由于数字图像的易于复制和编辑并能迅速通过网络传输的特性,数字图像已经成为重要的信息载体,渗入了人们生活的各个领域,包括新闻媒体、科学研究和政治法律等。但数字图像处理技术的高速发展,也使得图像的篡改变得更容易,别有目的的受篡改的数字图像的传播对人们生活造成许多不利的影响。因此,如何鉴别一副数字图像是否经历过篡改,成为数字时代一项亟需解决的问题。数字图像取证技术指的是通过一定的技术方法,判断一副数字图像的来源、是否经历了篡改等问题,可以分为数字图像主动取证技术和数字图像盲取证技术两类。其中,数字图像主动取证技术的研究主要溯源与数字水印技术,其主要思想是对数字图像进行预处理,在其中添加数字水印,通过检测数字图像中的水印是否遭到了破坏来判断数字图像是否受到了篡改处理。图像盲取证不需要预先对待检测的图像嵌入数字签名,而是通过对图像自身的信息进行分析来达到对图像进行取证检测的目的。数字图像盲取证的理论依据在于,一旦对图像进行了篡改,必然会改变图像的本质特性,尤其是统计方面的特征。由于数字图像盲取证技术不需要对数字图像进行预处理,而是通过研究数字图像的拍摄衍生特征,或研究数字图像本身包含的特征,来判断图像是由何种成像设备生成,或者图像是否经历了某种篡改,因此,拥有更好的应用前景。针对数字图像盲取证技术目前存在的问题,首先简要概述了盲取证技术的相关方法和理论,然后分析了现有方法的不足,即现有盲取证技术大多解决的是图像的完整性鉴别问题或图像源鉴别问题,而没有解决人们更为关心的图像内容篡改的鉴别问题。提出了面向真实性鉴别的数字图像盲取证的重要性,并藉此厘清了本文的研究动机和研究目的,选择了克隆检测和拼接检测这两种最为典型的面向真实性鉴别的盲取证技术做深入研究。针对数字图像盲取证研究中的克隆检测,提出了基于多分辨率直方图的图像克隆检测技术。该方案利用多分辨率直方图良好的鲁棒性以及能够表达空间信息的特性,对目标图像重叠分块并提取224维特征,进而构成特征矩阵,通过对特征矩阵进行比对处理判断目标图像中是否存在相同或相似图像块。实验表明,该算法能有效检测图像中的克隆篡改操作,且能抵抗JPEG压缩和噪声添加。针对数字图像盲取证研究中的拼接检测,将判断一副数字图像是否经历了拼接操作的问题,转换成判断多副图像怎样分为经历了拼接操作的篡改图像和未经历篡改操作的自然图像两类情况的二值分类问题。通过分析对数字图像进行拼接操作所产生的图像特性变化,提出了在机器学习框架下的数字图像拼接检测技术。将受拼接与否已知的图像集作为训练图像集,利用SVM对训练图像集数据进行训练获得预测模型,然后利用所得模型对测试图像进行预测,判断所测试图像是自然图像还是篡改图像。实验表明,该算法的指标与所对比算法有一定优势。克隆操作和拼接操作可以看做在同一副图像或不同图像中生成了原始图像中部分图像的拷贝,可以考虑用局部拷贝检测的思想解决这两张操作的检测问题。因此,提出了基于局部拷贝检测的盲取证算法。一方面,通过特征融合提取精准特征,保证检测的准确性；另一方面,通过基于机器学习的感知哈希将特征映射为紧凑的哈希码,提高检测的效率。以上一系列技术方法能有效解决面向真实性鉴别的数字图像盲取证问题。但展望海量数字图像在互联网高速传播的未来,仍需继续完善数字图像盲取证技术框架、探索数字图像真实性相关的图像语义、研究利用互联网用户反馈信息帮助数字图像取证的方法等来提高面向真实性鉴别的数字图像盲取证技术的性能。