随着网络及多媒体技术的快速发展,数字图像已经成为一种重要的信息载体。然而与胶片图像不同,数字图像是以数字的形式存在,导致其极容易被篡改。如果这些篡改图像被用于科学研究、新闻报道、司法证据等重要领域,势必会对社会的稳定产生重要影响。所以,迫切需要一种技术对数字图像的真实性进行检测。现有的数字图像取证技术分为两大类：主动取证技术与被动取证技术。主动取证技术需要事先在图像中嵌入水印等附加信息,具有很大的局限性。而被动取证技术,也称为盲取证技术,则是依据图像本身的属性信息对图像的真实性、完整性和原始性进行认证,无需事先嵌入任何其它附加信息。本文重点研究了统计矩特征量区分自然图像、拼接图像及计算机生成图像的理论依据及其生成过程,并结合模式识别技术对图像拼接检测技术及计算机生成图像鉴别技术进行了深入研究,取得如下成果。第一、深入分析了自然图像、拼接图像和计算机生成图像的生成过程和统计特性,为实现三者之间的有效鉴别提供理论基础。第二、详细讨论了统计矩特征量在鉴别篡改图像和自然图像中的应用原理,并提出了基于统计矩特征量和模式识别的图像盲取证框架。第三、对图像篡改中最常见的图像拼接方式进行了深入研究,通过对比自然图像与篡改图像的统计特征,提出了一种基于图像质量评价量与统计矩特征量相结合的图像拼接检测技术。实验结果表明,该方法理论依据充分、效果突出。第四、对自然图像与计算机生成图像的鉴别技术进行了研究,根据自然图像与计算机生成图像统计特征的不同,引入统计矩特征量作为鉴别特征量对图像进行分类。实验结果表明,该方法识别率高、适应性强。