生活在二十一世纪的我们,步入到了一个科技高速发展的信息化时代。智能手机已经成了生活中必备的工具,我们通过它可以轻易地获取大量的数字图像。可以说,数字图像已经融入人们的日常生活中。然而,由于Photoshop、ACDsee等图像编辑工具发展迅速,人们可以很容易地对图像内容进行修改或者合成,而不留下任何肉眼可辨的痕迹。图像的真实性和完整性不能够保证,所承载的信息变得不再可靠。本文提出一种基于三维重建技术的图像篡改检测方法,由单幅图像的所蕴含的三维线索,恢复待检测图像的三维信息后,再对图像的三维空间关系进行推理,检测出三维现实场景与图像二维平面不匹配的对象,即可检测出图像中被篡改的对象。这是基于这样的一个事实:相机成像过程固有的特性、图像的内容、场景物体相对位置关系、视点等,都会对图像造成特有的痕迹;现实中的三维场景与摄像机捕捉的照片,呈现透视映射关系。由于单幅图像所包含的三维信息较少,从中重建出图像中目标对象的三维结构一直是一个难题。本文主要研究三种主要的单幅图像的三维重建方法:(1)基于统计学习的三维重建方法。这种算法最重要的是从图像中提取能够表征图像深度信息的特征,然后通过建立好的数学统计模型来得到图像的深度信息,进而根据深度图实现三维重建。(2)基于线性透视线索的三维重建方法。现实世界中存在大量丰富的几何物体,形成很多的平行线、平行面、垂直线和垂直面,这些几何约束在投影到图像平面形成的线索,可以完成对摄像机的自标定从而得到图像的深度信息。(3)基于由明暗到形状(SFS)技术的三维重建方法。这种算法是根据亮度图像的明暗来抽取图像的三维形状,是成像过程的逆过程。图像的灰度是在一定的光照模型和投影模型下,由物体表面形状所决定的。SFS方法是在一些理想假设和相关约束的前提下,通过对图像中每一点的灰度值和曲面形状之间的关系进行建模来求解的。