1.一种细粒度图像拼接区域检测方法，其特征在于，具体按照以下步骤实施：步骤1、对于大小为W×H的图像Im，令ImR，ImG，ImB分别表示R，G，B三个颜色通道；

步骤2、取证特征提取；

步骤3、拼接区域检测。

2.根据权利要求1所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤1具体如下：步骤1.1、CFA插值系数的估计；

步骤1.2、无效块的剔除；

步骤1.3、重建RGB三通道。

3.根据权利要求2所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤

1.1具体如下：

将图像ImG分成尺寸为τ×τ的非重叠块，得到 个图像块，令第u个图像块ImGu为：

其中，W和H分别表示图像ImG的长和宽，在不同尺寸τ×τ的分割块下，当尺寸为16×16时，拼接区域边缘更清晰，γ的值最大，因此取τ＝16；

为了估计ImGu的CFA插值系数，假设所选择的插值邻域大小为(2l+1)×(2l+1)，则建立如下的线性插值模型：其中，cGu，cRu和cBu分别表示绿色、红色、蓝色通道的CFA插值系数，ImGu，ImRu和ImBu分别表示绿色、红色、蓝色分量；

在图像块ImGu中，需插值的像素点的个数为ω＝(τ×τ)/2，并可将(2)式改写为：其中， 表示图像块ImGu中，第t个待插值像素点的灰度值， 表示图像块ImGu中待插值像素点的(2l+1)×(2l+1)邻域内第q个像素点的CFA插值系数， 表示图像块ImGu中第t2

个待插值像素点的(2l+1)×(2l+1)邻域内第q个像素点的灰度值，其中，q＝1,2,…,(2l+1) -

1，t＝1,2,…,ω； 的定义与 类似， 的定义与 类似， 的定义与 类似；

为了便于描述，将(3)式表示为：

其中， 其余符号类似；

随之采用协方差矩阵估计ImGu的插值系数，得到：假设三个颜色通道相互独立，并令i＝(2l+1)2-1，将(5)式变形为：最终，图像块ImGu中的CFA插值系数估计如下：

4.根据权利要求3所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤

1.2具体如下：

将(7)式简写为如下形式：

由(8)式可知，当且仅当矩阵DGu为非奇异矩阵时，插值系数CGu才有解；为此，可计算DGu的行列式|DGu|，并定义如下规则：

5.根据权利要求4所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤

1.3具体如下：

令l＝1，利用所有有效图像块插值系数CGu的平均值构建矩阵SG如下：其中，m为有效图像块的个数，通过矩阵SG重建绿色通道Im′G如下：Im′G＝ImG*SG  (11)

同理，也可得到重建后的R，B通道为Im′R，Im′B。

6.根据权利要求5所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤2具体如下：步骤2.1、利用拉普拉斯算子Lap对经过所述步骤1重建后的三通道Im′R、Im′G、Im′B、以及原始三通道ImR、ImG、ImB分别进行卷积处理：步骤2.2、令

步骤2.3、则Im'＝abs(Im1-Im2)为所提取的取证特征。

7.根据权利要求6所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤3具体如下：步骤3.1、粗粒度拼接区域检测：

对所述步骤2得到的取证特征Im'进行二值化处理，在此基础上同时进行形态学操作，得到粗粒度拼接区域的检测结果Imcu：Imcu＝imdilate(Im',SE)  (13)其中，SE为结构元素，imdilate(·)表示形态学操作；

步骤3.2、进一步进行细粒度拼接区域检测；

步骤3.3、采用超像素分割算法平滑细粒度定位结果边缘。

8.根据权利要求7所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤

3.2具体如下：

步骤3.2.1、纹理强度特征提取：

将Imcu分成尺寸为κ×κ的不重叠块，κ＝τ＝16，设 为每个粗粒度块，对每个块进行拉普拉斯算子卷积处理：X′y＝Xy*Lap  (14)

在此基础上，计算X′y的协方差矩阵Ay为：对协方差矩阵Ay进行奇异值分解，具体如下：其中， 为单位矩阵，T(1)＞T(2)＞…＞T(s)，用奇异值T(1),T(2),…,T(s)之和反映每个粗粒度块的纹理强度特征，并将其定义为：fy＝T(1)+T(2)+…+T(s)  (17)其中，fy表示第y个粗粒度块的纹理强度特征；

步骤3.2.2、区分可疑拼接块：

用大津法对纹理强度数据集 进行分类，如果图像块被分为两个集合Ψ1和Ψ2，定义：

其中，number(Ψ1)，number(Ψ2)分别表示集合Ψ1和Ψ2中元素的数目，RSplicing，ROrginal分别表示拼接区域和原始区域；

步骤3.2.3、去除误检块：

为了去除误检测，定义：若一个图像块的四邻域全为可疑拼接块，则定义该块为可疑拼接块，若一个图像块的四邻域全为原始块，则定义该块为原始块，即对于一个图像块Yα,β，步骤3.2.4、合并可疑拼接区域：首先，利用图像块的邻域标记方法，逐行扫描所有粗粒度块，寻找式(19)中检测结果的可疑拼接连通区域，直至将所有可疑拼接图像块标记完，假设共有δ个标签，即就有δ个可疑拼接连通区域，可将其记为：Γ＝{Γ1,Γ2,…,Γδ}；

然后，计算任意两个连通区域Γv、Γu中，像素点Qvχ和Quξ的之间的欧式距离Divχ,uξ：其中，(XXvχ,YYvχ)表示连通区域Γv中，第χ个像素点Qvχ的位置坐标；(XXuξ,YYuξ)表示连通区域Γu中，第ξ个像素点Quξ的位置坐标；

最后，定义如下规则对可疑拼接区域进行合并：其中，th为合并阈值，将哥伦比亚数据库中的图像作为测试图像，设置一系列的合并参数th0∈{20,40,60,…,200}，令拼接像素为阳性样本，原始像素为阴性样本，并计算在不同参数下的假阴性率(FNR)和假阳性率(FPR)，由于当th0＝100时，FNR和FPR的值均比较合理，因此th＝100，将可疑拼接区域合并的结果记为Imhe；

步骤3.2.5、精确定位：

对Imhe进行孔洞填充：

Imtian＝imfill(Imhe,'holes')  (22)其中，imfill(·)表示孔洞填充函数；

在此基础上，使用步骤3.2.4中的图像区域标记方法标记Imtian，假设共有θ个连通区域，并将其记为P1,P2,…,Pθ；定义P＝argmax Area(P1,P2,…,Pθ)为拼接区域，其中，Area(·)表示计算连通区域面积的函数，并将最终的细粒度拼接区域定位结果记为Imzui。

9.根据权利要求8所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤

3.2.4利用图像块的邻域标记方法，逐行扫描所有粗粒度块，寻找式(19)中检测结果的可疑拼接连通区域，具体步骤如下：令深色表示要标记的可疑拼接图像块，从第一行开始逐行扫描每一行的每个可疑拼接图像块，第一行有两个区域，其位置分别记为[2,6]和[9]，分别给它们标记区域标签为1,2；

接着扫描第二行，也有两个区域，所包含的可疑拼接图像块的位置分别为：[5]，[9]，但它们分别与上一行的两个区域邻接，所以沿用上一行的区域标签，即1和2；第三行有两个区域[5,9]和[13,14]，因为[5,9]与上一行的两个区域都有邻接，所以把之前的两个区域合并为一个区域，标记为两者中最小的标签号，即1；[13,14]为新产生的独立区域，所以赋予新的标号2，对每一行进行上述过程。

10.根据权利要求8所述的一种细粒度图像拼接区域检测方法，其特征在于，所述步骤

3.3具体如下：

步骤3.3.1、找到细粒度定位结果Imzui中，包含可疑拼接区域的最小矩形边界；

步骤3.3.2、将最小矩形区域映射到测试图像中，并对测试图像中的最小矩形区域进行超像素分割；

步骤3.3.3、将步骤3.3.2得到的超像素分割结果映射到Imzui的小矩形区域中，并将此超像素块集合记为：E＝{E1,E2,…,Ez}，其中，z为超像素块的个数；

步骤3.3.4、计算超像素块En(n＝1,2,…,z)中，可疑拼接像素个数占总像素个数比重εn：步骤3.3.5由于在连通区域合并时，会产生大量的误检，因此，定义如下规则：即得到最终的图像拼接区域检测结果。