数字图像具有可编辑性,普通人也能利用图像编辑软件对其内容进行随意更改。这使得图像的真实性和客观性受到极大挑战,因此,图像的真伪成为图像检验人员的研究热点。本文在以往研究基础上,对图像复制粘贴篡改和图像USM(Unsharp Masking)锐化进行了更深入的探索,以图像局部纹理特征为切入点改进完善当前检测方法,以期解决实际鉴定工作中快速检验篡改图像的迫切需求,从而整体提升现场物证快速检验智能化水平。面对众多图像取证方法均存在检测精度和鲁棒性较差的问题,本文通过深入研究提出针对复制粘贴篡改的检测方法并尝试实现单一纹理区篡改的检测。同时,对国内目前研究较少的USM锐化取证,提出一种基于局部纹理特征的检测方法。具体实验包含三个部分:第一部分,利用Harris算子对图像提取特征点,以每个特征点为中心建立一个邻域,采用局部配置模式对邻域进行特征提取,通过对邻域特征向量的分析确定匹配点,最后利用RANSAC(Random Sample Consensus)算子消除误匹配点,定位复制粘贴区域;第二部分,对传统Harris算子进行改造,改变其阈值实现全图均匀密集提取特征点,将常规纹理区和单一纹理区分区,利用传统Harris算子提取常规纹理区的特征点,密集Harris算子提取单一纹理区的特征点,然后利用局部配置模式对特征点邻域提取特征实现篡改区域定位;第三部分,利用图像在USM锐化过程中对纹理特征的影响提出一种基于局部二值模式的锐化检测方法,利用局部二值模式对图像进行全局特征提取,将得到的特征向量放入SVM(Support Vector Machines)分类器训练得到分类模型,通过二分类判断图像是否被USM锐化,并探究了最优检测模式。最后,集成上述方法,编写图形用户界面,形成数字图像取证系统。研究表明:1、利用局部配置模式提取特征能够准确定位复制粘贴篡改区域,对光照、旋转等操作有很好鲁棒性,并且可以检测同源和异源多区域篡改。2、密集Harris算子可对单一纹理区提取特征点,与局部配置模式结合可以检测单一纹理区篡改。3、利用局部二值模式提取特征,并结合SVM机器学习可高效检测图像是否被USM锐化,其中旋转不变模式的准确率和稳定性最好,对低锐化强度的检测准确率均达到90%以上,对高锐化强度的检测准确率高达100%。4、建立数字图像取证系统,可以通过图形用户界面实现图像复制粘贴篡改和锐化的检测。本文有效提高了复制粘贴篡改的定位精度和检测鲁棒性,针对同源和异源多区域篡改亦能实现准确定位。解决了单一纹理区检测难题,同时,引入的分区思想与图像分块检测相比大幅度降低了时间成本,提出的分区方法也对计算机视觉中的图像分割提供一定的借鉴作用。锐化检测方法与前人相比准确率有所提高,尤其是对低锐化强度,提升效果显著。建立数字图像取证系统,将理论与实践相结合,满足公安工作实际需求,为图像复制粘贴篡改与锐化取证提供了一种新的自动检测方法。