_无意攻击.ppt

无意攻击 《信息隐藏实验教程》教学幻灯片 十九 几种常见的无意攻击 中值滤波和均值滤波 锐化滤波 马赛克攻击 加噪攻击 JPEG压缩 模糊处理 图像的旋转、剪切和改变大小 中值滤波 （1）一维中值滤波 当n为奇数时，一个n个数的序列x1,x2，…xn按从小到大的顺序排列，处于中间位置的数就称之为这个序列的中值，当n为偶数时，我们则定义处于中间两个数的平均值为这个序列的中值。 中值滤波就是一个含有奇数点的滑动窗口正中点的值用窗口内各点灰度的中值代替。 中值滤波 设中值滤波器的大小为n，对序列{xi|i∈Z}的标准中值滤波器有： i∈Z 式中的k=(n-1)/2, Z为所有自然数的集合。 这种滤波器也称为滑动滤波器。 它的工作原理是：大小为n的滤波器的窗口的长度为n．N一般为奇数，对任一时刻该窗口内的所有值排序取中值，即为滤波器的输出。 中值滤波 中值滤波器的大小为n＝3的工作原理： 即它的窗口大小为3．此时的k＝(n—1)／2=1，信号的长度为5，图中点的高度对应该点信号的值 为了让处于首尾的两点也能被滤波，在两端先扩展1点(一般地，扩展的点数为k)o 中值滤波 （2）二维中值滤波 用数集{xij}表示一幅数字图像，广泛的来说，这里的（i，j）遍取Z2或它的一个子集，滤波器窗口A的尺寸为N=(2k+1)(2k+1), 定义二维中值滤波器为： 中值滤波 与一维的中值滤波器的原理相似，二维中值滤波器对图像的处理是用一个二维的窗口去依次成块地覆盖图像中的像素，用覆盖的那些像素值的中值去取代窗口正中的那个像素的值。 中值滤波 在用滤波器处理图像之前，还是要进行点扩展，以保证输出的图像大小与原来的一致。 一个图像大小为3×3，窗口大小也为3×3的点扩展的图示： 中值滤波 可以通过连续运用两次一维中值滤波来实现，即先按行再按列，或先校列再按行，表达式如下： 中值滤波matlab实现 中值滤波matlab实现 function image_opd=median16(image,a); A=imread(image); // A为三维 [row,col]=size(A); //row: A一维大小 col A二维大小*三维大小 A=double(A)/65535; //16位图像 original=A; B=reshape(A,row,col); C= medfilt2(B,[a a]); col=col/3; image_opd=reshape(C,row,col,3); imwrite(image_opd,temp2.png,BitDepth,16); Reshape array 中值滤波结果 下图是lenna的原始图像和做7×7的中值滤波后的结果 ： 中值滤波—检测相关性图 “中值滤波—检测相关性图”能刻画中值滤波攻击对嵌入水印图像的影响： 其中的x轴表示滤波器的模板尺寸的大小，y轴表示检测器检测山的相关件值 中值滤波—检测相关性图 中值滤波—检测相关性图 中值滤波 均值滤波 中值滤波与均值滤波的不同之处在于，中值滤波器的输出是模板下像素的中间值，而均值滤波器输出的是模板下像素的平均值。 中值滤波对极限像素值（也就是与周围像素值相差较大的像素值）的平滑处理效果好于均值滤波，下图直观的反映了它们的这一点： 均值滤波 锐化滤波 （1）线性锐化滤波 线性锐化滤波器通常就是一个高通滤波器，采用高通滤波让高频分量通过，使图像的边缘或线条等细节变得清楚，实现图像锐化。对于一个3×3的模板来说，典型的系数是： 拉普拉斯算子 （1）线性锐化滤波 （1）线性锐化滤波 fspecial：Create predefined 2-D filter （1）线性锐化滤波 下图是lenna的原始图像和经过线性锐化后的图像 ： （2）非线性锐化滤波 Sobel算子 Sobel算子基本原理f(x,y)用g得出 （2）非线性锐化滤波 （2）非线性锐化滤波 （2）非线性锐化滤波 下图是lenna的原始图像和经过非线性锐化后的图像： 马赛克攻击 马赛克攻击原理就是将一幅图像中的像素按照一定大小的模板与相邻的像素一起取平均值，再将这个值赋给模板之下的每一个像素，下面以3×3的模板为例，用图简单直观的例举一下。