近年来，随着数字技术的发展和数字图像处理工具的日益完善，人们可以很容易地篡改、编辑数字图像而不留下可以明显察觉的痕迹，因此迫切需要对数字图像的真实性、完整性和原始性进行鉴别。如何辨识数字图像的来源以及如何检测数字图像中拼接合成的痕迹是当前数字图像刑侦中的两个重要问题。在大众传媒、社会公安、法庭证据、科学发现等领域都有着重要的应用。　　 本文对数字图像的来源辨识和数字图像的拼接检测这两个图像刑侦问题进行了深入的研究，取得了以下的成果：　　 1.提出了一种基于典型相关分析(Canonical Correlation Analysis， CCA)的数字图像源相机的辨识方法。该方法利用典型相关分析，获取能够反映同一或不同相机图像的光响应非均匀性噪声(PRNU)之间相关关系的典型向量，将相机的噪声参考模式和图像的噪声特征的典型变量之间的相关系数作为判别信息来辨识图像的源相机。文中证明了该典型向量较传统辨识方法中的固定向量更具一般性。为了进一步提高高纹理图像源相机辨识的正确率，提出了对高纹理图像和非高纹理图像区别进行辨识的方法。通过检测图像中是否缺少光响应非均匀性噪声(PRNU)区域，将上述源相机辨识的方法推广应用到了图像拼接合成痕迹的检测，取得了较好的效果。　　 2.提出了一种基于曲波滤波的数字图像源相机辨识的方法。该方法使用曲波( curvelet)滤波器从图像中提取噪声特征，并利用图像的双变量峭度值将图像分为高纹理和非高纹理两类图像，然后使用Neyman-Pearson决策进行判别。与传统辨识方法中的小波滤波器相比，曲波滤波器能有效地从包含大量曲线奇异的高纹理图像中提取噪声特征，提高了高纹理图像源相机辨识的正确率。通过分析图像中光响应非均匀性噪声(PRNU)的完整性，将上述源相机辨识的方法推广应用到了图像中篡改区域的检测。　　 3.提出了一种基于加权局部熵的检测羽化处理的图像拼接的方法。该方法利用像素邻域的方向特征判断该像素是否处于潜在的平滑过渡区域；然后分别计算像素的邻域相似度和块相似度，这两个值可以揭示该像素周围是否存在一簇具有相同方向的直线；最后将像素邻域相似度和块相似度用作权系数，通过加权局部熵值来检验像素点是否处于羽化生成的平滑过渡区域。实验证明了该方法的有效性。　　 4.提出了一种利用图像SIFT特征检测复制-粘贴痕迹的方法。该方法将图像分成若干个子图像，任意两个子图像中的相同区域可以利用SIFT算法检测出来。即使复制区域经过缩放、旋转等操作，该方法仍然能够准确地检测出复制-粘贴的痕迹。　　 论文最后，对本文进行了总结，分析了今后的进一步研究方向。