近年来,随着数字媒体技术的发展,数字图像成为了一种主要的信息载体。然而,图像篡改工具的普及,使得人们可以轻而易举的对数字图像进行伪造和篡改。若这些篡改图像被恶意的应用到法庭取证、新闻报道和学术研究等领域,则会引起社会的公信力危机。在这种背景下,数字图像取证技术应运而生。该技术可以通过分析图像的内在特征,准确的判定图像的真实性。同源拼接篡改是一种常见的图像篡改方式,它是指复制一幅图像中的某部分,将其粘贴到同一图像中的其它位置的操作。本文主要针对图像的同源拼接篡改进行盲取证研究。由于同源拼接篡改会在图像中引入两块或两块以上相似度极高的区域,所以对这种篡改的检测通常通过对图像特征进行相似性匹配来实现。本文的具体研究成果如下：(1)本文提出了一种基于Zernike矩的图像同源拼接检测算法。该算法从重叠的图像块中提取Zernike矩构造特征向量。在特征匹配阶段,本文提出了基于颜色划分的局部敏感哈希匹配算法。该算法通过颜色分组和哈希映射减少了算法的计算量,并使用相对距离代替欧氏距离作为特征的相似性判据,提高了匹配的准确度。在误匹配删除阶段,本文提出了基于空间位置聚类的孤立块消除机制和基于斜率聚类的RANSAC算法。在去除错误匹配的同时,该误匹配删除机制可有效保留来自不同复制-粘贴区域的匹配对,使算法可以检测到图像中存在的多组复制-粘贴区域。实验证明,该算法可有效地对篡改图像进行鉴别,并可实现对篡改区域的精确定位。在鲁棒性方面,该算法可以检测到平滑的篡改区域,并对旋转、轻微缩放、JPEG压缩、模糊和轻度噪声有良好的抵抗能力。(2)本文提出了基于BRISK特征的自适应图像同源拼接检测算法。该算法解决了基于关键点的同源拼接检测算法会对平滑的篡改区域失效这一问题。首先,算法提出了一种新的图像分割方法,根据图中的纹理分布,将图像划分为平滑区域和纹理区域。BRISK关键点为尺度空间的极值点,多出现于图像的纹理区域。在难以提取到关键点的平滑区域,本算法降低关键点的提取阈值,以构造对图像平滑区域的特征描述。而在图像的纹理区域,算法则使用通用的关键点提取阈值,避免提取到的关键点过于密集,增加算法的计算量。由于BRISK特征为512维的二进制序列,所以算法使用汉明距离作为相似性判据。值得注意的是,汉明距离的计算复杂度要远低于欧氏距离,所以相较于传统算法,本算法具有更好的实时性。实验证明,本算法可有效的检测到平滑的复制-粘贴区域,并对旋转、缩放、轻微JPEG压缩、模糊和轻微加噪有良好的鲁棒性。