数字图像作为信息时代的主要载体拥有极大的表达潜力,其获取、分发和存储的便利性使得它们被用来广泛传播信息。互联网的普及和计算机技术的发展导致人们可以轻而易举的对一幅图像完成篡改,而这些虚假信息的传播不仅会给社会带来危害也会影响决策者们在重要场合的判断。图像篡改根据其语义内容是否发生改变可分为局部篡改和全局篡改。全局篡改仅改变图像整体视觉效果而不改变其语义内容,常用于局部篡改操作之后,旨在隐藏局部篡改的痕迹。对比度增强因其简单高效的可操作性成为全局篡改的主要操作之一。然而现有的检测方法只能检测特定类型的对比度增强操作,例如直方图均衡化或伽马校正。为了突破这一限制,本文针对图像对比度增强操作进行了深入研究,并提出了两种基于直方图特征的图像对比度增强检测方法:1.通过捕捉不同对比度增强操作在图像直方图中留下的痕迹特征,提出了基于直方图特征的图像对比度增强检测方法。对于待检测图像,首先提取其零间隙跨度特征作为区分各种对比度增强操作的唯一特征,然后通过自适应有效范围选择过程来提高其性能,最后通过SVM分类算法对不同图像进行分类以达到检测目的。实验结果表明,所提方法不仅可以在图像级和图像块级区分各种对比度增强操作,还可以识别不同的伽马校正,在不同的情况下都能达到并保持良好的分类性能,同时也可以定位具有不同对比度增强操作的局部伪造图像。2.通过对伽马校正幂律函数性质的深入分析,提出了基于直方图特征的伽马校正参数值估计方法。对于待检测的图像,首先对其零间隙跨度特征的非零部分进行二次曲线拟合并确定特征点,然后根据特征点在拟合曲线上的斜率规律判断伽马值的大致范围,最后利用零间隙跨度特征中最大跨度值的起始位置和跨度值进行对数变换回归,得到最终的伽马校正参数估计值。实验结果表明,所提方法可以在均方误差较小的情况下有效估计伽马值。