图像修复是一种图像处理技术,最初用来修复图像中的破损区域、去除图像中的污点和划痕。换一种角度,当图像修复技术被伪造者用于去除数字图像中的物体时,图像修复技术也是一种图像篡改的手段。如今日渐成熟的图像修复技术可以非常好地掩盖移除过程中的操作痕迹,在逐渐普及的图像编辑软件和飞快发展的社交网络下,大批伪造图像的出现给个人隐私和社会稳定发展带来严重的威胁。近年来,图像修复取证受到广泛关注,在图像取证领域具有较高的理论意义和实用价值。图像修复技术主要有三大类:基于样本特性的修复技术、基于稀疏性的修复技术和基于扩散特性的修复技术。目前已经提出了一些检测基于样本和基于稀疏性的修复方法,但针对基于扩散特性的修复检测的研究还很缺乏。因此,本文针对基于扩散特性的数字图像修复取证展开了研究,主要的研究工作如下:(1)基于扩散特性的修复技术在扩散过程给被篡改区域带来模糊效应,这种效应导致修复区域纹理发生一定的改变。本文通过分析修复的扩散过程,观察到修复区域和未修复区域中图像拉普拉斯沿垂直于梯度方向的变化是不同的。为了更好彰显两者的不同,引入了加权最小二乘滤波增强算法,对修复图像的各个颜色通道进行滤波增强,从多角度捕捉图像修复带来的影响。在此基础上,提取通道内和通道间的局部方差构造一个特征集来区分原始区域和修复区域,并送入集成分类器进行分类判决。最后,采用异常曝光排除和形态滤波分别对篡改定位结果进行进一步改善。通过大量的实验发现,当修复区域较小时,本文算法的检测性能优于现有的方法,且对常见后处理(如gamma校正、缩放等)也具有更好的鲁棒性。(2)考虑到修复和未修复区域在纹理方面呈现的内在差异,以及加权最小二乘滤波时间复杂度较高的问题,同时为了保留更多微小的细节纹理,本文进一步提出利用梯度域导向滤波对修复图像进行增强,可以较好保留未修复区域的纹理结构,也能从一定程度上突显出修复区域的模糊效应。此外,与加权最小二乘滤波算法相比,梯度域导向滤波算法的复杂度也相对较低。实验结果表明,基于梯度域导向滤波增强的图像修复检测算法对修复伪造区域具有较好的检测性能,且运行时间比加权最小二乘滤波算法缩短了约6倍。与现有方法相比,修复图像经过gamma校正、缩放等后处理操作,该算法仍能更好地检测与定位修复区域。