图像处理第11章.ppt

第四单元 拓展技术 图像水印：在保证图像视觉质量的前提下，将特定的信息“编入”图像数据，实现对图像的加工，将特定信息与图像联系在一起 彩色图像：将图像从标量图像拓展为矢量图像 视频图像：将图像空间从一般的空间域拓展到时间域 多尺度图像处理：将图像表达方式进行处理，通过综合利用图像内容在多个尺度上的联系，对图像更全面、有效的处理 (3)根据需嵌入的符号序列的长度L，选择一个合适的匹配滤波器的维数M。 (4)将扩展序列嵌入到DCT块中。令W={wi | wi=0,1}为对应有意义符号的扩展序列，则可将水印标示为 设在l层沿d方向的子图像对噪声的掩盖因子：M(l, d ) Ml和Md分别考虑了不同分解尺度和不同分解朝向子图像的掩盖特性： 综合考虑上述3种特性，小波域视觉掩盖特性值表示为 对待测水印序列和原始水印之间相似性的定量评价可以使用归一化相关系数CN: 基于迭代混合的图象隐藏 图象的多幅迭代混合 将图(c)混合在图(b)中，再混合到图(a)中 (a)公开图象 (b)中间结果 (c)隐藏图象 11.3.2 小波水印算法 2. 水印检测 对原始图象f(x,y)和待测图象f(x,y)（有可能与原嵌入水印图象f(x,y)不同）都进行L级小波分解，得到各自的1个最低频子带和3L个高频子带 从原始图像f(x,y)的最小波高频子图像中得到重要系数{Si，i=1,2…}，从待测图像f(x,y)的小波高频子图像中选择相应的系数作为待测重要系数集{S i,i=1,2,…}。依次比较各Si和Si的值，从而提取水印信息W。 如果CN的值超过某一阈值，则判定W和W为相关水印序列，即图像中存在先前嵌入的水印。 11.3.2 小波水印算法 例11.3.1 水印分布示例 这里所用水印符合高斯分布N(0,1),长度M=1000的随机序列。(a)为原始图像，(b)为含水印图像（PSNR=38.52dB）,(c)为两组的绝对差值图像 (1)从视觉效果上看不出两图的差别，这说明该算法嵌入水印具有很好的不可见性。 (2) 从差值图像可以看出，水印嵌入强度在纹理区、低亮度区和高亮度区要大些，而在图像平滑区和中等亮度区相对弱写，水印嵌入强度具有自适应调节性能。 11.4 水印性能评判 {对水印性能的检测和评价与所关心的水印特性和指标密切相关} 11.4.1 失真测度 衡量图像水印的不可见性客观指标，用 f(x,y)代表原始图像，用 g(x,y)代表嵌入水印的图像，图像尺寸均为N × N，定义不同的是真测度，常见差失真测度包括以下两种： (1) Lp 范数： (2) 拉普拉斯均方误差： P=1时得到平均绝对差，p=2时，得到均方根误差 11.4.1 失真测度 常见两种相关失真测度 (1) 归一化互相关 (2) 相关品质 11.4.2 基准测量和攻击 1. 基准测量方法 {水印的稳健性与水印的可见性以及有效载荷有关} 先确定一定的图象/视频数据； 嵌入尽可能多但还不至于导致非常影响视觉质量（根据某种测度）的水印； 对嵌入水印的数据进行处理或攻击； 通过测量所产生误差的比例来估计水印方法的性能。 衡量水印性能的基准方法将于选用的有效载荷、视觉质量测度以及处理或攻击方法有关 11.4.2 基准测量和攻击 1. 基准测量方法 (1)稳健型基准测量 有效载荷固定为1个比特或60 个比特，视觉质量测度采用 了空间掩膜模型，水印的强 度被调节到根据上述模型只 有不到1%的像素能看出有变 化。 11.4.2 基准测量和攻击 (2)感知性基准测量 有效载荷固定为80个比特，视觉质量测度采用了失真测度。 该失真测度考虑人类视觉系统的对比敏感度和掩膜特性，对超过视觉阈值（JND）的点进行计数。 JND可用来确定在图象各个部分所能容忍的水印信号的最大强度，从而避免水印的嵌入破坏图象的视觉质量。换句话说，就是利用人类视觉模型来确定与图象相关的调制掩模。 11.4.2 基准测量和攻击 2.攻击类型 对水印的攻击是未经授权的操作 常见的3种攻击类型： (1) 检测：例如一个水印产品的使用者检测了本应由所有者才检测的水印，这也称被动攻击； (2) 嵌入：例如一个水印产品的使用者对产品嵌入了一个本应由所有者才能嵌入的水印，这也称伪造攻击； (3) 删除：例如一个水印产品的使用者删除了本应由所有者才有权删除的水印。 上述几种手段也可能结合使用，如先删除产品中已有的水印，在嵌入需要的水印，称为改变攻击。 11.4.2 基准测量和攻击 所谓水印攻击分析，就是设计方法对现有的水印系统进行攻击，以检验其稳健性。攻击的目的在于使相应的