随着大数据时代的来临和现代网络技术的发展，图像在现实社会和网络中更加普及，给人们的通讯和交流带来了前所未有的便利。但是由于图像的伪造和篡改行为的出现，现代图像的真实性变得越来越不可靠。对于以图像作为重要取证途径的新闻界和法律界，图像伪造或篡改行为带来的后果是灾难性的。因此，对于图像的真实性进行检测的图像检测技术，成为了现代社会的一个热点。　　 本文针对数字图像的复制粘贴盲检测进行了研究，介绍了它的基本概念，几种重要的数学模型。详细分析了基于SIFT的图像复制-粘贴盲检测的特点，流程，针对它存在的一些问题进行了改进。　　 为了达到混淆视觉的效果，篡改者通常对图像的复制区域进行一些几何变换或者添加一些必要的后续处理操作。标准的SIFT(Scale Invariant Feature Transform)算法不能对这些情况进行很好的处理，本文针对此问题进行相应的改进。利用SIFT关键点检测方法检测图像中的所有关键点，然后计算以关键点为中心的周围邻域的纹理特征，将二者结合作为关键点的特征描述。　　 针对传统的RANSAC(RANdom Sample Consensus)算法在计算变换参数误差较大的问题，本文首先随机选取不共线的几个点，粗略计算初始变换矩阵，根据得到的初始变换矩阵计算剩余点的距离误差，然后采用双阈值的方法进行数据检验并得到最终的变换参数。　　 为了验证本文算法的可行性和有效性，本文用Matlab软件对经过复制-粘贴篡改的图像进行了实验仿真。给出了图像经过不同篡改手段后的检测结果及图像检测准确率和像素检测准确率。并对实验结果进行分析，实验表明该算法有效得到了检测的准确率、具有抵抗JPEG压缩和抗噪声的能力。