随着图像处理技术及软件的快速发展，图像篡改变得越来越简单。那些人的肉眼很难分辨出的图像篡改，给新闻界、政治界、法律界、科学界和金融界带来了很大的麻烦，引发了互联网和大众的信任危机。检测数字图像的真实性已经成为迫在眉睫的事情。　　本文分析了现有的数字图像盲取证技术的原理、特点、数学模型及算法，将基于图像统计特性的数字图像盲取证作为研究的重点，主要研究自然图像与计算机生成图像的鉴别。　　在归纳总结现有的数字图像盲取证技术的情况下，本文详细介绍了现有的自然图像与计算机生成图像鉴别技术，并提出一个通用的数字图像盲取证基本框架；针对自然图像与计算机生成图像的鉴别，本文设计了基于LibSVM的图像分类器，给出了自然图像与计算机生成图像的鉴别流程。　　本文在分析图像在小波域具有的统计特性时，详细分析了自然图像与计算机生成图像在小波域的统计特性的差异，并根据这种差异提出了两种自然图像与计算机生成图像的鉴别方法：基于高阶累积量的鉴别算法和基于统计描述的鉴别算法。　　基于高阶累积量的方法从图像的小波域特征出发，使用QMF分解得到图像的分解系数，用一阶到四阶累积量对该系数进行特征值提取，并根据预测误差矩阵得到图像小波系数的预测误差，再利用该预测误差计算其一阶到四阶累积量，得到图像最终的分类特征值。　　基于统计描述的方法选择了对称分数B样条小波图像分解和适用于小波系数的部分统计描述量，对自然图像与计算机生成图像进行特征提取。其中，对称分数B样条小波是一种较传统小波函数能达到更高的逼近的小波函数；统计描述量是能够反映数据更本质、更可靠和更稳定的分布特征和分布规律的概括性度量。　　之后，本文对提出的两种方法进行了仿真实现与分析，进一步验证了方法的可行性与优越性。　　最后，对全文的工作进行了总结，并为今后的工作指明了努力方向。