欢迎来到天天文库
浏览记录
ID:40482159
大小:5.16 MB
页数:66页
时间:2019-08-03
《第10章数字图像处理的应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第10章数字图像处理的应用内容提要:10.1图像处理在数字水印上的应用10.2基于形态学的图像颗粒度分析系统10.3基于内容的图像检索(CBIR)10.4数字化医院中的图像存档与通信系统10.5基于多分辨率分析的图像融合方法10.6PHOTOSHOP图像处理软件简介10.1图像处理在数字水印上的应用10.1.1概述10.1.2数字水印的衡量标准10.1.3数字水印的分类10.1.4实现数字水印的一般步骤10.1.5图像水印举例10.1.1概述多媒体技术已被广泛应用,需要进行加密、认证和版权保护的声像
2、数据也越来越多。如果对数字化的声像数据也采用密码加密方式,则其本身的数字信号属性就被忽略了。用各种信号处理方法对声像数据进行隐藏加密,并将该技术用于制作多媒体的“数字水印”。数字水印是信息隐藏技术的一个重要研究方向。10.1.1数字水印的衡量标准(1)不可见性在数字作品中嵌入水印不会引起明显的降质,并且不易被察觉。(2)鲁棒性在经历多种无意或有意的信号处理过程后,数字水印仍能保持完整性或仍能被准确鉴别。处理过程包括信道噪声、滤波、数/模与模/数转换、重采样、剪切、位移、尺度变化以及有损压缩编码等。1
3、0.1.3数字水印的分类(1)按水印的特性分鲁棒数字水印和脆弱数字水印(2)按水印的检测过程分明文水印和盲水印(3)按数字水印的内容分有意义水印和无意义水印(4)按数字水印的隐藏位置分时(空)域数印、频域水印、时频域数字水印等。10.1.4实现数字水印的一般步骤三个阶段:嵌入过程、传播过程和抽取过程。嵌入和抽取是相互对应的,即不同的嵌入方法对应着不同的抽取方法。水印方案的提出要充分考虑到数字产品在传播过程中会受到怎样的干扰这些干扰可能是天然的,比如信道噪声;也可能是人为的,比如恶意的篡改数字产品。在
4、嵌入之前,要对嵌入载体作一些预处理或变换,同样抽取水印也需要作相同的工作图10.1水印的嵌入和提取流程10.1.5图像水印举例1.LSB方法任何一幅图片都具备一定的容噪性,像素数据的最低有效位(LSB)对人眼的视觉影响很小,秘密信息就隐藏在图像每一个像素的最低位或次低位,实现不可见性。256色灰度图像每个像素值占8bit,其第8位就是最低有效位。把水印分别嵌入到图像像素的不同位,越低位嵌入,人眼越难识别。图10.2用LSB方法嵌入水印2.在DCT域嵌入水印先计算DCT,然后将水印叠加到DCT域中幅值
5、最大的前k系数上(不包括直流分量),通常为图像的低频分量。若DCT系数的前k个最大分量表示为D={di}(i=1~k),水印服从高斯分布的随机实数序列W={wi},那么水印的嵌入算法为Di=di(1+αwi)(10.1)用新的系数做反变换得到水印图像IW。解码函数则分别计算原始图像I和水印图像IW的离散余弦变换,并相减得到水印估计W*,再和原始水印做相关检验以确定水印的存在与否。10.2基于数学形态学的图像颗粒度分析系统10.2.1概述10.2.2求图像中目标的面积和颗粒度10.2.3实验结果与分析
6、10.2.4小结10.2.1概述细胞图片中可能包含多个彼此分离的细胞;金相图片中可能有多个气泡或颗粒;遥感图片中可能有不同的目标。以有噪医学图像为例采用开运算去除噪声,再根据结构元素的变化定义并绘制图像面积函数和颗粒度函数研究图像中各个颗粒或“子目标图像”的分布状况,得出的结论可供图像的颗粒度分析参考。10.2.2求图像中目标的面积和颗粒度1.面积的求解(1)几何方法不利于编程(2)运用格林公式有利于编程(3)用边界行程码或链码程序复杂度与运用格林公式相当2.颗粒度的求解(1)颗粒的检出从图像中检出
7、颗粒Y,然后消除噪声点。对图像X进行了一次开运算。选取结构元素进行腐蚀运算,去掉半径小于λ的噪声点,再进行膨胀运算。(2)颗粒分布函数10.2.3实验结果与分析1.结构元素的选取(a)正方形结构元素(d=3)(b)圆形结构元素(r=3)图10.6两种结构元素2.去噪预处理①读入原始图像,将彩色图像转换为灰度图像(图10.7(a))。②加上椒盐噪声(图10.7(b))。③选取合适的结构元素(图10.6)。④对含有噪声的图像进行开运算,去除亮斑点;对得到的图像再进行闭运算,消除图像中的暗斑点,即滤除了图
8、像中相应的噪声(图10.7(c)和图10.7(d))。图10.7显微图像的形态学去噪处理(a)原始灰度(b)含噪声图像(c)选取正方形结构元素去噪(d=3)(d)选取圆形结构元素去噪(r=3)(e)选取正方形结构元素去噪(d=4)(f)选取圆形结构元素去噪(r=4)3.计算和绘制颗粒度分布函数图10.8图像颗粒分布函数10.3基于内容的图像检索(CBIR)10.3.1概述10.3.2基于内容图像检索的发展10.3.3图像特征的概念10.3.4基于内容图像检索系统的框架
此文档下载收益归作者所有