本项目以数字图像中的PRNU（Photo Response Non-Uniformity）为基础，分析了不同来源图像在PRNU上的差异，对数字图像取证进行了深入的研究。完成的主要工作包括：（1）构建了相机图像与计算机生成图像分类图像库，总数超过1万张；（2）研究了一种适用于任意大小图像的计盒维数计算方法。它允许盒子高度可变，可有效减少分形维数的计算误差；（3）对当前WWDF-5、LV、CM-SAWT、WWDF-5-ML、LV-ML等五种PRNU提取算法进行了分析，实验结果表明WWDF-5在计算复杂度和准确率等指标上最优；（4）对基于复合特征的相机图像与计算机生成图像取证进行了研究。提取的特征包括灰度图像空域统计特征、小波域直方图均值、小波域不同子带的分形维数、PRNU统计特征、PRNU分形维数等48维特征，采用SVM分类，平均检测率达到94.29%，其中对计算机生成图像的检测成功率为97.3%，相机图像的检测成功率为91.28%；（5）对基于分形特征的相机图像与计算机图像取证进行了研究。利用图像和分形维数与空隙度、多重分形等9维特征，采用SVM分类，平均检测率达到96.47%。其中对计算机生成图像的检测成功率为97.52%，相机图像的检测成功率为95.42%；（6）研究了CFA插值对PRNU的影响，从PRNU的局部方差直方图中抽取9维特征进行SVM分类，对相机图像和计算机图像的平均检测正确率达到99.43%，并能有效抵抗缩放、JPEG压缩、旋转和加噪等处理；（7）研究了基于PRNU的图像复制-粘贴篡改的被动盲取证方法。对PRNU进行分块，以方差、信噪比、信息熵以及图像的平均能量梯度为特征，采用相关分析和字典排序的方法，对复制-粘贴篡改进行了检测和定位。取得了良好的检测效果，并对JPEG压缩、加噪、旋转、缩放和模糊具有较好的鲁棒性。上述研究成果证实了采用PRNU对数字图像进行取证的有效性，为PRNU的特征描述和表达提供了新的有效方法。