随着数字信息技术的快速发展,数码相机、智能手机等图像获取设备广泛使用,数字图像信息可以随处获得,同时由于免费图像编辑软件的可用性越来越高,即使是普通用户也可以轻易改变数字图像的内容而不会留下明显的篡改痕迹。图像篡改操作不仅降低了图像信息的可信度,而且改变了人们“眼见为实”的传统观念。因此,揭示各种图像篡改的检测技术越来越受到各界研究者的关注。图像拼接/合成是一种常见的内容篡改操作,本文致力于研究针对图像拼接/合成篡改的检测方法,主要工作如下:提出了一种基于图像中不同区域噪声分布特性的拼接篡改检测方法。该方法利用SLIC算法将测试图像分割为不规则的超像素块,根据不同来源的图像块的噪声水平和噪声分布概率具有较大的类间差异这一事实,利用基于PCA的噪声估计和基于Poisson分布的噪声分布概率估计方法,结合模糊C均值聚类算法识别拼接/合成的图像区域。该方法能够识别拼接/合成的图像区域,检测精度达到像素级,而且对于内容保持的图像处理操作具有较强的鲁棒性;与现有的基于噪声的图像拼接区域检测方法相比,本文的方法具有较好的性能,特别是在拼接区域与原始区域的噪声差较小的情况下,该方法依然有效。提出了一种基于噪声分布水平不一致性的图像拼接篡改定位方法。该方法利用非重叠图像块的局部梯度作为纹理特征,然后利用模糊C均值聚类算法构造阈值,初步确定可疑的图像区域;然后利用拉普拉斯算子对噪声具有双倍加强作用的特点,结合奇异值分解提取可疑区域的图像噪声;根据噪声水平的不一致性定位出篡改区域。该方法能够检测拼接篡改的图像区域,且对常见的内容保持的图像处理如高斯模糊、JPEG压缩、伽玛校正、下采样等均具有鲁棒性。考虑到多数数码相机在成像过程中经过传感器产生CFA插值操作,因此同一相机拍摄的照片会具有一致的插值模式。如果拼接源来自不同相机,因插值模式的不一致性将会导致插值伪影。我们利用CFA伪影估计图像噪声残余,进而利用噪声残余的不一致性进行图像拼接/合成区域检测。在提出的方法中,我们一方面利用双树复小波变换和Wiener滤波提取图像的绿色分量的噪声残余,计算局部噪声残余的方差;另一方面,利用CFA插值预测绿色分量,估计绿色通道的噪声残余并计算局部噪声残余方差。然后利用这两个方差构造取证特征,利用OSTU阈值选择算法定位拼接/合成区域。实验结果表明,该方法对于拼接篡改具有较好的检测性能,其像素级的篡改定位精度达到90.5%,在同类算法中处于领先地位,但是其局限性在于只能对于异源图像拼接/合成检测具有有效性。