随着互联网技术的更新迭代,图像已成为信息传播的主要载体,各类图像编辑软件的开发和使用也使图像能够轻易地被篡改,若任由篡改图像在司法、新闻等行业传播,将会影响人们对图像乃至相关行业的信任度,因此,图像的真伪鉴别具有越来越重要的地位。图像复制粘贴篡改是生成伪造图像最简单的方法之一,它将原图像中的部分区域复制,直接或经过处理后粘贴到图像中的其他位置,其目的是隐藏或增加图像中的某些元素。图像复制粘贴篡改检测作为图像被动取证技术的重要分支,通常包含预处理、特征提取、特征匹配和后处理四个主要步骤。本文基于上述流程进行图像复制粘贴篡改检测技术的研究,针对图像中特征提取阈值难以确定、特征点分布不均匀等问题,提出如下两种算法:（1）提出一种基于深度特征提取和离散余弦变换的图像复制粘贴篡改检测算法。针对单幅图像特征点提取阈值难以确定、伪造区域定位不完整的问题,算法中首先融合图像颜色和纹理信息获得单通道图像,采用自适应计算特征提取阈值的策略,并通过基于全卷积神经网络的特征检测器提取图像深度特征;其次,通过离散余弦变换提取图像块特征进行初步匹配,再利用点特征向量消除误匹配;最后,通过卷积运算精确定位伪造区域。在公共数据集上与其他相似算法进行对比发现,此算法在应对JPEG压缩、添加噪声、亮度改变等图像变换时具有良好的稳定性。（2）提出一种基于图神经网络匹配的图像复制粘贴篡改检测算法。针对图像特征点提取不均匀、单尺度超像素划分对定位结果影响较大的问题,算法中首先将图像进行多尺度超像素分割并采用深度特征检测器获取关键点,为保证特征点足够充分,以超像素为单位计算特征点分布均匀度,自适应降低特征提取阈值;随后引入新的基于注意力机制的图神经网络特征匹配器,进行超像素间的迭代匹配,并利用分层聚类和随机采样一致性算法消除误匹配;最后将多尺度匹配结果进行融合,精确定位篡改区域。通过与其他算法在公共数据集上对比发现,此算法具有较高的准确率和召回率,且能有效应对旋转、缩放等攻击变换,同时表明了图神经网络在图像篡改检测领域的可用性。