在过去的几十年,随着计算机科学及相关多媒体技术的迅速发展及普及以及各类功能强大的数字图像处理软件的开发及应用,图像处理技术都已经蔓延到各个领域,使得制造出逼真的伪造图像变得轻而易举。那些人肉眼很难分辨出的篡改图像,给新闻诚信、国家政治、司法公正、科学求实等方面都带来了很大的麻烦,引发了互联网和整个社会的信任危机,所以检测图像篡改已经成为一个非常严峻的问题。本文首先分析了现有的数字图像盲取证技术的原理、特点、数学模型及算法,而后着重研究了数字图像背景噪声的特性。数字图像都包含有一部分来自成像过程或者数字压缩的背景噪声,如果两幅不同背景噪声的图像被拼接在一起,则图像篡改区域和其他区域的噪声特性会有差异。本文在对数字图像的背景噪声进行研究的基础上,提出了两种检测篡改图像的盲估计算法。其中一种是基于估计信道信噪比的高阶统计量法,通过对图像进行分块计算每块的噪声方差,从而检测图像篡改部分。此算法通过二次加噪的方法解决了高阶统计量法中必须已知原始信号的问题,实现了待检测图像噪声的盲估计。另一种方法是基于图像小波域的熵值与其噪声方差的相关关系实现对噪声方差的估计。主要原理是利用了小波变换后图像信号的熵值将大幅度降低而高斯噪声熵值却保持不变的特性以及噪声熵值与方差所呈现的近似对数变化关系的规律,并从数学角度定量地分析推导了这种变化规律,从而利用这种规律通过计算含噪图像小波域的熵值以实现对高斯噪声方差的盲估计,最终定位识别出噪声异常的区域为篡改区域。之后,本文对提出的两种方法进行了仿真实现与分析,实验结果显示上述两种算法均能有效估计图像的噪声方差从而达到检测局部篡改的目的。第一种方法中图像的缩放和压缩对检测结果影响很小,算法具有较好的鲁棒性。两种方法相对于传统的小波估计法均能获得更为准确的估计值。最后,对全文的工作进行了总结,并为今后的工作指明了努力方向。