数字图像已成为当今社会信息传播的有效媒介,被广泛应用于新闻媒体、法律案件等场合。但日益普及的图像编辑处理软件使图像篡改不再困难,致使图像造假事件不断曝光于各大网络媒体,造成了严重的社会信任危机。为了对图像造假现象进行有效的遏制,基于数字图像真实性鉴别的盲取证技术成为研究热点,也是信息安全领域的重点研究对象。其中图像拼接技术在图像篡改过程中应用非常广泛,因此研究面向图像拼接的盲取证技术可作为整个图像篡改检测系统的基础工作,其具有非常重要的学术价值。本文分析了图像盲取证系统的框架及其相应的研究类型,介绍了两种典型的图像拼接盲取证技术,然后对简单的拼接图像和模糊后的拼接图像进行了盲取证技术研究。对简单拼接图像的盲检测可视为统计模式识别中的二分类问题,通过分析神经网络的不足和支持向量机(SVM)的优势,在SVM的基础上提出了基于矩特征和希尔伯特-黄变换(HHT,Hilbert-Huang Transform)的图像拼接检测算法。从图像离散小波变换(DWT)系数特性出发的矩特征和基于HHT的特征之间存在比较小的相关性,两者组合可有效提高分类准确率。该检测算法的训练样本和测试样本来源于哥伦比亚大学的灰度图像拼接检测库。实验表明该检测算法的平均分类准确率达到85.8696%,比现有的72%有较大提高。图像简单拼接产生的拼接痕迹往往通过边缘模糊来淡化。对于边缘模糊后的拼接图像,本文利用带阻型同态滤波分析方法和形态学边缘进行盲取证。其中带阻型同态滤波器与高斯型和巴特沃思型同态滤波器相比,在增强图像对比度方面更为理想,可有效放大模糊拼接边缘。边缘检测方面,抗噪声形态学边缘检测算子性能优于传统算子Prewitt、Canny,其检测的边缘具有高清晰度、封闭、连贯等特性。仿真结果显示本文算法能够有效定位到模糊拼接边缘,实现模糊润饰后的拼接图像盲检测。本文包括图33幅,表2个,参考文献56篇。