随着图像采集技术的快速发展以及数码相机的迅速普及,数字图像己经融入了人们的日常工作和生活当中。但是随之而来暴露出了越来越多的图像信息安全问题:不法分子借助各种功能强大的图像处理软件对图像进行篡改来达到违法犯罪的目的,以及非法利用他人拍摄的作品牟取利益等。因此数字图像取证技术的研究具有重要的意义。本文所研究的相机源取证技术是数字图像取证的一个重要的分支,该技术可以在图像来源不明的情况下,将数字图像与其拍摄的设备进行关联。相机源取证技术在版权保护、图像溯源、法医鉴定等领域有重要的应用。本文首先介绍了数字图像取证以及相机源取证的历史和研究背景,介绍了数码相机的成像管线以及模式噪声,分析了目前现有的相机源取证算法,之后根据实际中不同的应用场景做了如下3个工作:1.提出了一种基于残差网络的大规模图像集相机源辨别算法。传统方法为手动设计特征并且可分类设备的数量较少(20部以下)。本文使用深度残差网络替代传统提取模式噪声的方法,将可用于设备分类的融合特征进行提取;并且设计了高通滤波器,在网络的输入端对低频的图像内容进行过滤,更有助于对模式噪声的提取。我们收集了多达65种型号,共119部设备的大规模图像数据集,算法在测试集上达到了型号级别87%、个体级别83%的平均分类准确率。2.提出了一种基于孪生网络的相机源两两匹配算法。针对另一种应用场景,当我们只有查询图像,没有源相机的信息时,通过该算法将图像进行两两匹配,判断图像对是否为相同的相机所拍摄。算法在孪生网络的基础上进行改进,将双通道的特征提取器替换为本文第一个工作所提出的分类网络,对图像进行成对训练,相同相机拍摄图像标签设为0,不同设为1。算法对输入图像进行两两匹配给出预测结果。经过实验,算法在测试集上达到了89%的准确率。3.设计并实现了基于B-S架构的相机源取证分析平台。将本文提出的两个算法进行了模块化封装,通过将两个算法模块进行线上部署,构成了多维度的相机源取证分析系统。通过型号级别与个体级别的相机源分类与相机源匹配给用户提供多角度的相机源取证分析功能,将复杂的算法转换为网页这种简单易于操作的系统,让更多的用户可以使用我们的算法,在算法的应用以及推广上起到了很大的作用。