图像编辑软件的兴起与普及,使得人们编辑和伪造数字图像变得愈发简单,“眼见为实”的传统认知已被颠覆。数字图像作为互联网社会中信息传递的重要载体,其真实性、完整性和原始来源受到人们的重要关注。在实验室的理想环境下,对数字图像的来源鉴别已经有了十分成熟的研究,但现有方法大都假设待测图像是成像设备直接输出的原始图像。实际取证环境中,数字图像在传播过程中经常会经历图像压缩操作,对JPEG重压缩图像的来源鉴别研究具有十分重要的现实意义。针对这一问题,本文结合特征映射和降维技术,给出了两种检测JPEG重压缩图像设备型号来源的解决方案。本文主要研究内容如下:(1)提出了一种基于联合统计对齐的JPEG重压缩图像设备型号来源鉴别方法数字图像的来源鉴别特征在JPEG压缩前后存在明显差异,是现有来源鉴别方法对重压缩图像检测性能低下的主要原因。本文从特征分布差异出发,采用最大平均差异作为图像压缩前后特征分布差异度量的标准,旨在通过联合缩小图像压缩前后一阶统计均值和二阶统计方差差异学习一个特征映射,将原始特征映射到一个对重压缩操作不敏感的特征空间内,进而利用分类算法在新的特征空间进行来源鉴别。实验结果表明基于联合统计对齐的方法能有效降低JPEG重压缩操作对来源鉴别的影响,并明显提升对JPEG重压缩图像的来源鉴别精度。(2)提出了一种基于判别性特征映射的JPEG重压缩图像设备型号来源鉴别方法在减小特征分布差异的同时,本文进一步提出了减小有标签图像特征类内差异性的方案来增强映射后来源鉴别特征的区分度。此外,在原始特征空间距离较近的图像样本,在映射后的特征空间也应距离较近,因此本文同时限制同一类别图像样本间最近邻关系,进一步提升映射后特征的分类能力。实验结果表明,本方法在有效降低JPEG重压缩操作对来源鉴别影响的同时,能明显提升来源鉴别模型的分类能力。与经典的来源鉴别方法相比,对JPEG重压缩图像的设备型号来源鉴别精度提升达3.5%。