第七章 图象复原

– 水印信号的检测 密钥
水印载体 数据 原始载体 数据
水印提取 算法
水印 信息 原始 水印信息
水印 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
– 水印技术是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。
• 透明性(invisibility)
– 利用人类视觉系统属性，经过一系列隐藏处 理，使目标数据没有明显的质量下降的同时， 隐藏的数据不会被发现
• 安全性(security)
– 指隐藏算法有较强的抗攻击能力，即它能够 承受一定程度的人为攻击，而使隐藏信息不 会被破坏。
• 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。
如颜色特征模板，指定各种颜色的比率等。
4）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
左侧的就是一个 颜色模板
二、内容匹配的主要策略
1、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 , 颜色是描述一幅图象最简便而有效的特征。 用图象的颜色信息作为图象之间进行匹 配的特征依据。
– 基于内容的图象检索系统结构 特征匹配模块
图片 输入模块
特征提取模块 数字图象库 特征索引库
查询 … 处理模块
– 基于内容的图象检索流程
• 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。
输入图象 生成 查询要求 相似性 匹配 返回 初步结果
返回结果图象 特征调整 逐步筛选 、求精
– 基于内容的图象检索系统的4种检索方式： 1）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象 – 从系统中随机抽取（检索是一个逐步求精的 过程）
2）利用草图检索 3）利用图象特征模板检索
2、传统的图象检索方法
– 通过图片的元数据或标引文字进行检索
例：图象元数据 宽度：210 高度：172 主题：玻璃瓶与草 背景：淡灰 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
– 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
k=0 k=0
– 三种主要颜色匹配策略
• 颜色比率匹配 • 颜色布局匹配 • 色彩空间匹配
1）颜色比率匹配
两幅相似的图象各自所包含的各种颜色的比 率是相似的，因此可以利用描述颜色构成比率的 特征进行检索。如彩色直方图、累积直方图、主 色调等。
颜色比率匹配举例：从1万张图片中检索的结果
颜色比率匹配举例：从1万张图片中检索的结果
– MPEG-7不是基于象素的压缩标准，不是要取代已 有标准
• MPEG-7所描述的内容
– 创作、生产相关信息：标题、导演、关键片 段 – 检索特征描述信息 ：颜色、纹理、形状、 音色、旋律 – 与使用相关的信息 ：版权、广播节目单 – 与存储相关的信息 ：存储格式、编码方式 – 时域、空域结构信息：场景剪接、区域分割、 运动跟踪
• 数字水印系统模型
– 水印信号嵌入 密钥
水印 信息 载体数据
水印嵌入 算法
水印载体 数据
• 数字水印系统模型
– 水印信号嵌入 密钥
水印 信息 载体数据 水印嵌入 算法 水印载体 数据
• 数字水印系统模型
– 水印信号的恢复 密钥 水印载体 数据 水印提取 算法 水印 信息
原始载体 数据
• 数字水印系统模型
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。
人
• 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。
关于退化的复原，一般可采用两种方法： 1、适用于对图象缺乏先验知识的情况。此 时可对退化过程（模糊和噪声）建立模型，进 行描述，并进而寻找一种去除或消弱其影响的 过程。由于这种方法试图估计图象被一些特性 相对来说为已知的退化过程影响以前的情况， 故是一种估计方法。 2、若对原始图象有足够的先验知识，则对 原始图象建立一个数学模型并据此对退化图象 进行拟合会更有效。
• 互联网图象系统的研究方向
– 解决图象数据大与网络带宽窄的问题 – 与信息安全、版权保护相关的图象问题 – 静止、活动图象的存储与检索的问题
8.2 基于内容的图象检索技术
一、 内容检索与内容匹配
1、问题的提出 – 当数字图象数量很多时（达到上千张、甚至 上百万张），如何快速有效地找到需要的数 字图象是一项富有挑战性的工作 – 那么，如何利用计算机辅助检索图象呢？ （与文本检索不同，图象与图象之间的比较 是一个复杂的问题）
三、内容描述标准MPEG7
• MPEG-7的基本思想
– MPEG-7是正在制定的多媒体内容描述标准，其目 标就是制定一组标准的描述子及其描述模式(定义描 述子的结构和相互关系)，内容描述与媒体内容结合， 使用户能够快速准确地进行检索 – MPEG-7的范围不包括特征提取和检索引擎，目的 是留有竞争的余地
纹理特征匹配举例1：从1万张图片中检索的结果
纹理特征匹配举例2：从1万张图片中检索的结果
3、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）针对图象边缘轮廓线进行的检索 2）针对图形矢量特征进行的检索
• 纹理特征匹配
– 基本原理：
• 均匀度反映纹理的尺寸
• 纹理特征匹配
– 基本原理：
• 对比度反映纹理的清晰度
• 纹理特征匹配
– 基本原理：
• 方向反映实体是否有规则的方向性。
• 纹理特征匹配
– 常用的匹配方法有： • 基于传统数学模型的共生矩阵法 • 基于视觉模型的多分辨率分析法 • 纹理谱分析法 • K-L变换法 • 小波方法
– 颜色匹配基础 ：计算直方图距离的方法 • 直方图相交法 • 直方图距离法 • 互补颜色空间直方图法 • 二次型距离法 • 中心矩法
• 直方图相交法 令: HQ(k)为查询图象Q的直方图 HD(k)为图片库图象D的直方图 则两图之间的匹配值为：
L-1 L-1
P(Q,D) = min[HQ(k), HD(k)] / HQ(k)
在进行图象复原时，还有许多其它选择。 1、可用连续数学，也可用离散数学进行处 理。 2、处理既可在空域，也可在频域进行。 各种图象的复原都可归结为一种过程，具 体地说，就是把退化模型化，并且采用相反的 过程进行处理，以便恢复出原图象。
§7.1 退化模型
图象复原处理的关键问题在于建立退化模 型。
§7.2 §7.3 §7.4 §7.5 §7.6 §7.7
彩色布局匹配举例2：从901张图片中检索的结果
– 三种主要匹配策略 3）色彩空间匹配 色彩空间对特征有重要影响，如在HSI 空间中可以忽略亮度信息的影响。 一般来讲，在HSI空间中利用分块累 积直方图的检索效果较好
2、纹理特征匹配
– 基本原理：
虽然图象的纹理特征在局部区域内可能 没有规则 ,但在整体上却往往呈现出一定 的规律性 。 纹理特征主要由纹理的 • 均匀度 • 对比度 • 方向 的特征量表示
一、数字水印的基本概述 • 问题的提出
– 随着因特网在各个应用领域的蔓延，多媒体 数字作品（图象、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（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
• MPEG-7的内容描述机制
– 描述符 ：用来对检索特征进行描述
– 描述方案：用来描述描述符、描述方案之间的语义
关系 – 描述定义语言：用来创建新的描述符、描述方案 – 系统工具：支持描述、同步、传输、编码描述之间 的多路复用，以便进行有效的存储、传输、管理和
版权保护
8.3 面向版权保护的数字水印
– 三种主要匹配策略 2）颜色布局匹配
• 颜色比率匹配法的缺陷： 只能描述颜色的全局统计信息，不能描述颜 色的空间分布 • 颜色布局匹配 通过比较图象与样本的颜色分布位置的相似 程度进行匹配。这类匹配选取的特征如图象的分 块直方图、颜色对距于内容的图象检索方法
– 一图胜千言（百闻不如一见），考虑绕过这 些转换（翻译）过程直接利用图片去检索图 片，这就是基于内容的检索的出发点 – 基于内容的图象检索的英文缩写：CBIR Content-Based Image Retrieval – 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。