针对现有检测算法难以抵抗组合攻击的缺点，提出一种基于混合特征的复制-粘贴篡改识别算法。与传统算法使用固定阈值不同，所提算法采用无阈值相似子块提取方法来选择具有高相关性的子块。同时，为获取更多的局部信息，提出一种自适应子块合成方案以避免子块出现混叠。另外，针对尺度不变特征变换（SIFT）特征无法区分自然相似区域与篡改区域的问题，所提算法结合矩特征的优点，提取合成子块的递进式混合特征以此来降低算法的虚警率。实验结果表明，所提算法在MICC-F2000数据集上的灵敏度（TPR）与F1分别为97.2%与92.9%，在MICC-F220数据集上的TPR与F1为98.2%与95.1%，说明所提算法具有良好的检测能力。

借助能量约束与结构相似聚类机制，设计了一种新的图像内容伪造检测算法。首先，借助Hessian算子，利用盒式滤波器来生成Hessian行列式，以准确检测图像特征。然后，通过计算图像的Haar小波值，求取图像的方向信息，以构建图像特征的邻域窗口。再计算该邻域窗口内像素点的曲率信息，构成鲁棒性较好的特征向量。最后，对图像特征进行欧氏距离度量，并联合图像的区域能量特征，完成度量结果的约束，以实现图像特征的精确匹配。采用结构相似度(SSIM)函数，聚类匹配结果识别伪造区域，实现准确的检测。仿真数据表明，较当前内容检测技术而言，在多种几何变换干扰下，本文算法具有更高的检测准确性与鲁棒性。

为降低图像伪造算法的错误检测率和漏检测率，利用互相关函数(CCF)，设计了基于圆域分割耦合最优相关法则的图像复制-粘贴篡改检测算法。引入FAST算子，计算像素点及其邻点的灰度值，准确提取图像特征点，并利用特征点对应的直方图信息求取其主方向；同时，在该方向上建立特征点的邻域圆，对该圆域进行分割，计算每个分割区域的梯度特征，获取相应的特征向量；利用互相关函数对特征点间的相关程度进行计算，构建最优相关法则，完成特征匹配。利用匹配特征点的特征向量，计算特征点间的欧氏距离，对特征点进行集群，定位复制-粘贴篡改内容，实现伪造检测。实验结果表明：相对已有的伪造检测技术，所提算法具备更高的检测准确率，且对旋转、缩放等内容修改表现出更高的鲁棒性。

当前较多图像篡改检测方法主要通过对图像特征间的距离进行测量来完成特征匹配，忽略了图像的色彩信息，导致检测结果中存在较多的误检测和漏检测现象。对此，本文将色彩信息引入到图像特征匹配过程中，设 计了一种采用色彩制约模型的篡改检测算法。利用 Laplacian算子与 Harris算子提取图像特征，并利用像素点的红 (R)、绿(G)、蓝(B)三原色信息，结合特征描述符建立色彩制约模型，对特征点间的色彩信息进行度量，再 借助该度量值与特征点间的距离测量值共同完成图像特征匹配，充分剔除误匹配现象，有效提高匹配准确度。该算法还根据特征点间距离方差构造距离惩罚模型，对匹配后的图像特征进行聚类，准确识别篡改内容。通过实 验结果发现，与其他篡改检测算法相比，本文算法不仅对伪造内容具备更高的检测准确度，而且对模糊及旋转等内容操作也具有更好的适应性。

针对现有图像盲取证方法在多重镜像篡改检测效果较差的问题,提出一种基于近似最近邻(ANN)搜索的图像篡改检测方法。提取图像的BRISK(Binary Robust Invariant Scalable Keypoints)特征描述子,获得图像的二值特征向量。利用PatchMatch计算特征间的偏移量并借助传导策略优化搜索相似图像块,实现篡改区域的初步检测。利用最小均方线性模型计算拟合误差移除误匹配点,精确定位篡改区域。在CASIA V2.0图像数据集和哥伦比亚大学图像数据集上进行实验,实验结果表明,该算法能够准确且高效地检测经复杂几何形变的篡改区域,特别是对多重镜像篡改检测的准确率更高。