数字图像作为信息的重要载体之一,在人们的日常生活、娱乐和工作中发挥着至关重要的作用。伴随着数字图像的广泛传播,人们对数字图像进行修改的需求愈加迫切,由此出现了各种图像编辑软件,如Photoshop、美图秀秀等。尽管这些图像编辑软件给人们带来了极大的便利,但是也给了不法分子可乘之机。如果这些虚假图像被用于媒体、科研、司法等领域,势必会引起恶劣的影响。因此,数字图像取证引起了研究人员的广泛关注。图像彩色化技术即图像着色,是一种通过一定的算法将灰度图像进行着色并导致人眼察觉不到变化的技术。尽管图像着色是图像编辑中最常见的图像操作之一,但是针对图像色彩篡改检测的取证研究近两年才开始引起研究人员的关注。本文围绕数字图像色彩篡改被动取证进行了深入的研究。提出了一种基于图像通道统计特性和神经网络的三阶段虚假彩色图像检测方法。首先,该方法比较了自然彩色图像的颜色分布和虚假彩色图像的颜色分布之间的统计差异并加以检验分析。之后,利用数字图像存在的统计差异进行特征提取。最后,利用提取到的特征数据来训练精心设计的神经网络从而完成对彩色图像真伪的检测。提出了一种多模型融合的端到端虚假彩色图像检测方法。该方法构造了一种由分类子网络模块、特征提取子网络模块、融合输出模块组成的多模型融合的双流卷积神经网络结构。通过整合分类子网络模块输出的分类信息与特征提取子网络模块输出的特征信息来提升整个网络对于数字图像色彩特征的提取能力。实验证明,本文提出的两种方法能够有效地鉴别彩色图像的真伪,且与现有的检测方法相比,也展现出了良好的性能优势。