数字图像处理新技术

数字图像处理新技术2of36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3of36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4of36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创建图像管理（Server）图像访问（浏览器）5of36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比较困难的问题数字水印（digitalwatermarking)是解决这一问题的有效办法6of36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。7of36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密钥载体数据水印载体数据水印信息水印嵌入算法8of36数字水印系统模型水印信号的提取密钥原始载体数据水印信息水印提取算法水印载体数据9of36数字水印系统模型水印信号的检测原始水印信息密钥原始载体数据水印信息水印提取算法水印载体数据水印检测10of36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11of36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12of36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高通滤波直方图均衡化锐化处理13of36数字水印技术的技术特性自恢复性平滑处理JPEG压缩JPEG2000压缩14of36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。Schyndel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）15of36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。16of36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、小波域数字水印算法等17of36DCT域数字水印算法添加水印的算法首先把图像分成8×8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。18of36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19of36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）20of36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21of36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的翻译过程，有很大的随意性和信息损失22of36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-BasedImageRetrieval）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VIRImageEngine。原型系统如：UCB的BlobWorld（形状）、Stanford的系统（颜色）。检索效果仍需改进23of36基于内容的图像检索系统基于内容的图像检索系统结构图片输入模块…查询处理模块特征匹配模块数字图像库特征索引库特征提取模块24of36基于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逐步筛选、求精特征调整生成查询要求输入图像返回结果图像相似性匹配返回初步结果25of36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（QueryByExample）•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26of36举例：用颜色特征模板进行检索左侧的就是一个颜色模板27of36内容匹配的主要策略颜色特征匹配基本原理：颜色具有一定的稳定性。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28of36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29of36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30of36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31of36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32of36纹理特征匹配均匀度反映纹理的尺寸33of36纹理特征匹配对比度反映纹理的清晰度34of36纹理特征匹配方向反映实体是否有规则的方向性35of36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36of36纹理特征匹配纹理特征匹配举例2：从1万张图片中检索的结果37of36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38of36解决问题数字图像水印解决了数字图像版权问题1.空域水印2.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1.利用图片样本检索（QueryByExample）2.利用草图检索3.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。4.以上方式结合