在科学技术发展不断推进的同时,电子设备的应用也更加广泛,图像已经成为数字信息时代中的重要资源,但是随着编辑软件的普及使得图像的真实性面临巨大风险。近几年来,政治时事、军事国防、学术研究等领域的图像造假事件屡见不鲜。为了打击不法分子的图像篡改行为,数字图像取证技术开始逐渐发展起来。操作取证是图像取证领域的重要分支,其中对比度增强操作是最为普遍且高效的图像编辑方法,并且常被篡改者用来消除伪造图像中视觉的违和感,从而达到掩盖篡改痕迹的目的。因此能否检测图像中的对比度增强操作痕迹对图像的真实性判断具有重大的现实意义。本文针对不同研究场景下的数字图像对比度增强操作取证问题从准确性、鲁棒性和实用性等角度进行了研究与分析,主要涵盖以下三个工作:（1）提出了一种基于数据增强预处理的对比度增强图像取证方案。该工作针对常规图像对比度增强操作识别场景,提出了数据增强预处理与卷积神经网络结合的算法框架。方案中提出使用图像的高阶灰度共生矩阵作为预处理,增强了对比度增强操作的痕迹特征,并且结合高性能的经典卷积神经网络进行高维特征的提取训练。最后从数据增强预处理方法和分类网络两方面因素对模型对比度增强取证性能的影响进行了探索研究。实验结果表明,所提方案能准确检测对比度增强操作,并且具有良好的泛化性。（2）提出了一种基于JPEG后处理的对比度增强图像取证方案。在JPEG后处理识别场景中,现存的对比度增强操作取证方案检测性能表现不佳,对JPEG压缩的鲁棒性不足。针对这一问题,该工作提出了一种基于Xception网络的取证方案,并且针对JPEG压缩后处理设计了两层预处理方法。首先使用图像的灰度共生矩阵作为网络的输入,在有效抑制图像内容的同时保留了对比度增强操作痕迹,其次使用限制卷积层来提取灰度共生矩阵中的高频细节痕迹特征,增大了类间差异,最后使用Xception网络对特征进一步优化训练。最终实验结果表明,与现存方法相比该方案在一系列不同强度JPEG压缩下的检测性能均得到有效提升。（3）提出了一种基于多重操作链的对比度增强图像取证方案。该工作从更具现实意义的复杂操作链识别场景出发,提出了一种基于多域融合的对比度增强取证方法。该方法使用图像的DCT频域以及灰度共生矩阵域两个域的特征作为网络的输入,使用Res Net网络结构进行高维特征学习,并且在网络结构中加入注意力机制模块,进一步提升了网络性能。实验结果表明,与现有方法相比所提方案能够有效提升在多重操作链下的对比度增强操作检测的准确率。