数字图像取证技术是指对数字图像的来源、篡改/窜改、伪造和隐密进行分析、鉴别和认证,开展这一研究工作,对于确保公共信任秩序、打击犯罪、维护司法公正和新闻诚信具有十分重要的政治意义。数码相机源辨识问题作为图像取证技术的一个重要研究方向,它通过对成像设备在成像过程中残留于数字图像内的机器印迹进行分析和判断,达到追溯数字图像来源的目的。目前,追溯设备来源的途径主要有两条:一是利用设备指纹进行相关性检测;二是基于图像特征进行模式分类。两条途径各有优缺点,所适用的应用场合也有一定的差别。本文从基于相关性检测和基于模式分类两个方面开展研究工作,主要研究如何提高相关性检测算法的辨识率并减小计算量,以及进一步改善模式分类算法的性能。我们首先分析并仿真典型算法,然后在此基础上提出了改进算法:1、针对相关性检测的算法。首先围绕模式噪声的抽取和预处理,讨论去噪滤波器和去颜色滤波器阵列插值对提高模式噪声质量的影响,我们比较了四种滤波器的性能,然后重点讨论选取传感器模式噪声部分大分量对改善相关性检测器性能的作用。本方法进一步提高了相关性检测算法的辨识率,改善了算法对JPEG压缩的鲁棒性,而且还大大减小检测的计算量。2、针对模式分类的算法。首先分析现有算法所提取的各类特征对相机的独立分类能力,从中选取分类性能较好的部分特征,然后应用提取模式噪声大分量的方法改善基于差值统计的特征。结合基于模式分类的扫描仪辨识算法所提取的特征,我们增加一些小波域特征,进一步改善分类器性能。本算法提高了模式分类算法的辨识率。