《数字图像处理新技术课件》由会员分享，可在线阅读，更多相关《数字图像处理新技术课件（38页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理新技术,数字图像处理的应用,图像处理的主要应用领域 图像处理在数字水印中的应用 基于内容的图像检索,图像处理的主要应用,航天和航空技术方面的应用 生物医学工程方面的应用 通信工程方面的应用 工业和工程方面的应用 军事公安方面的应用 文化艺术方面的应用,基于互联网的图像系统,互联网图像系统的结构 互联网图像系统的研究方向 解决图像数据大与网络带宽窄的问题 与信息安全、版权保护相关的图像问题 静止、活动图像的存储与检索的问题,图像处理在数字水印中的应用,数字水印 随着因特网在各个应用领域的蔓延，多媒体数字作品（图像、视频、音频等）纷纷以网络形式发表，这些作品的版权保护就成为一个迫切而又
2、比较困难的问题 数字水印（digital watermarking)是解决这一问题的有效办法,如何通过数字水印实现版权保护,定义： 通过在原始数据中嵌入秘密信息水印(watermark)来证实该数据的所有权。 形式： 这种被嵌入的水印可以是一段文字、标识、序列号、其他图像等，而且水印通常是不可见或不可察的，它与原始数据紧密结合，并隐藏其中，成为源数据不可分离的一部分。 特性： 水印信息应该能够在经历了某些不破坏原始数据的操作（如压缩等）后仍然保存下来。,数字水印系统模型,水印信号嵌入,密钥,载体数据,水印载体 数据,水印 信息,水印嵌入 算法,数字水印系统模型,水印信号的提取,数字水印系统模型
3、,水印信号的检测,水印技术与信息隐藏技术,水印技术是信息隐藏技术的一个分支 水印技术和信息隐藏技术的差异： 如果隐藏的信息被破坏，对于信息隐藏技术而言，因为秘密信息并未泄漏，系统可以认为是安全的； 但对于数字水印系统来说，隐藏信息的丢失，意味着版权信息的丢失，从而失去了版权保护的功能，因此，这样的系统是失败的,数字水印技术的技术特性,鲁棒性(robustness) 不因图像文件的某些改动而导致隐藏信息丢失的能力。如传输过程中的信道噪声、滤波采样、有损压缩编码、D/A或A/D转换 不可检测性(undetectability) 指隐藏载体与原始数据具有一致的特性。如具有一致的统计噪声分布等，以便使
4、非法拦截者无法判断是否有隐蔽信息 透明性(invisibility) 利用人类视觉系统特性，经过一系列隐藏处理，使目标数据没有明显的质量下降，隐藏数据也不会被发现 安全性(security) 指隐藏算法有较强的抗攻击能力，隐藏信息不易破坏,数字水印技术的技术特性,自恢复性 由于经过一些操作或变换后，可能会使原图产生较大的破坏，如果只从留下的片段数据，仍能恢复隐藏信号，而且恢复过程不需要宿主信号，我们就说这样的算法具有自恢复性,数字水印技术的技术特性,自恢复性,数字水印的典型算法,空域算法 早期的数字水印算法以空域算法为主。 空域算法通常比较简单，运算量小。缺点是抵抗攻击的能力往往会比较弱。 S
5、chyndel算法是空域算法（Schyndel算法是Schyndel等人在1994年提出，就数字水印技术领域而言，它可以说是具有一定程度的始祖意义）,数字水印的典型算法,Schyndel算法： 首先把一个密钥输入到一个m-序列发生器来产生水印信号，然后此m-序列被重新排列成2维水印信号，并按象素点逐一插入到原始图像象素值的最低位。 由于水印信号被安排在最低位，因此可以满足不可见性。,数字水印的典型算法,频域算法： 把源数据经过某种变换（例如DCT变换）之后，对频域数据嵌入水印信息。 频域算法通常比较复杂，运算量大。但抵抗攻击的能力往往会强一些。 目前比较主流的频域算法包括DCT域数字水印算法、
6、小波域数字水印算法等,DCT域数字水印算法,添加水印的算法 首先把图像分成88的不重叠象素块 对每块数据做DCT变换，得到DCT系数组 由密码控制选择一些DCT系数，对这些系数进行微小变换以满足特定的关系。 提取水印的算法 在水印提取时，选取相同的DCT系数 并根据系数之间的关系抽取特定信息。 算法分析 数据改变的幅度比较小，透明性好。 抵抗几何变换攻击的能力会比较弱。,数字水印的典型算法,压缩域算法 基于JPEG、MPEG标准。 水印信号的嵌入、提取、检测直接在压缩域数据中进行。 节省了解码和重新编码的过程,内容检索与内容匹配,当我们的数字图像数量很多时（达到上千张、甚至上百万张），如何快速
7、有效地找到需要的数字图像是一项有挑战性的工作 那么，如何利用计算机辅助检索图像呢？（与文本检索不同，图像与图像之间的比较是一个复杂的问题）,传统的图像检索方法,通过图片的元数据或标引文字进行检索 例：图像元数据 宽度/高度：210/172 内容：6个有草的玻璃瓶、3个瓶有红色液体、3个瓶有透明液体 主题：玻璃瓶与草 背景：淡灰,传统的图像检索方法,标引文字的检索的局限性是： 图片的标引文字主要靠人工输入。对大数据量的场合（如Web资源、数字图书馆等）应用困难 标引文字无法精确完整的刻画图片内容 文字描述一维线性的媒体，而图片是二维非线性的媒体 生成或利用元数据的过程实质是在两种差异很大的媒体间
8、的翻译过程，有很大的随意性和信息损失,基于内容的图像检索方法,一图胜千言，考虑绕过这些转换（翻译）过程直接利用图片去检索图片，这就是基于内容的图像检索（CBIR，Content-Based Image Retrieval）的出发点 90年代初，国际上就开始了对基于内容的多媒体信息检索方面的研究 大量原型系统已经推出,技术正在逐步走向成熟，已经出现一些商用系统。 商用系统如：IBM的QBIC、Virage的VIR Image Engine。 原型系统如：UCB的BlobWorld（形状）、Stanford的系统（颜色）。 检索效果仍需改进,基于内容的图像检索系统,基于内容的图像检索系统结构,基于
9、内容的图像检索系统,基于内容的图像检索流程 基于内容的检索通过与用户交互的方式 ,对查询结果逐步求精 ,检索经历了一个特征调整、重新匹配的循环过程,基于内容的图像检索系统,基于内容的图像检索系统的4种检索方式 利用图片样本检索（Query By Example） 可以由用户准备图片样本 可以在图片库中浏览 系统给出各类代表图像 从系统中随机抽取（检索是一个逐步求精的过程） 利用草图检索 利用图像特征模板检索 如颜色特征模板，指定各种颜色的比率等。 以上方式结合 先用草图或指定特征获取图片样本，再用图片样本检索,举例：用颜色特征模板进行检索,内容匹配的主要策略,颜色特征匹配 基本原理：颜色具有一
10、定的稳定性。在许多情况下 ,颜色是描述一幅图像最简便而有效的特征。用图像的颜色信息作为图像之间进行匹配的特征依据。 颜色比率匹配 颜色布局匹配 色彩空间匹配,颜色比率匹配,颜色比率匹配举例2：从1万张图片中检索的结果,颜色比率匹配,颜色比率匹配举例2：从1万张图片中检索的结果,颜色布局匹配,颜色布局匹配举例1：从1万张图片中检索的结果,颜色布局匹配,颜色布局匹配举例2：从901张图片中检索的结果,纹理特征匹配,均匀度反映纹理的尺寸,纹理特征匹配,对比度反映纹理的清晰度,纹理特征匹配,方向反映实体是否有规则的方向性,纹理特征匹配,纹理特征匹配举例1：从1万张图片中检索的结果,纹理特征匹配,纹理特
11、征匹配举例2：从1万张图片中检索的结果,形状特征匹配,基本原理 形状是刻划物体的本质特征之一 ,可以针对面积 (可用象素点的个数计算 )、环形性 (即周长 *周长 /面积 ,周长也用象素点的个数表示 )、主轴方向、偏心率、圆形率、连通性、正切角等形状特征进行匹配。 形状检索主要有两种方法 1）针对图像边缘轮廓线进行的检索 2）针对图形矢量特征进行的检索,解决问题,数字图像水印解决了数字图像版权问题 空域水印 频域水印 基于内容图像检索解决了网络如何在海量数据中检索需要的图像 利用图片样本检索（Query By Example） 利用草图检索 利用图像特征模板检索 如颜色特征模板，指定各种颜色的比率等。 以上方式结合,
