随着计算机科技的快速发展,获取和编辑图像变得越来越容易。这些图像技术的进步革新在满足人们对图像编辑需求的同时,往往也给图像的真实性和完整性带来了挑战。特别在经过恶意篡改的图像若传播到网络上或者用于科学研究、法庭证据等,其危害性将不可估量。因此,图像取证正成为热门的研究领域之一。图像重定向作为一类常见的图像编辑手段,也可用于非法篡改。有些图像重定向手段可以直接篡改图像的语义内容,并且许多复杂的图像操作会包含这一环。因此,为遭受图像缩放操作的图片设计检测方法是很有必要的。本文基于三种具有代表性的重定向篡改手段,即seam carving,普通均匀缩放scaling以及scale-and-stretch(SNS),分别在通用取证与篡改历史检测两个方面入手,提出了相应的被动取证算法,论文的主要工作和创新点如下:首先,针对传统重定向取证方法大多是基于一种特定篡改类别进行二分类检测的问题,提出一种通用取证算法用于检测多种重定向篡改。鉴于图像缩放操作不仅会产生局部纹理的变化,也会造成全局结构的形变,设计了一个512维的特征集用来揭示由图像缩放所引起的纹理变化,其中包含了相邻局部二元模式的共生(co-occurrence of adjacent local binary pattern,COLBP)和二值化图像统计特征(binarized statistical image features,BSIF)。根据三种具有代表性的不同类别的重定向手段为检测对象,以支持向量机(SVM)为分类器进行检测和识别。与现有方法相比,该方法对单个篡改操作的检测精度得到了较大提高;另外,对确定不同的图像重定向类型方面取得的检测率也达到了92.97%~97.88%。其次,针对图像重定向与对比度增强篡改链检测的问题,本文受隐写分析启发,从像素相关性变化的角度探究篡改链的统计特性,采用包含多种残差子模型的空域富模型(spatial rich model,SRM)来进行取证工作。不同的篡改类别和顺序会对图像的固有结构造成不同的影响,而该算法中丰富的残差子模型的运用能从不同的层次诠释其像素相关性的变化痕迹。最后以支持向量机(SVM)为分类器分别对三种不同的操作链进行检测和识别。实验结果表明,在seam carving-对比度增强篡改链、scaling-对比度增强篡改链以及SNS-对比度增强篡改链上,该算法均能有效的识别其篡改类别以及篡改顺序,且取得较好的检测精度。