随着信息技术的发展,特别是各种图像处理设备以及简单易用、功能强大的图像编辑软件的普遍应用,数字图像内容的真实性认证和完整信息保护已成为一个迫切需要解决的问题。针对这种情况,不少学者提出了添加数字水印和数字签名的方法来进行鉴别,但由于依赖预签名提取或者预嵌入水印信息,因而实用性差。因此,不需要任何先验条件的数字图像被动防伪检测方法已成为信息安全领域的重点研究方向。鉴于数字图像篡改手段的多样性,其相应检测方法也应有所区别,本文重点研究在篡改图像中最具代表性的拼接图片的被动检测算法。针对拼接图像篡改检测问题,本文将图像篡改与否视为一个二元问题,利用特征提取-分类的方法进行检测,提出了基于图片DCT域共生矩阵的拼接图像盲检测算法。自然图像经过拼接篡改后,图像平滑度,连续性及一致性等方面会被改变,而图像经过DCT变化后,在尽可能的减少冗余信息的情况下,能将在空域中的微小变化映射到频域中的显著变化。在此基础上提取的共生矩阵特征能够反映这些差异。基于这些差异,本文提出一种新的方法进行特征提取,通过支持向量机技术来判定图像是否被篡改。实验结果表明,鉴别准确率在哥伦比亚灰度图片库和中国科学院彩色图片库上分别可达到可达91.2%和98.5%。此外,考虑到图片内容,大小,格式方面的千变万化,任何的图片库均不能完整的包含所有的图片,因此,考虑一种对单一图片进行检测的算法尤为重要。有鉴于此,本文提出了一种基于图像块噪声估计的盲检测算法。它的原理是基于图像在成像过程噪声的一致性,而拼接篡改图片部分通常会改变这种一致性。该算法首先对图片进行分块后估计块噪声,之后对得到的噪声值矩阵进行分析,利用形态学操作来进行块合并,如果图片被篡改,篡改部分能够清晰的显示在最后的图像块矩阵中。实验证明,这种算法能在无训练模型的情况下实现图片的防伪检测,并且能准确的定位篡改区域。