原创

： Image Splicing Localization Using Superpixel Segmentation and Noise Level Estimation

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。