随着信息技术的发展,数字图像的使用越来越多。为了美化图片,很多图像编辑器也流行起来,比如:Adobe Photoshop、GIMP等。这些图像编辑器有着强大的图像修饰功能,并且操作简单对使用者友好,经过修饰的图像和原始图像以肉眼难以辨别,这为社会安全带来了很大麻烦。为了认证数字图像的真实性,近年来研究者们提出了很多图像取证方法。特别是在卷积神经网络被广泛运用到图像处理任务中后,基于卷积神经网络的图像篡改检测方法飞速发展。然而这些方法都存在泛化性差的问题,大多方法都只能检测一种类型的篡改图像。因此通用的篡改检测技术对于现在的社会是迫切需要的。本文针对当前篡改检测方法存在的主要问题,进行了以下几个方面的研究:1.本文分析了大多数图像存在的共性,发现利用JPEG压缩留下的痕迹（JPEG指纹）可以完成多种篡改方式的检测。为此,本文基于对JPEG指纹的研究提出了一个端到端的特征融合网络（FF-Net）用于图像篡改检测。本文首先研究了主要存在于图像的高频部分的JPEG指纹,然后基于对JPEG指纹的研究设计了两个编码器用于直接从整个图像中学习JPEG指纹。基于学习到的JPEG指纹,FF-Net的解码器可以在像素级上定位具有不同JPEG指纹的区域。为了验证方法的有效性,本文制作了数据集用于所提出方法的验证,实验结果表明,与现有的检测方法相比,所提出的FF-Net能够完成多种篡改的检测并得到很好的结果。2.本文提出了一个基于可学习高通滤波器（LHPF）的通用篡改检测网络。LHPF因为参与了网络的反向传播,所以在学习过程中能够自适应的调整为能够提取最好JPEG指纹的状态。后续的网络通过提取到的JPEG指纹可以很容易定位出图像的篡改区域。经过实验证明,该方法在网络简单的同时能达到很好的检测结果。