目前,数字图像正面临着被随意篡改和伪造的威胁,这使得“以照片为证”“眼见为实”的观念被完全打破。因此,探索并了解图像中具有的真实性和可信度非常重要。传统的主动取证技术,如数字水印等需要预先对图像进行处理,使得此技术在实际中的应用具有一定的局限性。为此,本文研究一种不依赖标识信息的取证技术——数字图像盲取证。在图像获取和图像缩放等过程中,图像采样被广泛使用,而图像插值在此过程中具有不可或缺的作用。此外,图像拼接是数字图像篡改中最常用的手段之一。因此,本文围绕数字图像盲取证中的真实性检测问题,对基于插值的拼接图像盲取证理论和技术进行了深入研究。本论文首先详细介绍了彩色图像的成像原理,重点研究了Bayer模式的彩色滤波阵列(Color Filter Array, CFA)及其插值原理,探索了图像处理中常用的插值方法和不同插值方法下信号的形态,为开展图像盲取证工作提供了理论依据。为进一步验证图像插值信号的特性,推导了插值信号导数方差和协方差的周期性。基于周期性和Radon变换对图像插值进行检测,提出的算法可对感兴趣区域进行插值检测,也可对整幅图像进行检测。仿真实验表明,提出的算法可以对不同来源图像、经过不同插值算法和不同图像处理软件处理后的图像进行检测,并可通过手动圈出可疑区域,对篡改图像进行插值检测。为进一步实现篡改区域的全自动检测和定位,并提高检测的准确率,提出了基于双立方插值和高斯混合模型(Gaussian Mixture Model, GMM)(?)勺拼接图像盲取证算法。为减小预测误差,采用双立方插值估计原始图像。研究了插值信号的均值和方差规律特性,并基于预测误差的方差提取特征,采用GMM对不同位置的特征进行建模,利用期望最大化(Expectation Maximization, EM)算法估计模型中的参数。仿真实验表明,本文所提算法可成功对拼接图像的篡改区域进行自动定位,并提高检测的准确率。