随着图像拍摄设备以及图像处理工具日渐普及,用户可以轻易地对数字图像进行篡改伪造。一旦这些经过恶意篡改的照片传播到网络上或者被用在法庭证据、媒体或科学发现等重要邻域,将会对社会秩序等带来不可估量的负面影响。因此,迫切需要有效的技术手段对数字图像真伪进行鉴定。不同于数字水印或数字签名等主动取证技术,图像被动取证不需要预先嵌入信息,而是直接利用图像本身的统计特性进行真伪判别。特别地,逐步成熟的Seam carving技术不仅可以作为图像内容感知缩放的手段,还可以用于移除图像中的特定对象并能够掩盖篡改痕迹。因此,针对基于Seam carving篡改技术的被动取证研究,既面临巨大的技术挑战,又具有很强的应用价值。本文基于Seam carving的图像篡改研究相应的被动取证技术。本文主要工作和创新点如下:首先,针对现有取证方法检测率较低,鲁棒性不强的问题,提出了一种基于LBP统计特征的Seam carving取证算法。它的基本思路是:Seam carving会改变图像局部纹理,采用局部二值模式(local binary pattern,LBP)对图像进行预处理操作,从而突出Seam carving所带来的局部纹理形变现象。此外,定义了 6个新的half-Seam特征揭示半幅图像的能量变化,并结合现有的18个能量特征一起组成24个LBP域的统计特征,再借助支持向量机(SVM)分类器判别图像的真伪。实验结果表明,与现有的被动取证算法相比,提出的算法对不同缩放因子的Seam carving篡改取证检测率提高了 3.5～19.1%。其次,针对现有取证方法对低缩放因子Seam carving适应性不高的问题,提出一种基于多角度空域和频域熵的低缩放因子Seam carving被动取证算法。低缩放因子的Seam carving不会产生明显的结构和纹理失真,仅存在信息损失,因此取证难度更大。通过实验观察到,即使是低缩放因子的Seam carving,也会造成图像的空域和频域熵(spatialand frequency entropy,SFE)显著变化。为此,本文从集中趋势,离散趋势和分布趋势三个角度设计42个SFE统计特征,然后结合改进的54个LBP能量特征一起构成96个低缩放因子Seam carving取证特征,最后使用SVM进行图像真伪判别。实验结果表明,该算法取得了较高的检测准确率,并且对JPEG压缩、Seam insertion等操作的情况下仍旧有效。目前,基于Seam carving篡改的取证研究还处在起步阶段。希望本文的研究可以促进图像被动取证技术的进一步发展。