Image Splicing Localization Using Superpixel Segmentation and Noise Level Estimation

2019 12th International Congress on Image and Signal Processing,
BioMedical Engineering and Informatics (CISP-BMEI)

根据超像素划分每个图像块，
对每个图像块 求噪声水平，
对于上面的图像块-噪声水平 求聚类

默认，小的聚类是篡改区域，大的聚类是原本的背景。

超像素分割有很多的好处，能够划分边界。使用超像素划分图像直接就简化问题。但是splicing里面也有一些路子很野的，不考虑语义信息，乱篡改图像的，这种情况可能就会出现问题了。 因为此时，篡改区域可能被分到不同的超像素中， 这种情况是可行的，因为是聚类。
但是大面积的篡改会出现问题，二义性的问题。无法分清篡改区域。灾难性的后果是完全预测反了，指标全部飙0.

噪声水平分析：
图像的噪声通常均匀的分布在图像中，如果引入其他图像的图像块，那么splicing 区域的噪声水平将会完全不同。依据此原理，分析篡改的区域。一般是基于块的方法。