近几年来,数字图像在我们的生活和工作中扮演着越来越重要的角色。同时随着数字图像处理软件的发展,人们可以轻易地篡改数字图像而不留下明显的篡改痕迹。如果篡改图像被应用在新闻媒体、执法证据或科学成果等重要领域,这将会给社会带来极大的危害。因此,研究一种能够有效检测图像真实性和完整性的算法显得十分重要。一种叫作“seam carving”的图像编辑技术,能够有效地对数字图像进行缩放操作,已经被美图秀秀、Adobe Photoshop以及GIMP等众多图像编辑软件所实现。与此同时,一些不法分子通过这些图像编辑软件可以轻松地使用seam carving技术进行图像篡改,例如对象删除。基于seam carving的图像篡改技术能够在改变原始图像语义内容的同时不留下明显的篡改痕迹,这给对应的被动取证工作带来了极大的挑战。本文主要针对seam carving图像篡改技术进行被动取证研究,其主要的研究工作和创新点如下:首先,提出了一种基于3元差值联合密度的seam carving被动取证算法。其主要取证思路是:原始图像相邻像素之间具有很强的相关性,seam carving操作会改变原始图像seam两侧像素的相邻关系,从而影响相邻像素差值的分布。本文利用3元联合密度来捕获相邻像素差值分布的改变,同时利用支持向量机(SVM)作为分类器。实验结果表明,该算法提高了针对seam carving篡改操作的检测正确率,同时对于抵抗JPEG压缩的后处理操作具有一定的鲁棒性。其次,面对低缩放因子seam carving篡改操作,现存文献的检测算法往往存在检测精度不高或检测性能不稳定等问题。本文从图像块重组的角度来挖掘seam carving的篡改痕迹,提出了一种新的被动取证算法。由于seam carving操作会使像素发生移位来填补被移除的路径,这将导致seam右侧无重叠8×8的图像块发生像素重组,从而影响局部图像熵的分布。在提取局部图像熵特征之前,本文先利用cropping(裁剪)技术对测试图像进行了预处理操作。由于cropping预处理操作具有自校准的特点,因此它能够在一定程度上对篡改图像中无seam移除的重组块进行有效校准,从而减少不同图像内容对于取证精度的影响。实验结果表明,该算法能够进一步提高针对低缩放因子seam carving篡改操作的检测正确率。