随着数码设备的普及和Adobe Photoshop，ACD-See等具有强大功能的图像处理软件的广泛应用，将数字图像进行变换、更改变得愈发容易，而对于通过不正当的手段篡改过的图像也愈发难以分辨其真伪。这些被恶意篡改和伪造的数字赝品可能直接威胁到国家的安全和社会的稳定。因此，针对数字图像篡改的数字图像取证技术的研究具有重要意义，其已经成为近几年来图像信息领域的研究热点之一。　　 图像被动取证技术是一种基于图像本身的统计特征来鉴别图像真伪的被动取证技术，其中针对图像篡改操作的检测是最常见的一种被动取证方式，本文从图像篡改可能引起的重采样周期性和噪声差异两方面进行研究，论文的主要工作如下：　　 1．在对具有代表性的重采样操作检测的EM算法的实现和分析基础上，加入了对先验概率的迭代，用图像的原始分布替换了原有算法中所假设的均匀分布，使得整体算法更为合理，实验结果表明改进的EM算法在重采样检测上具有很好的鲁棒性。　　 2．针对JPEG有损压缩对重采样检测算法所造成的严重影响，我们构造了一种JPEG检测模板，以区分重采样操作和JPEG压缩操作，改进后的算法得到了很好的检测结果，进一步增强了原有算法的抗干扰性。　　 3．对局部的重采样操作采用了的三种检测方案，通过实验分别对三种方法进行了分析和总结，为该算法在实际应用中提供了一定的理论支持。　　 4．在利用图像背景噪声的取证研究中，我们提出一种改进的基于信噪比估计的检测算法。首先将篡改图像进行重叠分块，使用信噪比估计的方法估算出每一分块区域的局部噪声方差，存在较大差异的区域很可能经过了篡改。在原有算法中，将原始图像峰值作为已知量直接参与计算，而该假设在实际应用中几乎无法实现，此缺陷严重影响了算法在实际取证中的可行性。因此我们针对该问题提出了两种解决方案，使得改进后的算法具有实用性。第一种方法是先对图像进行预判处理，找到一块可以被确定为没有经过篡改的原始区域，用该区域的峰值作为原始图像的全局峰值；第二种方法是在去除待检测图像的噪声之后，计算出图像的全局峰值。