计算机技术及网络的高速发展,以及手机的普及,图像的便捷性使得它作为信息的载体得到了广泛的认可和传播。然而利用图像处理技术做一些不法的事情会侵犯公民的知情权、肖像权等。图像局部变形可以用于对图像中人物瘦身瘦脸等工作,长期看到过度修饰的图像会使得人们错误的认为修饰过的图像才是正常的图像,这种润饰图像的广泛传播会影响人们的消费观以及价值观,甚至会在一定程度上影响社会稳定。图像的局部变形不同于对图像进行缩放旋转操作,它并没有引入像素周期性变化,但是这种变形同样引起了像素值的变化。我们研究了使用高阶线性残差及GLCM特征来检测图像局部变形的方法。我们对篡改图像提取其三线性残差,并通过量化和截断处理,之后使用不同大小的滑动块来提取其GLCM特征,将得到的特征送入模糊c均值聚类(fuzzy c-means clustering FCM)方法中得到不同块对应的篡改概率图,并使用平均值方法来融合篡改概率图,对融合的检测结果使用形态学操作去除不连贯的区域,实验表明使用这种方法能够检测到图像局部变形的位置。我们提出了一种基于一阶差分图像及其纹理特征的多策略融合的方法检测图像的局部变形。首先在不同颜色通道上提取不同大小的重叠块的纹理特征,并将其输入到模糊c均值聚类方法中,生成篡改概率图(tamper probability maps,TPM),在第一层融合中融合多个TPMs。其次,在第二层和第三层分别融合了不同颜色通道和不同纹理特征的TPMs。实验结果表明,该方法能够准确的检测图像局部变形的位置。上述的两种方法能够检测到图像的局部变形,但是这两种方法对于压缩的图像的局部变形并不能得到较好的检测结果,所以,我们提出一种基于块效应的检测压缩图像局部变形的方法。我们将篡改图像经过缩放后减去篡改图像得到残差图,对这种残差图提取其块效应网格,并通过计算网格偏移检测图像局部变形。该方法比直接对篡改图像使用块效应检测得到了更好的检测效果。