智能成像设备的快速发展使得数字图像成为传递信息的重要渠道。然而,随着图像编辑软件操作的日益人性化,人们可以对图像内容进行随意修改,这种操作严重降低了图像的可信度,由此诞生了判别数字图像真伪的检测技术。拼接是篡改者惯用的一种伪造手段,众多学者已经提出了多种针对此类篡改的检测方法。然而随着篡改技术的日益成熟,研究图像拼接篡改检测的方法仍十分必要。针对目前图像拼接篡改检测方法真阳性率低、鲁棒性不强的问题,本文提出基于噪声分布的图像多区域拼接篡改检测技术研究。具体研究如下:（1）针对当前图像拼接篡改检测方法忽略颜色信息及对不同大小的图像块噪声估计准确性不高导致检测精确率低的问题,提出一种基于自适应四元数奇异值分解的噪声估计算法。该算法首先将可疑图像分割为超像素块,然后根据图像块的大小利用四元数奇异值分解自适应估计噪声水平,最后计算亮度信息建立噪声与亮度间的函数关系,得到各超像素块受该函数的约束程度,将其作为噪声特征向量。（2）针对来源不同的图像存在某些区域噪声水平相似且单一特征提取方法对经过后处理的篡改图像检测鲁棒性不强的情况,提出利用相机自动白平衡色温估计算法提取超像素的色温特征。然后利用霍普金斯统计量评估噪声和色温特征向量的随机分布程度,为二者自适应分配权重,得到具有良好可区分性的混合特征。（3）由于FCM聚类算法的分类结果受初始聚类中心的影响较强,并且超像素分割结果中存在一些区域面积较小的块,导致定位结果中该类块被误标记的可能性较大。针对此问题,提出利用特征向量的密度和距离研究最优聚类中心,在加快FCM聚类算法收敛速度的同时提高分类准确度。然后对初始标记的可疑区域进行超像素块上下文信息后处理,进一步提高检测精度。实验在哥伦比亚未压缩拼接图像数据集上与其他方法进行了比较,结果表明,所提方法在未后处理及JPEG压缩、高斯模糊和伽马校正处理后检测精度均略有提升。由于目前没有公开的多区域拼接图像数据集,故利用哥伦比亚数据集自主构建多区域拼接篡改图像集,并将本文方法与目前能检测多区域拼接篡改的方法进行对比,结果显示本文方法在自主构建的多区域拼接图像集上具有一定的有效性。