随着图像采集设备以及各种编辑工具的普及,用户可以轻松地对数字图像进行篡改伪造,传统的“眼见为实”的观念正在被颠覆。为此,迫切需要行之有效的技术手段对数字图像的真实性进行鉴定。不同于数字水印或数字签名等主动取证技术,图像被动取证技术不需要预先嵌入信息,而是直接利用图像本身的统计特性进行真伪判别和篡改定位,近些年得到了学者们的广泛关注和重视。在各类图像编辑篡改手段中,对象级的编辑操作,包括添加、删除对象,或者改变对象的位置,可能改变图像的内容,往往最受关注。特别是,基于样本合成的图像修复原来是作为陈旧影像修复的正常手段,但也可以用于对象去除。因此,针对基于样本合成的图像修复进行被动取证研究,既面临巨大的技术挑战,又具有很强的现实应用价值。本文针对基于样本合成图像修复的对象删除篡改,研究相应的被动取证技术。具体地,论文的主要工作和创新点如下:首先,针对传统取证方法计算复杂度高、检测正确率较低的问题,提出了一种基于样本合成修复的对象删除快速取证算法。该算法首先通过中心映射将图像块转换至哈希表,从而快速定位可疑块对。其次,根据差值绝对值矩阵的最大零连通分量,将可疑块对应位置的像素标记为可疑,既获得了更加平滑的边缘,也提高了检测正确率。最后,利用碎片拼接检测过滤掉那些匹配区域个数较少的区域,对最终篡改区域进行精准定位。实验结果表明,与现有的被动取证算法相比,提出的算法能够节约90%以上的时间,并且使得检测正确率高于85%。其次,针对传统取证方法适应性不高的问题,将隐写分析的思路引入被动取证,提出了一种对象删除篡改的图像取证算法。它的出发点是:基于样本合成的图像修复在进行对象删除时,可能破坏原图像的固有统计特性,该过程与图像隐写极为相似。因此,类似于图像隐写分析利用的频域系数关联特性,提出利用多角度DCT系数差值联合概率构造图像的取证特征,并借助集成ensemble分类器进行图像真伪判别的被动取证方法。实验结果表明,该算法取得了较高的检测准确率,并且对JPEG压缩、添加高斯噪声等后处理操作具有较强的鲁棒性。迄今为止,基于样本合成图像修复的对象删除篡改取证研究还处在起步阶段。本文的研究工作是一种有意义的尝试,希望可以促进图像被动取证技术的进一步发展。