随着信息技术的高速发展，数字图像在人们生活中占有的比重与日俱增，然而先进图像编辑软件的发展使对于数字图像的篡改变得越来越方便了。因此如何正确而又高效的鉴别一张图像的真实性和完整性成为了一个十分重要的课题。研究表明图像BDCT(Block Discrete Cosine Transform)系数的一些统计信息对于检测数字图像篡改具有一定的鉴别能力。在本文中，针对BDCT域系数对于拼接图像篡改的鉴别能力进行了深入的研究和探讨。通过理论和实验分析了如何应用BDCT域系数有效的进行拼接图像检测，进而对一阶和二阶BDCT域系数的不同特点进行研究，通过细致的实验对于BDCT域系数的鉴别力进行了总结和归纳。并在研究了不同相邻BDCT域系数对的关联性对于拼接图像检测能力的基础之上，提出了基于鉴别力最大化的分组马尔科夫特征。该特征通过对所有BDCT域系数对进行预分组，降低了算法的计算量和最终特征维度，同时加强了特征的表达能力；然后通过对分组特征互信息量最大化的加权，使得特征的最终鉴别力最大化。最后，采用支持向量机（SVM）作为分类器，在哥伦比亚大学提供的标准图像拼接库上完成测试，获得较高的平均准确率（91.2%），优于大多数现有代表性方法。