互联网和多媒体信息处理能力的不断发展,使得图像这一传统的多媒体信息载体被广泛应用和传播；与此同时,可以用来改善图像质量的处理软件也随之飞速进步,复杂的图像处理功能也可以被普通人方便的使用。非法获取、篡改、传播未授权图像的行为受到普遍关注。医学图像因为其内容涉及病患的大量隐私和诊断安全性而对图像真实性检测提出了更高的要求。目前图像篡改检测主要分为主动检测(Active Detection)和被动检测(Passive Detection)两大类。主动检测方法包括数字签名和数字水印,而被动检测也称为盲检测,两类主要区别为是否需要提供检测图像的相关先验知识或是否需要在图像中嵌入相关签名、水印等信息。　　 本文主要研究对一类医学图像篡改的盲检测方法。阐述了国内外目前在图像盲检测领域的主要研究成果,并分析相关方法的优缺点。对一类医学图像进行模糊、对比度调整、缩放、旋转等模拟篡改操作,并采用基于图像质量测量(Image Quality Measurement,IQM)和高阶小波统计量(High Order WaveletStatistics,HOWS)的特征,运用模式识别分类方法(如Fisher线性判别,支持向量机等)构建分类器,研究原始图像和被篡改图像之间的可分性,比较了基于IQM和HOWS特征的盲检测分类器性能,并提出运用改进的多类别支持向量机(SVM)分类的方法,即加权后验概率的SVM多类分类方法,对每一幅测试图像给出其相应的篡改类别。实验结果显示本文选用的盲检测方法能够一定程度的解决一类医学图像的篡改检测以及多类篡改混合的分类。