数字图像成像设备及图像编辑修改工具的普及在给人们带来便捷的同时,也被恶意篡改者所利用,带来了诸多负面问题。这些恶意篡改对新闻的真实性、司法的公正性、科研的可靠性构成了威胁,也使个人肖像权等权益受到严重的侵害。恶意篡改事件的频频发生使数字图像的取证显得尤为重要,因此图像取证已成为信息安全和取证领域的研究热点。诸如数字水印、数字签名等传统的主动图像取证技术通过事先在图像中加入先验信息,从而在后期检测中对图像的真伪进行验证。然而这一取证方法在如今图像大量产生和快速传播的情况下缺乏通用性,适用范围小。因此,研究自然图像的盲取证技术才是解决目前大量图像取证的关键。本文就低阶统计量改变的自然图像盲取证技术展开研究,分别对重采样篡改、复制粘贴篡改、拼接篡改建立取证模型、设计相应算法、对算法进行仿真。首先,本文分析了现有图像盲取证技术的原理和特点,研究了现有取证技术的理论背景、实验环境、数学模型及算法,讨论了自然图像盲取证的通用模型及意义。其次,本文通过对重采样篡改原理进行分析,得出了重采样后图像像素间的相关性。在仿真算法的设计上,对传统EM算法在检测少量样本时存在奇异阵的情况做了改进,对可能产生奇异阵的数据做了补偿。再次,对同幅图像复制粘贴篡改技术进行研究,分析了DCT系数和主成分贡献值作为图像主要特征的原理。同时提出特征量化和奇异值分解结合的办法以保证取证算法的鲁棒性和检测效率。最后,在图像拼接检测方面,分析了图像相位一致性可以作为图像拼接检测特征的原理。通过分析支持向量机原理,验证经验参数,训练图像数据库样本,使用训练模型预测图像分类,完成了对拼接图像的取证。