数字图像作为人类社会不可或缺的信息传递媒介之一,它的出现让我们的生活变得更加丰富多彩,但是数字图像所产生的信任危机也接踵而至,给人类社会的方方面面带来了不可忽视的负面影响。为了解决图像内容的真实性问题,数字图像取证技术应运而生,并逐步成为图像安全领域的一项热门研究课题。本文针对图像被动取证技术,主要从数字图像来源鉴别和数字图像拼接检测两方面展开研究。主要内容和研究成果如下:提出了一种基于统计特征的图像来源取证方法。与现有的图像来源取证方法不同的是,我们提出的方法可以同时实现两种功能:(1)区别计算机生成图像与自然图像;(2)对于自然图像可以实现相机来源鉴别。在提出的方法中,我们依据自然图像成像过程中会遗留传感器模式噪声,而计算机生成图像不会产生此类噪声,并且不同的成像设备必然会在数字照片中引入特异性模式噪声等事实,从图像中提取传感器模式噪声,并结合图像空域和频域的灰度共生矩阵的5个数字特征和平均梯度值特征,构造了92维的特征向量,建立统计模型,最后利用支持向量机进行分类,区分计算机生成图像与自然图像,并对自然图像进行相机源鉴别。实验结果表明,所提出的算法分类效果良好,并具有较好的鲁棒性,其检测精度不低于单独区分计算机生成图像与数码照片图像的算法,以及单功能相机源鉴别算法。考虑到图像拼接/合成是一种最常见的图像伪造手段,我们提出了一种基于多尺度几何分析的拼接/合成图像篡改定位方法。在提出的方法中,我们首先利用超像素分割算法对图像进行分块,分割过程中选取了不同的尺度因子,分别在不同尺度上将图像进行分块;对于不同尺度的分块图像,一方面利用字典学习算法进行去噪,滤除图像噪声后对图像块提取光响应非均匀性特征(PRNU),计算PRNU噪声的方差,另一方面计算所选取颜色通道的图像块的像素方差。然后构造筛选算法,筛选出可疑的拼接图像块,最后计算在不同尺度下筛选的可疑块的交集作为最后的篡改定位结果。实验结果表明,我们的算法能够准确地检测并定位出图像的拼接区域,定位效果好,且对于内容保持的图像处理操作具有鲁棒性。