数字图像广泛应用于新闻传媒、司法鉴定、法庭取证等各个领域,然而随着信息技术的发展,智能手机、相机的普及使得越来越多强大的数字图像编辑器得到开发和使用。更多的用户能够对图像进行自由随意的处理和修改,使得部分恶意用户有了可乘之机,因此图像的真实性和完整性难以保证。图像模糊操作的取证研究通过技术手段揭示图像操作历史,验证图像数据的真实性和完整性。本文基于传统特征方法和深度学习方法进行了模糊操作取证的研究,主要工作包括:（1）由于单反相机的出现和应用使得图像中不可避免地产生模糊不一致性,对于这类散焦图像,现有的模糊取证算法难以识别拼接和准确定位篡改区域。针对这一问题,提出了散焦图像中的模糊取证与拼接定位算法。首先对散焦图像中的原始自然模糊和拼接过程中的人为模糊进行了定义,分析模糊操作的特性,提出了基于后验概率图、噪声直方图和导数共生矩阵三个线索的联合特征集。然后应用所提多线索特征集设计了散焦拼接图像的定位方案。实验结果表明,所设计的多线索特征集在模糊操作的检测上优于现有的模糊检测特征,对参数型和非参数型模糊都能够准确分类,在JPEG压缩后处理情况下也能够揭示拼接区域。（2）由于后施加的操作对前一操作很容易产生干扰,使得基于前一操作已知伪影设计的取证特征失效,多操作顺序的检测具有挑战性。针对这一问题,首先将现有的多操作取证算法分为三类:固定操作链中检测某个特定的操作、在指定操作的操作链中检测某个特定的操作链以及在指定操作的操作链中检测多操作顺序。其次,通过分析模糊操作和缩放操作在同一操作链中不同先后顺序的互相影响,设计了多操作顺序检测的取证特征,提出了特征提取与检测算法。实验结果表明,在所考虑的全参数组合下,所提特征的检测准确率具有很大优势,且检测结果优于目前最先进的方法。（3）JPEG压缩作为图像篡改过程的后处理操作时,会削弱甚至消除实际篡改主操作的伪影,使得需要检测的主操作在后处理的影响下难以取证。针对这一问题,提出了基于深度学习方法的多操作鲁棒取证网络,对模糊和缩放组成的多操作链进行鲁棒取证研究。在空域特征提取子网中,预处理层采用两个高通滤波器来产生对应的邻域残差图,然后通过高阶特征提取层构建取证特征。在频域特征提取子网中,设计了Gabor变换层和Gabor特征提取层来获得频域操作痕迹。将提取的空域和频域特征结合,通过分类网络完成了MCRF-Net的设计。实验结果表明,所提多操作链鲁棒取证网络能够准确取证多操作链,在模型收敛速度和分类检测准确率方面均优于现有最先进的图像操作取证网络。