随着数字技术的快速发展,对数字图像进行编辑的软件和工具无处不在,这使得对图像内容进行恶意篡改变得更加容易和便捷,图像内容的真实性和完整性受到了严重威胁。图像拼接操作是一种常见的图像篡改方法,利用图像拼接生成的伪造图像充斥在政治、经济、军事、新闻、科技、法律等各个领域,造成了严重的不良影响。本文主要研究基于被动取证的图像拼接/合成篡改检测技术,主要工作如下:提出了一种基于颜色滤波阵列(Color Filter Array,CFA)插值模式的图像拼接/合成检测方法。其基本依据是,采用CFA模式的数码相机所拍摄的图像中,CFA插值所引入的像素相关模式是一致且连续的,但这种一致性模式会被图像拼接/合成操作所破坏。因此,如果在图像中检测到了像素相关模式的不一致性,即可发现图像拼接/合成伪造的痕迹。根据这一原理,我们利用斯皮尔曼相关系数(Spearman Correlation Coefficient)来估计测试图像的CFA插值模式,并比较估计的模式与测试图像的模式,寻找存在的不一致性,并结合Canny算子检测拼接区域。实验结果表明,该算法能够准确检测拼接区域,并具有很好的鲁棒性和稳定性,其性能明显优于该类型的其他算法。提出了一种基于超像素分割的拼接图像检测算法。考虑到拼接图像一般是由不同成像设备所获得的图像拼接/合成的,因此不同的拼接区域往往具有不同的相关性特征。基于这种思想,我们利用超像素分割理论,并结合经典的K-SVD字典学习去噪算法,建立了一种图像拼接区域检测方法。在提出的方法中,首先利用K-SVD(Kmeans-Singular Value Decomposition)字典学习去噪算法对图像进行去噪,再利用SLIC(Simple Linear Iterative Clustering)算法对图像进行超像素分割,并提取相关性特征,根据相关性特征值的大小定义判定准则,建立拼接区域检测算法。实验结果表明,所提出的算法能够准确检测拼接区域,拼接定位精度最高可达99.54%,明显优于现存的拼接区域检测算法。