21世纪以来,随着信息科技的迅速发展,数字图像/视频图像迅速地融入到人们生活的各个方面,图像作为高效直观的描述载体之一被人们广泛地使用。但随着计算机图像技术的快速发展、各种图像APP软件的广泛出现,先进的技术在给人们的生活带来便利的同时,也引发了一系列的安全问题。由于这些软件合成的图像与自然图像很相似,仅凭肉眼难以辨别真假,这使得图像的真实性和来源的可靠性遭受到了人们的质疑。现如今,伪造的图像广泛的出现在新闻媒体、电子商务等领域。伪造的图像扭曲了事实,向人们传达了错误的信息,误导了人们,给人们的生活带来了困扰,从而如何确保和鉴别图像的真实性以及来源的可靠性是急需解决的问题。本文的图像源鉴别包含了两个方面:图像来源的鉴别以及自然图像与计算机生成图像的鉴别。文章首先对图像源鉴别的研究背景、意义及国内外的研究现状进行了阐述,接着介绍了相关的基础理论知识,最后针对当前图像源鉴别方面存在的问题,提出了基于残差网络和DenseNet的图像源鉴别方法。与之前的方法相比,本文的方法不仅提升了图像源的鉴别准确率,而且实现了图像端到端地鉴别。另外,为了快速地收集真实可靠的计算机生成图像,同时为了增强模型的泛化能力,文章利用生成对抗网络来生成计算机生成图像,让其作为训练数据集的一部分,进而达到数据增强的目的。最后,考虑到图像源鉴别方法能够快速地、便捷地应用于生活,本文提出了可用于移动端设备的MobileNet图像源鉴别方法。