随着信息技术的发展和应用不断地深入,数字图像作为一种重要的信息传递的媒介,而对数字图像的真伪取证研究方向已经成为一个热点。当前,对数字图像真伪取证的研究主要有两个大方向,一种是基于数字水印的主动式数字图像取证安全技术,另一种是被动式数字图像取证安全技术。前者主要是在数字图像中加入数字水印来达到鉴别取证目的,这方面的研究已经较为成熟。后者主要针对未知信息来源的数字图像进行取证鉴别目的,主要研究方向分为针对经计算机软件加工过的自然图像的鉴别取证研究和针对完全由计算机软件生成的数字图像的鉴别取证工作。目前对计算机生成图像的取证研究还处于起步阶段,因此本文的研究工作有着非常重要的研究价值和实际应用价值。本文在高阶统计量的基础上,提出了一种对计算机生成图像的取证检测改进算法和一种多维特征提取的计算机生成图像取证检测算法。在这两种检测算法中,本文首先提取训练图片的有效图像特征值,将其作为训练样本,然后,训练分类器生成2类分类模型,最后,提取待测图片的特征值,输入分类模型,判断图像是否是计算机生成图像。如何提取有效的图像特征值是本文的重点。在前一种取证检测改进算法中,本文计算各彩色带的高阶统计量,选取图像小波子带系数及其线性预测误差的高阶统计量作为图像的特征值。而在多维特征提取的计算机生成图像取证检测算法中,本文采用由多个特征值组成的多维图像特征向量,它包括图像的空域特征和基于高阶统计量的特征值。试验显示,后一种算法更有效的检测出图像中是否是计算机生成图像。