1.一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，具体按照以下步骤实施：步骤1、将图像分割成非重叠均匀的图像块；

步骤2、对步骤1中所有图像块进行噪声估计并计算噪声估计值；

步骤3、提取步骤1中所有图像块的DCT系数的主成分特征；

步骤4、对由步骤2和步骤3组成的数据集进行分类，找出可疑图像块；

步骤5、对可疑图像块进行精确鉴别；

步骤6；使用连通区域标记法将可疑图像块标记为区域；

步骤7、计算每一区域的面积，面积最大的区域即为拼接区域，其中区域中图像块的数目即为区域的面积。

2.根据权利要求1所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤1具体为，将大小为M×N的图像Im(u,v)分割成大小为d×d的非重叠均匀图像块Di(i＝1,2,...,q)，q＝(M×N)/(d×d)，Im(u,v)＝Im1(u,v)+g(u,v)

其中，Im1(u,v)表示理想的无噪声图像，g(u,v)表示高斯噪声，Im1(u,v)与g(u,v)相互独立，d＝18。

3.根据权利要求2所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1、利用峰度统计量对步骤1得到的图像块进行噪声水平估计，计算所有图像块的噪声估计值，并对得到的估计值进行归一化处理；

步骤2.2、基于拉普拉斯算子构造新的算子模板，对步骤1得到的图像块进行噪声水平估计，计算图像块的噪声估计值，并对得到的估计值进行归一化处理；

步骤2.3、对步骤2.1和步骤2.2得到的经过归一化处理的噪声估计值进行处理，得到所有图像块的新的噪声估计值。

4.根据权利要求3所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤2.1具体按照以下步骤实施：步骤2.1.1、将图像Im(u,v)经过DCT变换后得到的频域图像定义为G(α,β)，G(α,β)＝W(α,β)+h(α,β)，其中W(α,β)和h(α,β)分别对应于Im1(u,v)和g(u,v)；

步骤2.1.2、G(α,β)的方差和峰度分别为：

2 2 2

var(G)＝var(W)+var(h)

其中pk(W)表示原始图像的峰度，pk(h)表示高斯噪声的峰度，像素域中的噪声g呈高斯分布，由中心极限定理可知，频域噪声h也呈高斯分布，因此pk(h)＝0，则可得到：提取特征向量T的峰度噪声：

其中 表示带有噪声的图像的峰度， 表示带有噪声的图像的方差；

估计的噪声标准差为

所有图像块的噪声估计值vari(i＝1,2,...,q)；

步骤2.1.3、对步骤2.1.2得到的估计值进行归一化处理： 得到归一化向量γ＝(γ1,γ2,...,γq)。

5.根据权利要求4所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤2.2具体按照以下步骤实施：步骤2.2.1、利用拉普拉斯算子H1和H2构造新的拉普拉斯算子模板H3：用 表示图像块Di的噪声方差，则：

步骤2.2.2、对每一图像块的估计值 进行归一化处理：得到归一化向量

6.根据权利要求5所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤2.3具体为：对于步骤2.1得到的向量γ＝(γ1,γ2,...,γq)和步骤2.3得到的向量 做如下处理，得到新的噪声估计值φi：令

得到所有图像块的噪声估计值为Φ＝{φ1,φ2,...,φq}。

7.根据权利要求2所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤3具体按照以下步骤实施：步骤3.1、将每个18×18的图像块Di细分为4个9×9大小的图像块Dij(j＝1,2,3,4)，即Di＝(Di1,Di2,Di3,Di4)；

步骤3.2、对每个9×9大小的图像块Dij进行DCT变换得到9×9的系数矩阵，以系数矩阵的中心点为交叉点，提取上下左右4个垂直方向的DCT系数矩阵的系数Tij(j＝1,2,3,4)：Tij＝(tij1,tij2,tij3,tij4)，则18×18的图像块Di的DCT系数矩阵为：步骤3.3、对矩阵Ti求主成分：Ωi＝(vi1,vi2,...,viR)＝PCA(Ti)，i＝1,2,...,q；

其中，PCA(·)表示主成分分析算法，vig(g＝1,2,...,R)表示第i个图像块的DCT系数的主成分分量，R表示获得的主成分分量的总个数；

步骤3.4、用Ωi的均值来表示整个图像块的信息，则每个图像块的DCT系数的主成分特征为：则得到所有图像块的DCT系数的主成分特征π＝{ω1,ω2,...,ωq}。

8.根据权利要求1所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤4具体按照以下步骤实施：步骤4.1、设数据集ζ＝{Φ,π}，其中Φ是噪声估计值集合，π表示DCT系数的主成分特征集合；

步骤4.2、用Fuzzy C‑means聚类将步骤4.1的数据集进行分类，设图像块分为X和Y两类，令b1，b2分别表示X和Y中图像块的数量，即b1＝||X||,b2＝||Y||

其中，||·||表示集合的基数；

步骤4.3、设B为可疑区域，则B的定义为：

若b1/(b1+b2)≤0.5，那么区域B为由X中包含的图像块组成的区域，X中包含的图像块称为可疑图像块；反之，区域B为由Y中包含的图像块组成的区域，Y中包含的图像块称为可疑图像块。

9.根据权利要求1所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤5具体为：若一个图像块的周围全为可疑图像块，则定义该图像块为可疑图像块，并把该图像块移入可疑图像块集合，即对于Blk，若Bl+1,k,Bl‑1,k,Bl,k+1,Bl,k‑1∈B，则Blk∈B。

10.根据权利要求1所述的一种基于连通区域标记的细粒度图像拼接检测方法，其特征在于，所述步骤6具体为，使用标签将可疑图像块逐行标记为区域，当后一行标记的区域与前一行相邻接时，使用前一行的区域标签，当后一行标记的区域与前一行不邻接时，使用新的区域标签，当标记区域产生闭合的区域时，使用该区域内的最小标签进行标记，直至将所有图像块标记完。