随着信息技术的快速发展,数码相机、手机等数码产品的功能变得越来越齐全,人们生活水平得以显著提高。但是,由于图像编辑软件的出现,任何人都可以根据自己的需求对图像进行篡改或伪造,进而引发严重的社会问题。因此,确保数字图像的真实性和原始性已成为广泛学者关注的问题。就数字图像篡改取证,国内外学者已经提出了大量算法。其中,基于模式噪声的图像篡改检测技术已经取得了很大进展。现有的图像篡改取证技术具有通用性,主要依靠相机固有噪声,即传感器模式噪声,来识别篡改方式和定位篡改区域。但基于模式噪声的图像篡改取证技术更多的关注图像复制-粘贴、拼接等操作,对图像的模糊润饰和增强操作检测相对较少。本文在模式噪声的图像篡改检测基础上联系实际情况,提出了两个有效的图像篡改取证检测方案,具体研究成果如下:1)针对现有线性滤波核估计方法精度不高问题,提出了一种基于图像PRNU(PhotoResponse Non-Uniformity)噪声的线性高斯滤波核估计算法。该方法将相机参考PRNU噪声作为识别指纹,分别从干净图像和待测图像中提取图像噪声残差,并计算这两种图像噪声残差与识别指纹的互相关。从数学意义上,最终可以确定这两种互相关之间的线性相关性。然后根据线性最小二乘法估计出待测图像的滤波核系数,并与真实的滤波核计算两者之间的均方误差来测量该算法的有效性。此外,由于干净图像的未知性问题,如何获取没有其他加性噪声的图像是至关重要的。本方案提出重拍待测图像的方法,将拍摄出的图像作为干净图像,有效地提高了检测性能,同时,对JPEG压缩有鲁棒性。2)针对现有的全局对比度增强检测在中低强度JPEG压缩质量因子下分类精度不高的问题,提出一种基于线性模型的图像对比度增强检测算法。本文提出首先从图像中提取图像噪声残差,对图像噪声残差采取分块策略,计算每块的线性模型,根据对应图像块的线性模型计算相应的功率谱密度来呈现线性模型的特性。然后计算整幅图像的均值功率谱密度,作为分类特征。最后采用支持向量机进行分类。实验结果表明,此方案能够进行有效的分类,能够抵抗一定程度的图像压缩。此外,还可以有效解决局部高斯模糊和对比度增强篡改定位检测问题。