图像小波变换
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
1 1 1 2 1 3 1
图像小波变换
图像小波变换
图像小波变换
对lennaR做2层小波分解,得到C也是一个 1×65536的行向量,记录的是2尺度低频、2尺 度水平高频、2尺度垂直高频、2尺度对角高频、 1尺度水平高频、1尺度垂直高频和1尺度对角 A f ( x, y), D f ( x, y), D f ( x, y), D f ( x, y),D f ( x, y), D f ( x, y))七个 D f ( x, y) 高频( 部分的频率系数。下图中S是一个4×2的矩阵, 其第一行表明尺度2下的低频系数为64×64长 度;第二行表明尺度2下的高频系数为64×64 长度;第三行表明尺度1下的高频系数为 128×128长度;
图像小波变换
最后,我们来看一下这些频率系数的具体 内容:lennaR是一个256×256的二维信号,对 其做1层小波分解,得到C是一个1×65536的行 向量,记录的是低频、水平高频、垂直高频和 A f ( x, y), D f ( x, y), D f ( x, y), D f (x, y))四个部分的 对角高频( 频率系数。S是一个3×2的矩阵,其第一行表 明尺度1下的低频系数为128×128长度;第二 行表明尺度1下的高频系数为128×128长度; 第三行表明lennaR是一个256×256的二维信号。 lowf和highfH,highfD和highfV分别对应分离 出来的四个部分的系数矩阵。
S(1,:)=尺度level下的低频系数长度
图像小波变换
S(i,:)=尺度level-i+2下的低频系数长度 S(level+2,:)=原始信号的大小 3、原始信号通过两个共轭滤波器后,得到高、 低频两路信号。假设原始信号抽取256个点参 与计算,那么将得到512个频率数据,如此下 去冗余太大。所以,在滤波之后还要进一步抽 样以减少冗余。通行的方法是隔一数丢弃一个 数,从而保证滤波后的两路信号与原始信号数 据长度一致。这三个结论,对小波信息隐藏实 验有很大帮助。
(t )dt 0
或 C 0
( )
2
d
小波与小波变换简述
则称φ(t)为一个母小波函数(Mother Wavelet Function)。一个母小波函数有如下几个特点: ( ) (t )e dt 而, 1.因为, (t )dt 0 故 而(0) (t )dt 0 。也就是说,一个母小波函数 的直流分量(Direct current components)为0。换 句话说,就是母小波函数具有正负交替的特点, 其均值为0。
2 1 2 2 2 3 2
1 1 2 1
3 1
图像小波变换
第四行表明lennaR是一个256×256的二维 信号。lowf和highfH,highfD和highfV对应2尺 度下分离出来四个部分的系数矩阵。
图像小波变换
比较做1层分解和2层分解频率系数图, 可以发现MATLAB中的二维DWT有如下规律: 1、返回的频率系数(C向量中)以如下形式存放 C=[A(level)|H(level)|V(level)|D(level)H(level1)V(level-1)D(level-1)…|H(1)|V(1)|D(1)] 2、返回频率系数的同时,返回一个长度记录矩 阵S。S的格式为:
tj
2.一个母小波函数是一个带通信号。
小波与小波变换简述
3.母小波函数随t绝对值的变大而最终衰减为0。 即其函数表达式具有紧支集。下图是典型的小 波母函数和小波函数。
图像小波变换
二维信号的小波分解就可以写为:
2 3 Aj 1 f ( x, y) Aj f ( x, y) D1 f ( x , y ) D f ( x , y ) D j j j f ( x, y)
图像小波变换
《信息隐藏实验教程》教学幻灯片 六
பைடு நூலகம் 小波与小波变换简述
通俗的讲,小波(wavelet)是一种在有限 (小)区域内存在的波,是一种其函数表达式 具有紧支集,即在有限范围内函数f (x)不等于 零的特殊波形。假设存在一个时域函数φ(t), 满足: f (t ) ( ) (f 表示fourier变换)
其中A为低频分量,D可以看为水平、垂直 和对角三个方向上的高频分量。
图像小波变换
这里,我们选用的二维图像信号仍然 是lenna.jpg。由于lenna是一个RGB图像, 我们仅对其R层进行实验。编写函数 wavelet2D.m来完成实验。实验结果如下 图所示。
图像小波变换
图像小波变换
清晰的反映了两重小波分解后的各个频率 段信号重构成的图像。可以发现,低频图像与 原始图像是非常近似的,而高频部分也可以认 为是冗余的噪声部分。所以,图像载体下的小 波分解信息隐藏算法一般的都是将信息隐藏于 分解后的低频部分,从而获得高的鲁棒性。当 然的,将信息隐藏于高频系数中,可以获得很 好的不可见性。不可见性与鲁棒性是信息隐藏 算法性能好坏的重要判定依据,二者可以看成 是一对矛盾。解决这一矛盾的方法是“折衷”。
图像小波变换
图像小波变换
图像小波变换
对lennaR做2层小波分解,得到C也是一个 1×65536的行向量,记录的是2尺度低频、2尺 度水平高频、2尺度垂直高频、2尺度对角高频、 1尺度水平高频、1尺度垂直高频和1尺度对角 A f ( x, y), D f ( x, y), D f ( x, y), D f ( x, y),D f ( x, y), D f ( x, y))七个 D f ( x, y) 高频( 部分的频率系数。下图中S是一个4×2的矩阵, 其第一行表明尺度2下的低频系数为64×64长 度;第二行表明尺度2下的高频系数为64×64 长度;第三行表明尺度1下的高频系数为 128×128长度;
图像小波变换
最后,我们来看一下这些频率系数的具体 内容:lennaR是一个256×256的二维信号,对 其做1层小波分解,得到C是一个1×65536的行 向量,记录的是低频、水平高频、垂直高频和 A f ( x, y), D f ( x, y), D f ( x, y), D f (x, y))四个部分的 对角高频( 频率系数。S是一个3×2的矩阵,其第一行表 明尺度1下的低频系数为128×128长度;第二 行表明尺度1下的高频系数为128×128长度; 第三行表明lennaR是一个256×256的二维信号。 lowf和highfH,highfD和highfV分别对应分离 出来的四个部分的系数矩阵。
S(1,:)=尺度level下的低频系数长度
图像小波变换
S(i,:)=尺度level-i+2下的低频系数长度 S(level+2,:)=原始信号的大小 3、原始信号通过两个共轭滤波器后,得到高、 低频两路信号。假设原始信号抽取256个点参 与计算,那么将得到512个频率数据,如此下 去冗余太大。所以,在滤波之后还要进一步抽 样以减少冗余。通行的方法是隔一数丢弃一个 数,从而保证滤波后的两路信号与原始信号数 据长度一致。这三个结论,对小波信息隐藏实 验有很大帮助。
(t )dt 0
或 C 0
( )
2
d
小波与小波变换简述
则称φ(t)为一个母小波函数(Mother Wavelet Function)。一个母小波函数有如下几个特点: ( ) (t )e dt 而, 1.因为, (t )dt 0 故 而(0) (t )dt 0 。也就是说,一个母小波函数 的直流分量(Direct current components)为0。换 句话说,就是母小波函数具有正负交替的特点, 其均值为0。
2 1 2 2 2 3 2
1 1 2 1
3 1
图像小波变换
第四行表明lennaR是一个256×256的二维 信号。lowf和highfH,highfD和highfV对应2尺 度下分离出来四个部分的系数矩阵。
图像小波变换
比较做1层分解和2层分解频率系数图, 可以发现MATLAB中的二维DWT有如下规律: 1、返回的频率系数(C向量中)以如下形式存放 C=[A(level)|H(level)|V(level)|D(level)H(level1)V(level-1)D(level-1)…|H(1)|V(1)|D(1)] 2、返回频率系数的同时,返回一个长度记录矩 阵S。S的格式为:
tj
2.一个母小波函数是一个带通信号。
小波与小波变换简述
3.母小波函数随t绝对值的变大而最终衰减为0。 即其函数表达式具有紧支集。下图是典型的小 波母函数和小波函数。
图像小波变换
二维信号的小波分解就可以写为:
2 3 Aj 1 f ( x, y) Aj f ( x, y) D1 f ( x , y ) D f ( x , y ) D j j j f ( x, y)
图像小波变换
《信息隐藏实验教程》教学幻灯片 六
பைடு நூலகம் 小波与小波变换简述
通俗的讲,小波(wavelet)是一种在有限 (小)区域内存在的波,是一种其函数表达式 具有紧支集,即在有限范围内函数f (x)不等于 零的特殊波形。假设存在一个时域函数φ(t), 满足: f (t ) ( ) (f 表示fourier变换)
其中A为低频分量,D可以看为水平、垂直 和对角三个方向上的高频分量。
图像小波变换
这里,我们选用的二维图像信号仍然 是lenna.jpg。由于lenna是一个RGB图像, 我们仅对其R层进行实验。编写函数 wavelet2D.m来完成实验。实验结果如下 图所示。
图像小波变换
图像小波变换
清晰的反映了两重小波分解后的各个频率 段信号重构成的图像。可以发现,低频图像与 原始图像是非常近似的,而高频部分也可以认 为是冗余的噪声部分。所以,图像载体下的小 波分解信息隐藏算法一般的都是将信息隐藏于 分解后的低频部分,从而获得高的鲁棒性。当 然的,将信息隐藏于高频系数中,可以获得很 好的不可见性。不可见性与鲁棒性是信息隐藏 算法性能好坏的重要判定依据,二者可以看成 是一对矛盾。解决这一矛盾的方法是“折衷”。