数字图像易编辑和易伪造的特点,致使数字时代多媒体的真实性遭受到极大的挑战。正因如此,关注数字图像的采集设备、内容真实性和信息完整性的数字图像取证技术成为多媒体信息安全研究的热点。但现有的数字图像来源取证算法也涌现出了许多问题,如算法所需训练集较大、特征维数较高和缺乏理论证明的缺点。针对以上存在的问题,本文对下列问题展开研究。首先,提出了一种针对非RAW格式的自然图像和计算机生成图像的来源取证算法。因为自然图像和计算机生成图像的成像机制不同,导致两类图像在统计特征上存在很大差异。为了有效地提取图像统计特征,同时减少图像纹理等因素的干扰,通过设计的两个滤波器逐步地对图像残差噪声进行提取。在此基础上,借助假设检验理论对所提取的残差噪声建立高斯分布模型,不同图像的残差噪声服从参数不同的高斯分布模型。实验结果表明,在虚警率为1.2%的条件下,本文提出的算法对自然图像的正检率为95.33%,对计算机生成图像的正检率为96.44%。此外,还分析了该取证算法特性和正检率的理论上限值,且该取证算法在图像后处理攻击下有较好的鲁棒性。其次,对CFA插值、白平衡和伽马校正等后处理操作对RAW格式图像残差噪声的方差值进行了研究。使用双线性插值算法、灰度世界算法和伽马校正算法模拟图像后处理操作。借助上文提到的噪声分布模型,对马赛克、完成CFA插值、白平衡和伽马校正的自然图像和计算机生成图像进行来源取证。实验结果表明,在虚警率接近1%的条件下,自然图像的正检率分别为54%、97.1%、95.2%和72.4%。CFA插值对图像像素间引入较高的相关性,而白平衡和伽马校正会减弱这种相关性。综上所述,本文提出的基于统计分布模型的数字图像来源取证算法不仅克服了当前取证算法所需训练集较大、特征维数较高的缺陷,且保持较高的正检率,并且对算法的识别准确率进行了理论证明。与目前直接用于处理非RAW格式图像的来源取证算法的研究不同,本文还揭示了 RAW格式图像在成像过程中引入的固有特性,以及固有特性和图像来源取证算法准确率的典型关系。