随着数字技术的快速发展,图像采集设备与互联网技术迅速普及,数字图像在日常生活中扮演着愈发重要的角色。然而,随着图像处理软件的普及,图像篡改操作变得十分简单且人眼难以察觉,在新闻、经济、科技、司法、政治和军事等领域出现的恶意篡改图像严重威胁着社会的公平正义与社会稳定,因此,对数字图像检测技术的研究极为迫切,一般分为主动检测与被动检测。被动检测技术针对特定的篡改操作进行研究。篡改操作可分为三大类:原始性篡改、完整性篡改和真实性篡改(内容篡改与后处理篡改),拼接属于内容篡改。本文聚焦于数字图像拼接被动检测技术。根据数字图像的成像过程(采集、编码、编辑)将拼接被动检测技术分成两类:基于成像过程引入特性的不一致性的检测技术与基于图像统计特性的检测技术。通过分析目前研究中存在的不足,提出基于改进马尔科夫特征的检测技术。具体内容如下:(1)基于改进马尔科夫特征的检测技术针对基于马尔科夫特征的检测技术目前存在的问题:将彩色图像转为灰度图像或只在一个颜色通道提取特征导致信息损失、提取特征过程复杂而导致时间复杂度高和特征维度高存在冗余信息,提出基于改进马尔科夫特征的图像拼接检测方法。首先,在YCbCr(或RGB)颜色空间提取三个通道特征,减少信息损失,充分保留各通道信息;其次,增加块间特征,提取更全面的拼接痕迹信息;再次,在BDCT域提取水平和垂直两个方向的转移概率矩阵,凸显图像边缘信息并选择高效方向,从而在充分提取信息的前提下降低特征复杂程度,提高算法效率;然后,对每个颜色通道下的转移概率矩阵进行求和操作,降低特征维度、减少冗余信息从而凸显拼接痕迹;最后用支持向量机训练三个分类器并通过综合决策进行分类测试,检验算法性能。(2)实验验证与研究发现为验证改进算法的有效性与适用性,分别在RGB与YCbCr两个颜色空间、三个公开数据集上进行对照实验,并对比其他方法。综合考虑准确率与时间复杂度确定最优参数与最终实验结果:在哥伦比亚大学无压缩图像拼接检测评估数据集、CASIA V1.0与CASIA V2.0数据集上的检测准确率分别为95.81%、98.22%与97.09%,本文方法优于目前主要方法。同时,通过块内特征与块内块间改进特征、未求和特征与求和改进特征两组对比实验,验证块间特征与求和操作对于提升检测性能的作用。添加块间特征,哥伦比亚大学数据集与CASIA数据集的检测准确率分别普遍提高4个与2个百分点;求和操作提升准确率约1.5个百分点。最后,在IFS-TC竞赛数据集上的测试结果达到92.23%,进一步验证算法的实用性。研究发现:1)块内块间改进特征可以提取更加全面的信息;求和操作可以降低特征维度并凸显拼接痕迹;一般在阈值T=3时达到最高的准确率。2)YCbCr颜色空间更有利于提取拼接痕迹。3)受数据集图像的处理方式、存储格式、尺寸大小与数量影响,不同数据集上的实验结果存在差异。