图像数据作为信息传递的一个有利的载体,广泛的应用在新闻报道、智能信息收集等网络环境中。随着图像编辑软件的发展,用户可以对图像进行图像拼接、图像合成、图像效果处理等各种编辑处理,以致人的肉眼很难分辨出图像是否经过篡改。这给新闻界、法律界和金融界带来了很大的麻烦,引发了互联网和大众的信任危机。数字图像盲取证能直接针对篡改图像内容对自然图像进行取证。因此,研究数字图像的被动盲取证技术是解决目前大量篡改图像取证的关键。本文分析了现有图像被动盲取证技术的原理和特点,研究了现有取证技术的理论背景、实验环境、数学模型及算法,讨论了数字图像盲取证的理想模型和通用模型及意义,确定了针对数字图像篡改中的复制粘贴操作作为本文的研究重点。本文首先针对图像仅经过复制粘贴篡改方式进行检测,这种篡改方式通常是通过计算图像的相关性来检测取证的。本文对目前的主要相关性算法理论、思想和实现方法进行分析,提出了基于特征像素相关性的盲取证算法,在检测过程中,本文运用双树复小波变换对图像降维,降低了算法复杂度,提高了检测精度。实验结果表明,本文提出的篡改认证方法能有效地对抗噪声对认证的影响,对一般的噪声(高斯噪声、低频滤波)具有很好的鲁棒性。由于现实中图像经过复制粘贴篡改后,还有可能进行旋转、缩放等操作。因此本文针对复制粘贴后篡改块经过旋转、缩放等操作进行取证检测。本文提出基于Radon和解析Fourier-Mellin变换的数字图像盲检测算法。文中首先介绍了几种常见的检测旋转、缩放等操作的矩特征值算法；其次介绍了Radon和Fourier-Mellin的算法及其性质；最后将算法运用到图像检测中,进行仿真实验。理论分析与实验结果表明,本文提出算法的检测结果优于基于正交矩的检测结果,而且对均值为0的白噪声的鲁棒性显著高于基于正交矩的噪声鲁棒性。文章中包含有1个表格,30幅图像,50篇参考文献。