为解决当前图像伪造检测方法在识别复制内容区域时忽略了颜色信息和不同颜色分量之间的相关性，使其对伪造内容的定位与检测准确度不理想的问题，设计了基于改进的加速稳健特征(SURF)描述符与多元极性复指数变换的图像伪造检测算法。引入高斯低通滤波器，对彩色图像完成过滤，以消除噪声，再计算滤波图像的颜色不变性，用其替代SURF描述符中的灰度分量，对SURF方法予以改进，获取新的Hessian矩阵，充分检测彩色图像中的兴趣点；随后，利用这些兴趣点来构建一组连通的Delaunay三角网。基于四元极性复指数变换，充分考虑不同颜色分量之间的相关性，有效提取三角网的局部视觉特征；计算视觉特征之间的欧式距离，根据预设阈值，对三角网实施配准；最后，引入随机样本一致性，剔除错误匹配的三角网，并定义后处理方法，检测出复制伪造区域。测试数据显示：相对已有的复制-粘贴伪造检测方法，在多种几何变换条件下，所提方法具有更高的伪造检测准确性。

图像配准在计算机视觉、遥感、医学诊断与治疗、环境监测等领域有广泛的研究应用。目前, 多数算法是将彩色图像转化为灰度图后再配准, 色彩信息的丢失可能会引起误配准。为此, 提出一种基于CSIFT(Colored scale invariant feature transform)的彩色图像配准方法, 求出彩色图像各个位置处的颜色不变量, 以颜色不变量作为输入图像, 再提取特征点并描述特征点周围的信息, 通过最近邻匹配法求出图像间的匹配对, 最后利用匹配的特征求取图像间的变换参数及配准后图像。实验结果表明, 对彩色图像进行已知参数值变换时, 该算法能得到精度高、误差小的计算结果; 对变换关系未知的彩色图像, 也能准确地求出图像间的映射关系; 且多数情况下运行速度较SIFT(Scale invariant feature transform)快。