随着数字化设备和图像处理软件日渐普及，人们可以轻易地对数字图像进行修改和编辑。若不法分子将篡改或伪造后的数字图像用于新闻报道、科学研究、保险和法庭证物等，将会对新闻真实性、科学研究、国家政治和社会稳定产生严重的负面影响，因此开展数字图像取证技术的研究，具有十分重要的意义。本文主要研究图像来源鉴别和篡改检测。首先介绍了数字图像取证技术的研究背景、意义及国内外研究现状，详细阐述了数字图像取证技术的研究内容及研究成果；然后对本文算法所涉及的相关理论知识进行了介绍；最后，针对自然图像和计算机生成图像来源的识别与图像篡改检测等问题，提出了三种数字图像取证算法，本文的主要工作包括：提出了一种基于复合分形特征的自然图像和计算机图像来源鉴别算法。该方法首先将彩色图像转换为HSV图像，然后分别计算其分形维数特征和孔隙度特征，共9维，最后采用支持向量机（Support Vector Machine, SVM）的分类器进行分类。其中对自然图像的鉴别率为97.52%，对计算机图像的鉴别率为95.42%。结果表明，该方法可以有效的鉴别自然图像和计算机图像来源。提出了一种基于统计特征和纹理特征的自然图像和计算机图像来源鉴别算法。该方法首先分析了自然图像和计算机图像在统计和纹理特性上的不同，然后获取31维复合特征，最后采用SVM进行分类。其中对自然图像的鉴别率为97.89%，对计算机图像的鉴别率为97.75%。对比实验结果表明，该方法的检测效果明显好于其他算法。提出了一种基于噪声和孔隙度特征的数字图像篡改检测方法。该方法首先计算图像的噪声系数，然后利用孔隙度来表征图像的分形特征，最后将二者作为SVM分类器的鉴别特征。该方法可以有效地鉴别真实图像、篡改图像与计算机图像，其误检测率较低。实验结果表明，噪声和孔隙度不仅可以作为检测整幅图像篡改的鉴别特征，还可以作为定位图像局部人工模糊篡改的特征，为图像篡改检测提供了一种有效的特征提取方法。本文提出的三个图像被动取证算法均能有效地对自然图像和计算机图像来源进行鉴别，并且具有一定的鲁棒性，可以抵抗JPEG有损压缩等后处理操作。