving处理的检测结果。