近些年,随着科技的不断创新,多种多样的数字产品涌现在我们生活中。其中,数字图像资源所占比率居高不下。同时,图像处理和编辑软件尤其是人像美化软件如美图秀秀,天天P图等的广泛使用,使得数码照片的编辑趋于简单化,且不会留下明显痕迹,甚至仅用肉眼无法辨别真假。篡改图片借助QQ、Wechat、Facebook、Twitter等网络平台散播速度以指数增长,极易被广大网民获取。一旦这些虚假图像被恶意利用,将会造成非常严重的后果:小到致使误导认知,大到危害国家和社会的安全。由此可见,数字图像取证研究是一个十分重要的研究课题。实现数字图像篡改的方法有很多种,而图像拼接是最为常见的方式之一。本文从数字图像取证鉴定的现实应用性出发,概述了数字图像篡改检测研究工作的意义,分别从主动和被动取证技术角度分析了图像真实性鉴定在国内外的研究现状。将基于图像特征一致性的数字图像盲取证作为本文研究的重点,主要研究数字图像拼接篡改检测。在分析归纳大量数字图像盲取证手段的情况下,本文详细介绍了现有的用于篡改检测的图像特征,并根据自然图像和篡改图像在这些特征方面表现的差异提出了两种拼接篡改检测方法:基于图像噪声和基于多特征融合的检测算法。基于噪声特征的方法从图像噪声特征出发,利用数字图像的高阶统计特性对背景噪声实现盲估计,并选取相邻重叠分块策略,结合拉普拉斯拟合和概率知识最终定位篡改部位。基于多特征融合的的方法在第一种方法的基础上,为了克服单个特征不能充分反映自然图像和篡改图像的差异的缺点,选取了多种图像特征,通过机器学习算法训练篡改部位和非篡改部位的多种特征,最后得到高效的分类模型,通过累加的特征差异实现篡改检测。之后,本文对提出的两种检测方案进行仿真实现与总结,进一步验证了方案的有效性和优越性。