随着科技的发展和图像编辑软件的广泛应用，图像编辑和修改已经变得轻而易举。编辑和修改后的“美图”变得赏心悦目，丰富了人们的视觉体验，然而，却在很多领域如：政事、金融、法律、新闻媒体、科技、医学等方面造成了极其严重的负面影响。近年来，随着图像篡改事件的频繁发生，数字图像取证技术受到了各方面学者们的密切关注。本文主要从图像润饰取证和图像重拍摄检测两个方向开展研究工作。主要工作如下：　　针对目前流行的美图软件，如：美图秀秀、Adobe Photoshop、Corel PhotoPaint、PotraitProStudio等的美图操作，提出了一种基于统计特征的润饰图像检测算法。考虑到图像润饰操作会引起纹理细节、颜色和亮度等方面发生变化，我们综合利用反映图像局部纹理细节的局部二值模式(Local Binary Pattem，LBP)算子、灰度共生矩阵(GICM)数字特征、Tamura纹理特征，以及可以反映颜色和亮度属性的图像四个通道的均值、标准差以及偏斜度特征，构造具有可区分性的统计特征，并结合支持向量机分类器，区分原始图像与润饰过的图像。通过在自主构建的和现有文献中数据库上的大量的仿真实验，结果表明，所提出的方法的检测精度达到96.86%，并具有很好的鲁棒性，与其他同类型的算法相比，我们所提方法具有较好的性能。　　提出了一种基于多特征融合的重拍摄图像检测方法。现存检测重拍摄图像的方法大多使用了高维特征同时结合分类器进行辨识。我们的研究方法是从减少特征维数和摒弃分类器这两个方面着手，分析了重拍摄过程所引入的图像镜面反射部分、小波分解后高频分量变化从而导致了与原始图像之间的差异，利用图像镜面反射比例的梯度、小波三级分解的垂直高频分量以及beltrami flow特征的统计量构造具有代表性的特征，通过分析这些特征的可区别性构建判别模型，并利用阈值法得出判断结果，区分原始图像与重拍摄图像。通过在现有公开的重拍摄数据库上进行大量的实验表明，我们的算法在特征维数少的情况下仍具有很好的检测率。图像进行多种类型的非恶意篡改，如：JPEG压缩、gamma校正、噪声添加以及滤波等，算法具有很好的鲁棒性。