与数字图像主动取证相反，被动取证技术是指在不预先向数字图像嵌入数字签名等元素的情况下对数字图像内容的原始性、完整性和真实性进行取证的技术。目前数字图像被动取证算法还存在很多不足，原因在于找不到能有效抓住图像本质特征的数字图像特征提取算法，现有算法一般都存在鲁棒性不强，准确率不高，适用范围不广的缺点。本文以自然图像和数字图像被动取证的理论为基础，对数字图像被动取证技术做出如下分析和研究：（1）针对数字图像特征提取的理论模型和网函数插值法的理论基础进行研究。在总结前人工作的基础上，提出基于网函数插值法的数字图像特征提取算法，用于检测计算机生成图像和拼接图像，与基于高阶统计特征和几何不变量的算法相比，该算法具有更高的效率、准确率和鲁棒性；（2）分析数字图像特征提取的理论基础与众多的特征提取算法，形成数字图像特征提取的理论架构。基于图像的可预测理论，研究人员提出了多种估计图像的算法，然而一些图像估计的方法还没有被引入到数字图像被动取证领域。本文把网函数插值法从图像复原领域引入文中，与数字图像特征提取理论一起作为数字图像被动取证算法的理论基础；（3）为了使自然图像的概念能够准确的在数字图像被动取证领域中对图像进行分类，本文对自然图像的定义进行了补充：专指那些非人造、非随机，并且具有内容原始性、真实性和完整性的图像；（4）根据图像质量评价参数，提取小波分解后的子图像与预测子图像之间的像素统计差异、相关性差异、谱距离差异、人眼视觉系统理解差异以及两者边缘特性的差异，与小波各级系数的均值、方差、偏斜和峰度等一起组成被动检测算法的统计特征。