随着图像编辑软件的飞速发展,人们能够以非常低的成本伪造数字图像,这给图像的可靠性带来了巨大威胁。复制-粘贴篡改是各种图像伪造中一种常见的操作,其将图像的一个或多个区域粘贴到同一幅图中的其他位置以隐藏或复制感兴趣的对象。这样的过程可能还伴随着旋转、缩放、压缩以及添加噪声等,目的是使伪造更具有说服力。对该类伪造的检测通常具有较大挑战性,且已有方法在某些情况下检测性能较低,例如复制-粘贴篡改仅涉及小或平滑的区域,或者篡改区域遭受了严重的攻击处理。为解决上述问题,本文提出了三种有效的数字图像复制-粘贴篡改检测（CMFD）算法,其具体内容如下:1.结合超像素与Delaunay三角网格理论,提出了一种基于三角网格综合特征的图像篡改检测算法,其有效解决了分块方法时间复杂度过高,及特征点方法检测精度过低的问题。首先,结合超像素分割和图像内容分类思想,针对不同的图像区域使用颜色不变性 Scale-invariant Feature with Error Resilience（SIFER）检测器自适应地提取关键点。其次,在提取的点上构建一组相连的三角网格,并通过快速四元数圆谐傅立叶矩（FQRHFMs）和梯度熵为每个三角形计算综合的局部图像特征。然后,采用一致性敏感哈希（CSH）算法快速匹配三角形。最后,密集线性拟合（DLF）技术、优化的零均值归一化互相关（ZNCC）方法和形态学操作被用来定位重复的区域。实验结果表明,该算法在合理的内存开销和计算成本下,提高了传统检测的精度。2.通过特征点均匀测量及引入快速鲁棒不变特征（FRIF）,提出了一种基于均匀特征点混合描述的图像篡改检测算法,其有效解决了现有同类算法无法检测非显著视觉对象问题。首先,提出了一个新的基于均匀性测量的自适应特征点检测器。该检测器继承了基于块和基于点的方法的优点,以自适应迭代的方式结合均匀性测量从每个子块中提取稳定的关键点。其次,FRIF被用来为提取的点构造混合的二进制描述符。然后,使用逆序广义2近邻（Rg2NN）进行特征匹配以找到候选的匹配对,并在SLIC算法粗除候选的配对后,通过RANSAC算法查询正确的对。最后,使用优化的去均值归一化积相关（NNPROD）方法和形态学操作对重复的部分进行定位和标记。大量的实验结果证明了该算法即使在各种具有挑战性的条件下仍具备有效性。3.结合 Geometry-Invariant Dense Adaptive Self-Correlation（GIDASC）局部图像特征描述符,提出了一种基于鲁棒特征的图像篡改检测、辨识和修复算法,其可以有效定位重复区域,同时对真伪进行辨识并将篡改的部分修复。首先,通过降低对比度阈值和调整图像大小,去除基于均匀性测量的自适应特征点检测器的迭代过程,从而加快提取关键点的速度。其次,GIDASC描述符被用来表示局部图像内容。然后,匹配特征并使用SLIC算法对候选的配对进行聚类,同时利用迭代的方式解决当存在多克隆时,单应性不唯一的问题。最后,通过优化的NNPROD算法对重复的区域进行真伪辨识,并根据邻域内容修复缺失的区域。综合结果表明,该算法在伪造检测方面与其他先进的方法相比表现优异,在伪造定位与修复方面独具创新。