相机设备的广泛应用,促使数字图像作为一种重要的信息载体,逐渐融入我们的生活。随之而来的图像编辑软件的普及,让人们不得不重新审视眼见为实的观念。近几年来,新闻媒体、司法公证和科学研究等领域图像造假事件频发,更使得判别数字图像的真实性和原始性成为取证领域中亟待解决的问题。篡改者常通过不同的图像操作改变图像及其所要传达的信息,从而影响读者对事物真实性的判断,因此检测数字图像经历的操作历史具有重要意义。基于上述研究背景,本文首先深入总结了图像操作取证算法的研究现状,然后从数字图像多操作取证的准确性、实用性和鲁棒性等方面提出有效的解决算法,主要包括以下工作:(1)提出了一种基于类间差异增强的小尺寸图像多操作取证方法。针对现存的图像多操作类型检测算法,对小尺寸图像检测性能不佳的问题,本工作从预处理层和分类网络两方面考量设计算法,能够检测六种典型的图像操作。首先预处理层在不引入额外信息的同时增强类间区分度,为下一步特征提取和分类做准备;为适应图像尺寸减小,图像操作痕迹大幅度减少的问题,引入Xception网络结构优化特征提取。实验结果表明,本方法能够对多类图像操作准确检测,并且在更有挑战性的多种操作链类型检测场景中依然有效。(2)提出了一种基于融合型预处理的图像多操作取证方法。针对上述方法在预处理过程中仅考虑了增强类间差异,对图像内容抑制作用仍有待提升的问题,本文进一步对预处理层进行优化,即一方面采用尺度为二的最近邻插值算法增大类间区分度;另一方面将固定参数的高通滤波预处理融合进端到端的CNN网络,抑制图像内容,并用深度可分离卷积对普通卷积进行替换,从而在不增加算法复杂度的前提下提升模型的性能。实验表明,本方案在小尺寸图像多种单操作类型和多种操作链类型的检测中准确率均得到提升。(3)提出了一种具有JPEG鲁棒性的图像多操作取证方法。现存多操作取证方案对JPEG后处理的鲁棒性不足,检测性能不佳。本算法包含预处理层和分类网络两部分,能够有效提取被JPEG后处理削弱的图像操作痕迹,从而提升算法的JPEG鲁棒性。采用自学习预处理卷积层来替代人工经验设定的固定参数滤波核,能够有效抑制图像内容,使网络更专注于学习和提取微弱的图像操作痕迹特征;分类网络中降采样模块和特征提取模块结合深度可分离卷积和残差连接,进而在提升网络非线性表达能力的同时保证对微弱痕迹特征的学习能力。实验表明,本方法在高质量因子和低质量因子的JPEG鲁棒性检测中都有较好的表现。