近年来，数字图像真实性的检测和判定已经逐渐成为图像自动化处理领域的一个重要分支。它非常广泛地应用于现代社会生活的各个方面，如司法取证，商标防伪，医学图像检测等。数字图像的真伪性检测算法研究分为主动检测和盲被动检测两个途径。主动检测算法是在数字图像中预先置入识别信息，在检测时通过检验识别信息来区分图像的真伪。而盲被动检测算法不预先在图像中置入识别身份的特征，仅仅通过图像本身自有的各种特征信息进行检测与识别真伪。由于不用提前置入识别信息，被动检测算法有更为广泛的应用，此方向的研究逐渐成为数字图像处理领域的一个热点。本文以数字图像的盲被动检测算法的研究为重点，详细介绍此算法研究的背景及现实意义，国内外研究现状和算法碰到的难点。主要工作与研究成果如下：1）介绍了基于图像自身特征进行检测的一些常用算法，其中重点介绍最常见的检测算法—基于图像块匹配的算法。以及以此算法为核心衍生出很多不同的检测方法：穷举搜索法，基于模糊不变矩匹配，基于奇异值分解匹配，基于主成分分析匹配等。在此基础上，在算法中增加了转移向量统计模块，可以进一步定位篡改区域。2）介绍了针对最常见到的JPEG格式图像进行被动检测的算法。详细论述JPEG格式图像的生成过程并讨论对此类格式图像进行被动检测算法的特殊性。介绍了针对JPEG格式图像的三种检测算法：基于BAG (Block Artifact Grid)错置而误匹配的检测算法，基于背景噪声不一致的估计量化表检测算法，基于双压缩周期性检测算法。3）比较了三种检测算法，分析其优劣后，得出了结论：基于BAG错置被动检测算法更具有优势，有很多优良的特性。但是也具有一个重大的缺陷——检测结果常常会有比较多的错误，把图像的原始真实的区域定位成图像的伪造区域。尤其是在JPEG图像质量较高或图像灰度值梯度变化剧烈时，常常会出现很高的虚警率，严重影响检测结果。但是从大量实验中发现，在JPEG图像的篡改伪造区域和检测结果虚警区域有一个重要的差异，即经过人工处理的区域中会有相邻的错置BAG网格边界在竖直和水平两个方向上，而结果中的虚警区域并没有这个特征。并从原始算法中详细分析了产生此现象的原因。4）针对原始BAG错置算法的缺陷进行了改进，通过伪造图像块和虚警图像块的不同点，设计算法进行区分。对图像库中的图片进行实验检测，并且根据结果的统计数据发现,改进算法在多组实验中的效果比原始算法的检测效果要更优良。