21世纪,随着数字信息技术、多媒体技术和互联网技术的进步与发展,数码相机和网络照片越来越接近人们的日常生活。这种由数码相机拍摄由电子感光设备获取然后通过数字化存储的图片我们称之为数字图像,不同于传统的化学胶卷所拍摄的图像,数字图像使用的是的数字化的存储,借助于现有的图像处理软件可以很容易的进行修改,所以图片的真实性不能得到保证。长久以来人们眼见为实的传统观念也受到了挑战。这种将原始图像进行修改的技术俗称为PS。该技术在照片处理中应用较为广泛,它可以使得照片对比度更为鲜明,色彩更加绚丽,去除人物身上的瑕疵,创造出一些特殊效果等。还可以创造出一些有趣好玩的图片。其中大部分的PS图片都是出于为了增强视觉效果或者纯粹是为了制造些娱乐效果。但也不乏一些别有用心,毁坏他人名声,扭曲事实真相的PS图片。如果这些图片经过精心篡改伪造,人眼往往无法分别其真伪。这些图片如果被用于正式媒体、新闻、科学发现或者法庭上,就会对社会造成极其恶劣的影响。因此,开展针对图像真伪鉴别的研究,对于确保公共信誉、维护司法公正、打击犯罪和新闻真实性具有十分重要的意义。这也成为了当今图像研究领域的一个热点。图像真伪鉴别技术是通过分析图像统计特性来判断数字图像的真实性、完整性和原始性,即判断数字图像从数码相机生成后是否经过篡改。本文概要介绍了数字图像取证技术的研究背景及意义;目前数字图像中常用的篡改技术及其手段;数字图像真伪鉴别的方法,包括传统的鉴别技术、加入数字水印的主动鉴别技术和一系列被动检测技术。讨论了不同鉴别算法对于不同图像篡改技术的适用性。由于主动取证技术受到应用条件的限制,如今的数字图像取证更注重于被动的检测技术。本文着重讨论了基于背景噪声盲估计的图像真伪鉴别算法。并在此基础上,进行改进。由于获取过程会在整幅图中产生一致的噪声,而由不同图像拼接而成的图像往往会在噪声的统计特性上不一致。本文利用这一特点,提出了一种基于背景噪声分析的图像真伪被动鉴别算法。该算法利用了图像数据的高阶统计特性对背景噪声进行盲估计,并通过相邻重叠分块间的特征估计来判断图像哪些部分被篡改。实验表明,该方法简单、快速、虚警率较低、识别率较高。对于鉴别拼接而成的篡改图像有显著效果。但由于图像分块大小直接关系到检测质量,且需要人工实验比较调节,使得该方法的自动适应性不强。