随着拍照设备的便携化和摄影成本的降低,照相已经成为人们记录生活的一种习惯,社交网络的发展又为数码照片的分享提供了便利的平台,导致互联网上的数字图像以每日数十亿张的速度激增,为图像伪造提供了便利的素材来源。加上图像编辑软件的不断升级,其操作愈发简单而且功能更加强大,这些都为信息安全埋下了隐患。近年来图像造假现象频发,已经严重干扰了社会生活秩序,可见图像取证的研究意义重大。本文针对应用面最广的数字图像盲取证技术,从其两个重要研究方向来源鉴别与篡改检测出发,实现对来源设备的辨别、对图像是否经过篡改伪造的判定与篡改区域的定位。来源鉴别作为取证的第一关,一方面验证了图像的可靠性,另外也为后续的篡改检测提供了设备依据。现有的研究主要从图像的模式噪声和篡改方式的角度进行来源鉴别和篡改检测,泛化能力较弱。本文从数字图像质量的角度出发,分析了成像和篡改操作对图像质量的影响,重点研究了图像质量评价算法在图像盲取证上的应用,提出了可用于取证的无参考图像质量评价特征,以及利用不同的质量评价量分别进行来源鉴别和篡改定位的方法。主要成果如下：(1)针对目前研究不能鉴别非训练库相机这一问题,设计了实现训练模型外设备鉴别的方法,利用多类分类器与单类分类器融合的结构,完成对不属于训练库的相机设备也能进行正确判定的任务,并分析了分类结构的理论误差,给未来研究作参考。同时,根据不同来源相机生成图像质量的差别,分析图像相邻像素之间的相关性,得到对应的质量评价特征,用于学习分类模型。通过实验对图像相邻像素相关性特征的性能进行评估,与其他来源鉴别特征相比准确度整体较高,结合所提分类结构能够鉴别外来设备。(2)针对现有算法通用性差的问题,将图像质量评价引入篡改检测领域,提出了一种利用无参考评价量实现篡改盲检测的方法,针对图像质量在空域和频域等不同方面的统计特性设计了13个特征,以及将特征用于全局检测与局部定位的结构。通过实验对图像模糊和压缩等常见篡改进行检测仿真实验,全图篡改检测的准确率均在96%以上,与其他同类型的方法对比准确度整体较高,但一些图像局部篡改检测的准确率不高,通过进一步分析和实验证实,合理选择图像分块大小可以提高检测准确率。最后用Photoshop软件制作肉眼几乎看不出破绽的篡改图像进行实验,检测结果与实际篡改情况十分接近,证明所提算法在实际的复杂应用环境中是有效的。