随着简单易用的数字图像编辑软件的普及,一些别有用心的人士利用它们辅助完成数字图像的恶意篡改操作。这使得图像的真实性和完整性受到了极大的威胁,比如篡改电子证据会影响司法的公正性。由于平滑滤波操作经常被用于掩盖篡改操作遗留的痕迹,所以针对平滑滤波操作的盲检测也十分必要。鉴定图像是否经历过平滑滤波操作,并确定具体的滤波器类型和相关参数,能够回溯图像所经历的具体篡改历史过程,对判断图像是否经过篡改操作提供佐证。本文以三种典型的空域模板平滑滤波器:均值滤波、高斯平滑滤波和中值滤波为例,基于图像频域呈现出的差异性特征,针对平滑滤波类型检测和模板相关参数识别分别设计了对应的算法。针对平滑滤波检测和类型识别,我们提出了一种基于图像频域分布规律的低维环状累计点(AAP)特征矢量,并利用支持向量机(SVM)分类,实现检测图像是否经历了滤波,并判断滤波类型的目的。实验结果表明我们的算法在当前研究热点“中值滤波检测”上表现优秀,尤其是在JPEG压缩和小尺寸局部图像情况下。而且提出的低维度特征能够大大减少训练时间。而针对于平滑滤波类型检测也取得了超过99%的准确率。针对滤波模板参数识别,我们同样利用频域分布特性,提出了一种改进的卷积神经网(CNN)模型,通过在传统模型的前端加入一个变换层来捕捉图像的频域特性,然后利用模型自动学习并完成分类。通过与现存可用算法的对比,我们的方法具有更高的准确率,尤其在JPEG压缩和小尺寸局部图像的情况下还能保持鲁棒性。