近几年来,数码相机、个人电脑以及各种图像处理软件的普及增大了视觉上没有明显篡改痕迹的造假图片的数量。尽管多数篡改不会引起人们在视觉上的怀疑,但一旦这些被恶意篡改过的照片大量流传到网络上或者被用于媒体、法庭证据和科学发现等重要邻域,将会对人们的学习和生活带来严重的负面影响。此时,研究能检测图片真实性、可靠性的取证算法变得极其重要。数字图像篡改手段多种多样,其中一种是基于样例的目标去除篡改。由于这种篡改在改变图像的重要语义对象的同时能够较好地隐藏修复篡改痕迹,常常被用于实际生活。基于样例的图像修复技术是用已知区域的信息填充未知区域,原本作为一种正常的修复手段修复图片大面积缺失或破损区域,但也不乏一些不法分子用于恶意的对象移除来达到其不可告人的目的。本文针对基于样例修复的对象移除篡改操作研究相应的取证算法,主要工作和创新点如下:首先,提出了一种改进的基于样例修复的对象去除取证算法。本算法通过一种hash映射函数将图片三维的颜色信息转换成一维的hash值映射至哈希表。然后,根据当前块的hash值,在hash表中该值的附近快速搜索可疑块对,在搜索计算匹配度时利用最大零连通分量并标记,去除那些零连通分量小于阈值的像素,实现可疑像素对的定位。其次,为了排除真实的背景区域的干扰,该算法进行了相似向量滤波。最后,采用基于质心的篡改区域定位方法,先对可疑区域标记,利用相似向量找到匹配点,用参考点的标号代替篡改点标号;当标号相同时,计算质心以及质心分别同像素点对的距离,从参考块中区分出篡改块,实现篡改区域最终的准确定位。实验结果表明,本算法提高了篡改定位精度。其次,从特征提取的角度出发提出了一种鲁棒的对象级的图像修复检测算法。基于样例修复的对象移除操作破坏了原图像的固有统计特性。因此,该算法提取能反映这些特征变化的敏感统计量,具体包括纹理描述局部二值模式(LBP)特征和灰度共生矩阵(GLCM)特征的Zernike矩、均值、方差、标准差以及结构描述子梯度(Gradient)特征的上述统计量和最大值、最小值,共十四个统计量作为特征向量,然后借助支持向量机SVM分类器对图像样本集进行训练和测试,从而对图片真伪作二分类判别。实验结果表明,此算法具有较高的检测正确率,并对JPEG压缩、添加噪声、模糊等后处理具有良好的鲁棒性。