由于功能强大且日益成熟的图像处理软件的广泛使用,对数字图像的修改操作变得日趋简单。尽管大多数人对数字图像的修改只是为了增强图像的视觉效果,但也不乏一些人恶意传播一些经过精心伪造和篡改的数字图像,以达到不可告人的目的。因此,对于数字图像取证技术的研究具有重要的现实意义和价值。在进行不同的图像之间进行剪切或者复制、粘贴等图像篡改时,为了使篡改以后的图像不引起视觉上的怀疑,往往需要对剪切的部分图像进行尺度变换、旋转等等,这就对图像进行了重采样操作。因此检测图像重采样技术是数字取证中发现图像是否被篡改的有效途径之一。本文就是针对这一课题开展工作的。在对现有重采样检测技术进行分类和总结的基础上,首先研究了重采样操作对图像引进的统计特性的变化,然后探讨了具有代表性的重采样检测方法,最后提出了两种图像重采样检测的新方法。具体如下:首先是对图像取证基本理论和方法的研究。介绍了当前国际国内针对图像取证技术的研究现状,并深入分析了图像重采样操作的原理以及重采样操作所引起的图像统计特性的变化,着重分析了两种利用统计特性对图像重采样操作进行检测的方法,并对两种算法进行了编程实验与测试,对比了两类算法的性能和检测效果。针对现有算法的局限性,本文给出了一种新的图像重采样检测方法。通过实验总结出重采样图像的DCT域AC系数首位有效数字的统计特性,并构造有效特征,根据篡改前后差异的显著性水平来设定阈值对待测图像的真实性做出判决。实验结果表明,该算法可适用于JPEG图像,并有效弥补了现有算法下采样检测效果不理想的不足,提高了鲁棒性。本文从应用的角度出发,发现图像在上传过程中经历了重采样和重压缩的过程,给出了一种针对JPEG图像网络上传下载的检测方法。通过提取有效特征来构建模型,并利用支持向量机进行训练和测试,对JPEG图像网络上传下载进行了有效检测。最后,对论文所完成的工作进行总结,并对图像盲取证技术进行大胆展望。