随着计算机技术以及数字成像设备的发展,通过图像处理软件对数字图像进行操作的门槛也变得越来越低,导致我们很难区分该图像是否经过了处理。而且,如果一些经过处理的图片被应用于不正当的地方,那么就会给社会带来很大的危害。图像对比度增强操作是实现图像模糊和润饰的一个常用操作,当图像经过拼接或者复制粘贴之后,在边缘一般会产生视觉或者统计信息上的畸变,而图像对比度增强就是用来消除这种畸变的。图像对比度增强作为图像篡改的一种,虽然不能显著的改变图像的内容,但可以模糊或者突出图像的某些细节,或者改变图像的敏感程度。可以通过对图像对比度增强的检测来实现对图像篡改的检测。因此,对图像对比度增强操作的检测也是数字图像取证研究的一个重点。本文首先对图像篡改中的对比度增强操作的特点进行分析,结合深度学习在特征提取的优势,实现了对图像对比度增强的篡改图像的分类以及检测。本文首先提出了一个多支路神经网络来检测全局对比度增强操作,通过对直方图特性的学习,该网络能很好应用于对比度增强检测,尤其是当图像以中等或者低等质量进行JPEG压缩。在实现了对整张图像的全局对比度增强检测之后,我们分别对基于分类任务的局部对比度增强算法和基于检测任务的局部对比度增强检测算法进行了探究,实现了对局部对比度增强图像的检测和定位,两种方法都取得了较好的检测结果。我们还将设计的基于分类的局部对比度增强检测模型迁移到图像重着色任务上,也取得了不错的检测效果。