随着数字图像采集设备在人们生活中的逐渐渗透,数字图像凭借其便捷、携带信息量大等优点得到广泛应用。不仅如此,数字图像还被认为是重要事件的证据,如新闻报道、法院证据等。但是,随着数字图像处理技术的高速发展,随着而来的是对图像内容进行篡改变得轻而易举,若没有相应的方法鉴别真假,将会极大地影响数字图像的可信度。数字图像篡改检测算法正是行之有效的解决方法。数字图像篡改检测算法包括主动篡改检测和被动篡改检测,本文主要研究被动篡改检测中的经典算法——复制-粘贴篡改检测算法。并且,针对当前复制-粘贴篡改检测算法时间复杂度高、算法复杂度高、对特定篡改攻击的鲁棒性差等问题,提出了两种复制-粘贴篡改检测算法。针对目前复制-粘贴篡改检测算法特征匹配阶段时间复杂度高的问题,提出了一种利用结构张量和HSV颜色模型对特征点聚类的图像复制-粘贴篡改检测算法。首先,基于结构张量对SIFT特征点进行聚类处理,将所有特征点划分为平坦特征点、边缘特征点和角点特征点,共划分为3个聚类簇;然后,利用基于HSV颜色模型的聚类方法,在每个聚类簇中,再将特征点划分为63个聚类簇;最后,在每个聚类簇中进行特征匹配,充分利用了源区域与篡改区域纹理和颜色的相似性,有效降低了特征匹配的时间,且有较好的稳健性。针对目前特征点聚类算法没有充分利用特征提取后得到的特征属性,以及算法复杂度高的问题,提出利用SIFT特征提取后得到的特征点尺度和方向信息对特征点进行聚类的复制-粘贴篡改检测算法。首先,进行SIFT特征提取,得到特征点的尺度和方向信息;然后,基于尺度信息与方向信息对特征点进行聚类处理,在此基础上,再利用图像的灰度信息对特征点进行聚类,总共划分出60个聚类簇,最后,在每个聚类簇中单独进行特征匹配,在不添加其他聚类算法的前提下,对特征点进行聚类处理,有效降低了算法复杂度,同时降低特征匹配的时间。