图像与文字不同,它代表了一种有效和自然的人类传播媒介,其传达的信息比文字更加丰富、直接,并且能跨越语言的障碍。图像编辑软件工具的大量使用让改变图像的内容或创建新的图像变得非常简单。因此,在不同领域中,篡改图像的出现频率都越来越高,图像的可信度直转急下,“眼见不再为实”了。而且随着图像编辑工具的不断升级,这些问题只会变得越来越严重。传统图像取证一直专注于低级视觉特征,很少关注图像的高级语义信息。针对这个问题,本文提出了基于高层语义图像理解的图像篡改检测框架,它由图像理解模块、正常规则库(NR)、异常规则库(AR)组成。首先,图像理解模块整合为密图像标注模型,不需要人为干预而且有更丰富的层级分层特征。其次,本文提出的框架可以为NR自动生成数以千计的语义规则。第三,除了NR之外,本文也提出构建AR。这样不仅可以利用NR,将图像篡改检测看作异常检测问题,还可以利用AR,将图像篡改检测看作识别问题。实验结果表明,本文提出的框架是有效的,表现更好。传统的图像篡改检测算法最多能够做到判别一张图像是真实还是被篡改过的,不可否认,很多图像内容被蓄意篡改以达到自己的目的,但也有不少操作是良性的,仅仅只是微秒美化一点以增强艺术感受或为新闻更有效地传播而已。所以除了关注图像篡改本身,本文也应该关注如何评估图像篡改对原来图像影响的问题。本文开创性地利用了显著性机制来评估图像篡改区域是否影响图像的主要视觉内容,即评估图像篡改对原图的影响。实验结果表明了方法的有效性。总的来说,本文提供了图像篡改检测的最新进展,而且更进一步地,开创性地研究了图像篡改对图像本身的影响。