近年来随着电子、计算机等信息技术的发展和数码相机等影像记录设备的普及，数字图像已广泛出现于人们的日常生活和工作当中，成为人们获取信息、传递信息的重要途径，与此同时，图像处理和编辑软件也迅速发展，使得普通用户更加容易掌握利用图像编辑工具去修改或者合成一些数字图像的方法，进而按照个人意愿、商业目的或者为达到媒体炒作的效果造出以假乱真的数字图像，颠覆了人们传统视觉“眼见为实”的观念，引起人们的公众信任危机，再加上近年来移动智能终端的普及，微博、校内等社交网络的推动，使得信息量大、形象直观以及具有很强说服力的数字图像的传播速度更迅速、传播范围也更深更广。因此，开展对包括数字图像在内的数字媒体信息的真实性和完整性验证成为维护信息产业健康持续发展所亟待解决的关键问题之一。同时，对于保证公众信任秩序、打击恶意或非法修改图像进而维护司法公正也具有十分重要的意义。本文首先分析了现有图像篡改盲取证的原理以及相关特点，然后分别就彩色数字图像合成篡改盲取证提出了如下两种篡改检测算法：（1）针对不同相机拍摄的数码照片之间的“复制-粘贴”篡改，提出了“基于人工神经网络的数字图像盲取证算法”。该算法通过数字图像自身所带的插值特性，来判断图像是否经过篡改。本文将原图像数据按照Bayer格式分为输入数据和期望输出数据来作为样本数据，输入BP神经网络进行训练，然后再将图像颜色信息输入训练好的神经网络进行预测，通过神经网络预测获得的图像颜色信息与实际图像颜色信息的误差大小来判断伪造区域。为了进一步提高取证的正确性，本文提出了使用自适应阈值来判断篡改区域，并随机选择图像中数据来通过多次训练迭代筛选未被污染的样本数据最终用于训练神经网络，一方面减少了算法的运算量，更重要的是增加了对原有插值算法的逼近程度，排除了被污染数据的影响。（2）针对把一幅图像的某一部分复制-粘贴到这一幅图像的另一部分上，以此来隐藏重要目标或者增加某方面的属性等目的的常用图像“复制-粘贴”篡改方式，在前人研究的基础上，提出纯四元数与SIFT特征提取相结合的篡改检测算法，该算法通过快速SIFT特征提取与匹配，提取出疑似篡改区域的一些关键匹配点，然后进行篡改区域粗估计，再利用四元数直接对疑似篡改区域图像进行建模，直接在超复数域进行相位相关的篡改检测，该算法降低了对彩色图像进行处理时,必须首先将其转化为灰度图像导致色度信息丢失而带来误匹配的可能性，从而提高了算法的精确度。